论文部分内容阅读
水质评价工作中,目前常采用的方法为单因子指数和综合指数评价法等传统方法,尽管计算简单,但水质评价结果单一,往往不具代表性,不利于对水体环境的评价因子进行横向和纵向比较以及研究评价因子的内部关系,追溯污染源头。基于此,本文以都匀市的“母亲河”——剑江流域城中段的9个监测点为评价对象,在对剑江于都匀经济发展和民生的重要价值作简要评述后,分别采用模糊综合评价法、主成分分析法和内嵌于MATLAB中的BP神经网络工具箱对9个监测点的水体环境进行了水质评价分析。作为比较对象,本文首先采用单因子指数法对剑江流域城中段的9个监测点进行水质评价分析,结果不甚理想。而采用另外三种方法对剑江流域城中段进行水质评价时,尽管评价机理不同,但是由于三种方法均综合考虑了各评价因子对水体环境的相对影响,所以评价结果均优于单因子指数法。结果表明,9个监测点水质级别中有两个V级,两个IV级,其余监测点水质均为III级。同时,由于水体环境中有机物的相对含量较高,导致水体中BOD5和COD浓度超标,二者成为影响剑江流域城中段水质的主要评价因子。其中,采用模糊综合评价法和BP神经网络对水质进行评价时,可以直接得到水质分级结果。不同的是,前者要对水质数据进行稍显复杂的处理,主要体现在隶属函数和隶属度矩阵的计算中;后者则结构简单,从模型搭建到结果输出,整个评价过程能在MATLAB中一体化完成。而主成分分析法则倾向于分析水体环境中评价因子的内部相关性和评价因子对水体环境的相对影响量,尽管未对各监测点的水质进行分级,但是其利用SPSS统计软件,在对监测点的水质进行排序的基础上,通过总方差解释和评价因子载荷矩阵得出影响水质的主要评价因子,从而追溯污染源头。鉴于三种方法各有优劣,结合相关标准中对水质评价方法需简单、高效和实用的基本要求,最后确定了主成分分析和BP神经网络互补式的水质综合评价方法。其中,利用BP神经网络对水质进行预测和分类,主成分分析法则用于深度分析评价因子对水体环境的相对影响量,确定主要污染因子,制定治理对策,从而实现对水体环境全面具体的定量描述和定性分级。