礦區地下水質量評價及預測?

苗鑫淼王 飛公 亮

(1.中國礦業大學資源學院,江蘇省徐州市,221116; 2.四川省地質工程勘察院,四川省成都市,610000)

礦區地下水質量評價及預測?

苗鑫淼1王 飛2公 亮1

(1.中國礦業大學資源學院,江蘇省徐州市,221116; 2.四川省地質工程勘察院,四川省成都市,610000)

為了保證礦區合理、安全利用地下水資源,科學選取水源井位置,實驗選取西部某礦區21個水樣點,分別利用模糊模式識別法、熵權模糊綜合評判法等方法,對礦區地下水水質等級進行了評價,并預測了礦區水質演化趨勢。結果表明,模糊模式識別法對礦區地下水水質的評價更為合理,其評價結果為今后礦區水源井位置的選取提供了參考和依據。

模糊模式識別模型 相對隸屬度 地下水質量 水質演化預測

隨著礦區生產規模的不斷擴大,其對地下水的需求量也在持續增大。地下水資源不合理的開發利用,往往會導致地下水水位下降、水質惡化等環境問題,制約了礦區的發展,影響了礦區群眾的生活。因此,為保證礦區合理、安全利用地下水資源,需要對地下水尤其是飲用水質量做出科學可靠的評價及預測。

國內外目前針對地下水的質量評價方法主要有單因子評價法、灰色聚類評價法、多元統計分析法、內梅洛綜合指數法和模糊綜合評判法等。由于以上方法在評價模型、評價標準和評價內容等方面存在差異,因此其對地下水質量評價的過程和結果各有不同。地下水質量評價是一個典型的模糊概念,需依據模糊數學的方法將研究系統中水質類別、分類界限和污染程度等模糊概念通過隸屬度加以量化。通過對模糊綜合評判法進行改進,對礦區第四系含水層進行了水質評價及預測,并為礦區第四系飲用水水源地位置的選取、開發與利用提供了科學依據。

1 模糊模式識別模型的建立及其評價

1.1 水質評價樣本及標準的確定

根據礦區水源井的實測資料建立污染物實測樣本矩陣:

式中:m、n——評價指標和實測水源井的樣本數;

xij——第j個水源井中第i個評價指標的實測值,i＝1,2,…,n;j＝1,2,…,n。

根據《地下水質量評價標準》對m項指標進行分級標準評價,評價等級分為5級。

1.2 確定模糊關系矩陣

在水質評價過程中,由于水質污染程度和水質分級標準都是模糊的,因此采用相對隸屬度對其進行刻畫是合理的。按各指標隸屬各水質等級,可以規定指標i的m級標準值對污染的相對隸屬度為:

式中:yim——指標i的m級標準值對污染的相對隸屬度。

對于實測濃度值愈大污染愈重的指標i,其對于污染的相對隸屬度為:

式中:rij——指標i對于污染的相對隸屬度。

根據各因子的隸屬函數,依次計算,得出實測指標相對隸屬度與指標標準相對隸屬度矩陣Rm×n＝(rij)以及指標標準相對隸屬度

1.3 建立權重模糊矩陣

由于取樣點不同,評價指標的重要性可能不同,因此在模糊矩陣的建立中,需要考慮評價指標的權重。矩陣Wm×n＝(wij)給出樣本超過環境標準的相對隸屬度,隸屬度不僅可以表示為權重,也可以描述超標指標的權重:

式中:xi——第i種評價指標的實測值;

Wi——權重因子,Wi≥0;

ɑij——第j個水源井中第i個評價指標的允許濃度值。

水源井以相對隸屬度zhj隸屬于h級環境標準,則有水源井對于環境標準相對隸屬度矩陣Z5j＝(zhj),滿足的約束條件為:≤1。由矩陣Rm×n、Sm×5可知,實測水源井j的i個評價指標相對隸屬度rij分別與評價指標標準相對隸屬度sih行向量逐一進行比較,可得評價指標每個相對應級別的區間,區間的上下限為minb1j和maxc1j。則樣本與評價標準間的差別用權距離法來計算表示:

