投影尋蹤法在水質綜合評價的應用研究

劉 鵬 沈鴻珍

(1.山東濱州濱城區水利局,山東 濱州 256600； 2.濱州學院，山東 濱州 256600)

?

·水利工程·

投影尋蹤法在水質綜合評價的應用研究

劉 鵬1沈鴻珍2

(1.山東濱州濱城區水利局,山東 濱州 256600； 2.濱州學院，山東 濱州 256600)

以山東省濱州市重點流域水質為研究對象，采用RAGA-PPCE模型，對水質進行了綜合評價，并將該模型的評價結果與模糊綜合法評價結果作了對比，指出RAGA-PPCE模型評價結果客觀、合理，可有效應用于水質評價工程中。

RAGA-PPCE模型，水質，評價分級標準，投影方向

0 引言

在城市生態水系建設中，實施嚴格的水資源管理，監測水體污染都離不開評價水質狀況。現今的評價方法中有神經網絡方法[1]，模糊綜合層次分析方法[2]，單因素分析法[3]，灰色關聯分析法[4]，主成分分析法[5]，綜合水質標識指數法[6]，綜合污染指數模型[7]，Topsis算法[8]，這些算法都在實際水質評價中運用并得到很好的效果。投影尋蹤法[9](PP)屬于直接由樣本數據驅動的探索性數據分析方法。它把高維數據通過某種組合投影到低維子空間上進行聚類，通過分析低維空間數據點的變化特征來研究高維數據結構特征。聚類就是按照一定的規則或者標準將對象聚為一個個集合，所得到的分布是聚類前未確知的。它以類內具有較大密集度(高內聚)而類間具有相對大的散開度(低耦合)為目標尋找一維投影方向，并根據每個樣本相應的綜合投影值對樣本進行綜合評價分析的方法。RAGA-PPCE將標準遺傳算法改為實數編碼的形式，采用加速循環的方式這樣可以使求解速度加快[10]。對整個流域水系水質評價尚未可見。

本文以濱州市主要河流水質為對象，其中有杏花河，徒駭河，孝婦河，漳衛新河四個斷面。采用RAGA-PPCE即基于實數編碼的加速遺傳算法求解模型，找出最佳投影方向，采用各評價因子標準闕值構造水質綜合評價分級標準。并與綜合指數法得到的數據對比，結果表明該模型可有效用于水質綜合評價。

1 RAGA-PPCE模型的建立

1.1 RAGA-PPCE算法

首先構造指標函數，即把N維數據變成a=(a1,a2,…,an),為投影方向的一維投影值Zi：

然后根據{Zi/i=1,2,…,n} 的一維散布圖進行分類，其中a為單位長度向量。

投影函數可構造為：

Q(a)=σz×ρz。

式中：σz——投影值Zi的標準差；ρz——投影值Zi的密度。

1.2 加速遺傳算法求解投影尋蹤模型的步驟

RAGA的求解步驟：

1)采用二進制編碼。2)初始化群體。3)適度評價。目標值是0的情況，定義適應度函數。4)產生第一子代群體。5)雜交產生第二代子群。6)變異產生第三代子群。7)繼續迭代，重復進行演化。8)加速循環。選出優秀個體對應變化區間重新迭代，如此循環。

2 應用實例

2.1 數據來源

山東省濱州市主要水系有黃河水系，小清河水系和海河水系。水系內人口稠密，經濟發達，流域內河流眾多，水系發育，小清河水系有孝婦河，杏花河，小清河，海河水系有徒駭河，馬頰河，漳衛新河等。市多年平均水資源總量為30.67億m3，過境河流水資源量11.95億m3。流域面積5 788 km2。年人均水資源占有量267 m3，屬于人均水資源量小于500溶解氧/m3的水危機地區。本文選取小清河水系和海河水系為研究對象，選取影響較大的總磷，總氮，化學需氧量，氨氮和pH值作為水質綜合評價因子。

2.2 樣本生成及參數設置

1)樣本生成。

利用時間順序選取孝婦河斷面袁家橋(長山)，馬頰河斷面李辛橋(大店)，漳衛新河斷面小泊頭橋，徒駭河斷面申橋每條河流斷面取173組水質數據集，用于求取 RAGA-PPCE模型最佳投影方向a。

