论文部分内容阅读
摘 要:在大量监测点中随机选取监测点和监测指标,利用这些数据建立矩阵,比较所有指标选出虚拟“最优点”和“最劣点”,描述每个监测点与虚拟“最优点”和“最劣点”的距离,最后根据公式来对监测点进行分类。在同类点中选区具有代表性的点来进行监测,以达到优化的目的。
关键词:水质监测 成本最小 监测点优化 动态贴近 监测点分类
中图分类号:X832 文献标识码:A 文章编号:1007-3973(2013)002-137-02
1 问题阐述
治理好水质,首先要做到的就是对水质实行有效的监测,而有效的监测离不开监测点的选取,该如何选取选取适当的水质监测点以使得监测的效果更好呢?有人会说在水面上多摆放监测点不就可以了吗?答案不然。在做一项监测时,由于资源的有限性,我们不可能无止境的利用这些有限的资源,因此我们只能合理安排资源,使得监测效果最大化,同时监测成本最小化。这就是本文所要阐述的思路。
水库水质监测点的布点至关重要。一般而言,合理的布点要求如下:(1)监测点能采集到有代表性、全面的水质信息,以满足科研监测等需求。(2)在保证必要的精度和统计学样本的需求上,布点的个数应尽量少。(3)保证设备的可靠性、数据的正确性。
在以往的国内研究中,例如模糊聚类、动态贴近等很多方法都被学者应用到了水质布点模型的设计中,但绝大部分这些方法都因其复杂性或者其他原因没有得到广泛运用。另外,大部分的水质模型也存在很多问题。例如说一些模型只考虑了水质空间上的变化而忽略了时间、季节上的不同。另有一些模型采用了不同的水质标准,带来比较和理解上的不便。因此,水质布点模型仍然是一个急需研究的领域。
2 建模原理及步骤
2.1 模型思想
本质上,水质监测点的优化是一个多因素指标决定的决策行为,但由于多因素指标的复杂性以及难以决策,并且对于多因素指标我们无法直接对其进行比较,所以我们应建立一个纯实量多元函数,将多指标问题单指标化,用单一化后的指标来衡量各监测点之间的相似度。
此次建模首先将各时段监测点的各项指标规范化,从而寻求其中的虚拟“最优点”和“最劣点”,再计算出各个监测点与虚拟“最优点”和“最劣点”之间的虚拟距离,按最优贴近度的定义建立贴近度优化模型,最后按贴近度值的大小进行监测点分类。在每类监测点中选取最具代表性的监测点作为最有监测点,这就是对监测点的优化,以便使得选取的监测点能更好,更全面的对水质实施有效的监测。
3 模型应用
将此模型应用到大东湖水系中的水质监测点优化过程中,分别对大东湖水系的六个湖应用此模型,进行水质监测点的优化布点。对每个湖泊首先大面积选取人工监测点,采集到所需要的数据,然后写出矩阵,按照模型所述步骤一一计算出所需要的数据,然后将选取的监测点进行分类处理,从中选取最有的监测点,以后利用选取的监测点进行水质监测,并隔一段时间就利用上述模型对监测点进行一次优化,以排除时间,季节等自然因素对模型造成的误差。
参考文献:
[1] 倪云龙.水环境监测点位优化数学模型探讨[J].江苏环境科技,2007(2).
[2] 张亦飞,杨晓兰,张建.动态贴近法及在水质监测优化布设中的应用[J].安全与环境学报,2006(6).
关键词:水质监测 成本最小 监测点优化 动态贴近 监测点分类
中图分类号:X832 文献标识码:A 文章编号:1007-3973(2013)002-137-02
1 问题阐述
治理好水质,首先要做到的就是对水质实行有效的监测,而有效的监测离不开监测点的选取,该如何选取选取适当的水质监测点以使得监测的效果更好呢?有人会说在水面上多摆放监测点不就可以了吗?答案不然。在做一项监测时,由于资源的有限性,我们不可能无止境的利用这些有限的资源,因此我们只能合理安排资源,使得监测效果最大化,同时监测成本最小化。这就是本文所要阐述的思路。
水库水质监测点的布点至关重要。一般而言,合理的布点要求如下:(1)监测点能采集到有代表性、全面的水质信息,以满足科研监测等需求。(2)在保证必要的精度和统计学样本的需求上,布点的个数应尽量少。(3)保证设备的可靠性、数据的正确性。
在以往的国内研究中,例如模糊聚类、动态贴近等很多方法都被学者应用到了水质布点模型的设计中,但绝大部分这些方法都因其复杂性或者其他原因没有得到广泛运用。另外,大部分的水质模型也存在很多问题。例如说一些模型只考虑了水质空间上的变化而忽略了时间、季节上的不同。另有一些模型采用了不同的水质标准,带来比较和理解上的不便。因此,水质布点模型仍然是一个急需研究的领域。
2 建模原理及步骤
2.1 模型思想
本质上,水质监测点的优化是一个多因素指标决定的决策行为,但由于多因素指标的复杂性以及难以决策,并且对于多因素指标我们无法直接对其进行比较,所以我们应建立一个纯实量多元函数,将多指标问题单指标化,用单一化后的指标来衡量各监测点之间的相似度。
此次建模首先将各时段监测点的各项指标规范化,从而寻求其中的虚拟“最优点”和“最劣点”,再计算出各个监测点与虚拟“最优点”和“最劣点”之间的虚拟距离,按最优贴近度的定义建立贴近度优化模型,最后按贴近度值的大小进行监测点分类。在每类监测点中选取最具代表性的监测点作为最有监测点,这就是对监测点的优化,以便使得选取的监测点能更好,更全面的对水质实施有效的监测。
3 模型应用
将此模型应用到大东湖水系中的水质监测点优化过程中,分别对大东湖水系的六个湖应用此模型,进行水质监测点的优化布点。对每个湖泊首先大面积选取人工监测点,采集到所需要的数据,然后写出矩阵,按照模型所述步骤一一计算出所需要的数据,然后将选取的监测点进行分类处理,从中选取最有的监测点,以后利用选取的监测点进行水质监测,并隔一段时间就利用上述模型对监测点进行一次优化,以排除时间,季节等自然因素对模型造成的误差。
参考文献:
[1] 倪云龙.水环境监测点位优化数学模型探讨[J].江苏环境科技,2007(2).
[2] 张亦飞,杨晓兰,张建.动态贴近法及在水质监测优化布设中的应用[J].安全与环境学报,2006(6).