式中:dhj——第j個水源井與評價標準級別h的廣義權距離;

sih——環境標準為h級的評價指標標準相對隸屬度;

p——距離參數,取歐拉距離2;

θi——第i種指標的權向量。

建立相對隸屬度zhj對模糊事件A的最優相對隸屬度目標函數:

式中:α——優化準則參數,取2或1;

zhj——第j個水源井對于環境標準級別h的相對隸屬度;

bj——第j個水源井的級別下限值;

cj——第j個水源井的級別上限值。

根據目標函數式和約束式構造拉格朗日函數,求得相對隸屬度zhj對模糊事件A的最優相對隸屬度公式:

結合式(4)(5)(6)(7),最終求得樣本j對于h級環境評價標準的最優相對隸屬度模糊模式識別理論模型:

式中:sik——評價指標標準對評價標準級別的相對隸屬度;

wij——樣本超過環境標準的相對隸屬度。

2 基于熵權法的模糊綜合評判

熵值賦權法是通過各評價指標的檢測值構成的判斷矩陣來確定各指標的權重的方法。由于其弱化了因子權重的主觀性影響,可以使評價結果更趨近于實際情況。

權重具體計算過程如下:

(1)建立構造判別矩陣:

(2)將判斷矩陣進行歸一化處理,得到歸一化的判斷矩陣:

式中:Hj——第j個水源井的歸一化判斷矩陣;

fij——歸一化的判別函數;

bij——歸一化判斷矩陣元素;

xmin——j個不同水源井中的第i評價指標的最差值;

xmax——j個不同水源井中的第i評價指標的最優值。

為使lnfij有意義,須假設當fij＝0時,fijlnfij＝0,又因為當fij＝1時,fijlnfij＝0,為了與熵的含義不相悖,對fij修正為:

(3)計算評價指標的熵權

式中:kj——樣本j的熵權值。

因此得到權重向量K＝(kj)1×n

3 礦區第四系地下水質量評價

為了系統全面地調查礦區松散層的水質情況,在礦區范圍內共選取了21個樣本點。以《地下水質量標準》作為評價依據,分別對各水樣點的總硬度、鐵、錳、銅、鋅和揮發酚類等21項指標進行評價,這些指標均是數值愈大污染愈重的指標。

通過分別計算得出模糊識別模型的判別矩陣zhj,在綜合考慮最大隸屬度原則的基礎上,得出研究區各水樣點的地下水質量分級情況,見表1。

表1 模糊模式識別法評價結果

4 評價結果綜合分析

從模糊模式識別法計算出來的結果顯示,4＃水樣點、11＃水樣點、17＃水樣點和21＃水樣點的綜合水質最好,其他取樣點水樣次之。通過與水質單項指標評價結果相比較,模糊模式識別法的評價結果使水質級別趨于平均化。個別取樣點雖然某些指標嚴重超標,但總體評價結果卻是Ⅲ級。而模糊模式識別法與內梅洛指數法、熵權法模糊綜合評判法的評價結果相比,其水質的評價等級在總體上優于其他兩種方法的評價等級,具體評價結果見表2。

內梅洛指數法易受控于某項高污染評價指標,評價結果往往向污染嚴重方偏離;熵權法模糊綜合評判法由于其模糊算子采用相乘取大的原則,突出顯示了水質評價指標中超標的指標,導致評價結果也會向污染重的方向偏離;模糊模式識別法在對評價指標標準的相對隸屬度劃分中,不能很好的區分Ⅳ類和Ⅴ類,從而導致某些評價結果向污染輕的方向偏離。綜合分析以上幾種方法可知,模糊模式識別法得出的評價結果更能客觀的反映實際水質情況。