2)參數設置。

RAGA-PPCE算法參數設置為最大迭代次數T=200，種群規模N=50。

2.3 構造水質評價分級標準及結果

根據地表水環境質量國家標準GB 3838—2002，依據地表水水域環境功能和保護目標，按功能高低依次劃分為Ⅰ類～Ⅴ類水，所選指標在各類水的標準如表1 所示。

表1 選取指標對應地表水環境質量標準

表2和表3為各水源水質類別比例和數量，表中列出各水體水質類別比例及數量，1號為孝婦河袁家橋(長山)斷面，2號馬頰河李辛橋(大店)斷面，3號漳衛新河小泊頭橋斷面，4號徒駭河申橋斷面。從表中看出1號孝婦河袁家橋(長山)斷面Ⅴ類水質以上占60.08%，2號馬頰河李辛橋(大店)斷面Ⅴ類水質以上占68.74%，3號漳衛新河小泊頭橋斷面Ⅴ類水質以上占44.49%，4號徒駭河申橋斷面Ⅴ類水質占95.08%，1號，2號，3號水質都沒有Ⅰ類和Ⅱ類水質。4號徒駭河申橋斷面水質最好，3號漳衛新河小泊頭橋斷面水質最差。

a=(0.045,0.215 4,0.299 6,0.884 0,0.124 1,0.255)為最佳投影方向。

表2 各水源水質類別比例 %

表3 各水源水質類別數目

圖1～圖4是1～4河流水質評價指標分布圖，圖中的五條直線是五類水的劃分標準，圖1～圖4從上到下每條線對應的縱坐標值分別為：1.497 8，1.502 2,1.506 63,1.511 9,1.515 53。橫坐標為采樣編號。我們看到水質的分類并非固定不變，而是動態變化的。

2.4 評價結果

1)RAGA-PPCE模型水質評價結果與模糊綜合法結果相同。

2)從最佳投影方向來看，各評價指標均為正值且相差不大，說明各指標投影方向一致，對于水質評價等級的影響相同。

3)四條河在 173個數據水質均有波動，但1,2,3號均未達到過Ⅰ,Ⅱ類水標準，最高等級是Ⅲ類水，且各水質之間差異較為明顯。4號水質在173個數據內的兩極分化比較明顯，水質波動范圍較大，總體水質最好；3號水質有54%處于Ⅴ類水以下，3號是4個中達到劣Ⅴ類水質次數最多，相比于其他水池其水質條件最差的。

3 結語

1)本文以水質評價為例進行實例研究。結果表明，RAGA-PPCE模型評價結果客觀、合理，能夠有效應用于水質綜合評價。

2)利用RAGA-PPCE模型計算最佳投影方向a，不但提高了模型的評價精度，而且為模型最佳投影方向a的選取提供了一種新的途徑和方法。

[1] 趙小勇,付 強,邢貞相,等.投影尋蹤模型的改進及其在生態農業建設綜合評價中的應用[J].農業工程學報,2006(5)：90-92.

[2] 譚永明,孫秀玲,龐發虎.基于加速遺傳算法與投影尋蹤的水質評價模型[J].水電能源科學,2008(6)：129-131.

[3] 王洪梅,盧文喜,辛 光,等.灰色聚類法在地表水水質評價中的應用[J].節水灌溉,2007(5)：206-208.

[4] 王艷瓊,白秀琴.基于BP神經網絡模型的水質評價及預測[J].武漢工業學院學報,2007(1)：88-90.

[5] 陳 興,程吉林,劉 芳.BP神經網絡用于水質評價的參數確定[J].水利與建筑工程學報,2007(1)：131-133.

[6] 曾 永,樊引琴,王麗偉,等.水質模糊綜合評價法與單因子指數評價法比較[J].人民黃河,2007(2)：211-213.

[7] 沃 飛,陳效民,吳華山,等.灰色聚類法對太湖地區農村地下水水質的評價[J].安全與環境學報，2006(4)：77-79.

[8] 徐搖健,吳搖瑋,黃天寅,等.改進的模糊綜合評價法在同里古鎮水質評價中的應用[J].河海大學學報(自然科學版)，2014，42(2):143-149．

[9] 徐兵兵,張妙仙,王肖肖.改進的模糊層次分析法在南苕溪臨安段水質評價中的應用[J].環境科學學報,2011,31(9)：111-112.

[10] 申 劍,史淑娟,周 揚,等.基于改進灰色關聯分析法的丹江口流域地表水環境質量評價[J].中國環境監測,2014，30(5)：240-242.

1009-6825(2017)11-0214-03

2017-02-11

劉 鵬(1976- )，男，碩士，工程師

TU991.21

A