表2 水源地地下水質量評價結果分析表

5 水質演化趨勢預測

水質預測是對地下水資源進行規劃、評價與管理工作的基礎。由于水質評價系統具有灰色性,故分別將水質樣本指標與水質分級標準指標組成參考數列與被比較數列,用灰色關聯度表示樣本與各級別的貼近程度,運用廣義加權距離構造目標函數,進而建立水質綜合評價模型。

根據灰色模式計算步驟,結合礦區的實測數據可以預測出未來3年內氨氮、鐵、錳、氯化物、硫酸鹽和氟化物6種污染物的濃度值。預測結果見表3。

表3 礦區污染物濃度預測值

從預測結果可以看出,礦區第四系水氯化物濃度、礦化度和氟化物等3種水質指標在3年內均會出現超標現象。

6 結論

在對礦區用水條件進行調查取樣的基礎上,分別運用了內梅洛指數法、熵權模糊綜合評判法、模糊模式識別法對西部某礦區第四系水質進行了綜合評價。評價結果表明內梅洛指數法和熵權模糊綜合評判法由于強化了評價指標主要污染因子的作用,使得其他污染指標貢獻率得到弱化或者丟失,故水質總體上較差;而模糊模式識別法考慮了評價指標的相對隸屬度的優化,使得評價結果更加符合實際情況。

從水質評價本身存在著灰色性的特性出發,建立了基于加權距離法的灰色理論模型,對礦區水源井的水質進行預測,礦區第四系水氯化物濃度、礦化度和氟化物等3種水質指標在3年內均會出現超標現象。

通過分析研究,為礦區今后飲用水水質評價以及水源井位置的選取提供了合理的方法。結合水質取樣點在礦區的分布位置以及水質評價結果,建議礦區今后的水源井向4＃水樣點、11＃水樣點、17＃水樣點、21＃水樣點方向布設;礦區其他區域取水時,建議采用陽離子吸附等方法對水源井進行水質處理,使其滿足相關標準,保證礦區用水安全。

[1] 孟憲萌,胡和平.基于熵權的集對分析模型在水質綜合評價中的應用[J].水利學報,2009(3)

[2] 劉燕,吳文玲,胡安焱.基于熵權的屬性識別水質評價模型[J].人民黃河,2005(7)

[3] 李喜林,王來貴,趙奎等.礦井水水質評價中模糊綜合評價法的改進及其應用[J].水資源與水工程學報,2009(5)

[4] 趙春虎.蒙陜礦區采煤對松散含水層地下水資源影響的定量評價[J].中國煤炭,2014(3)

[5] 譚博,高艷衛.基于多元統計分析的礦井水源的Bayes逐步判別及混合模型[J].中國煤炭,2013(5)

Groundwater quality evaluation and prediction in a mining area

Miao Xinmiao1,Wang Fei2,Gong Liang1
(1.College of Resources,China University of Mining and Technology,Xuzhou,Jiangsu 221116,China; 2.Geological Engineering Investigation Institute of Sichuan Province,Chengdu,Sichuan 610000,China)

In order to ensure reasonable and safe using groundwater resources,and ensure scientific selecting the location of water well,the authors selected western mining area 21 water samples and assessed the mining area groundwater quality level by using fuzzy pattern recognition method and entropy fuzzy comprehensive review method,and then predicted the evolutionary trend of coal mine water quality.The results showed that the fuzzy pattern recognition method was more reasonable,and it provided a reference and basis for the selection of water well location in the future.

fuzzy pattern recognition mode,relative membership degree,groundwater quality,water quality evolution prediction

TD－993

A

苗鑫淼(1990－),男,山東棗莊人,中國礦業大學在讀碩士研究生,研究方向為礦井水害防治、地下水資源評價。

(責任編輯 孫英浩)

國家重點基礎研究發展規劃(973計劃)資助項目(2013CB227901)