水質風險綜合評判模型研究

董會嬌

0 引言

水源是人們賴以生存和社會文化經濟發展的基礎，直接關系到人們的身體健康[1]。如今由于城市的快速發展，人們生活水平得到提高，工業、農業和生活污水排放前并未及時有效處理，導致城市水源污染嚴重[2-4]。由于水體水質污染嚴重，提前找出水質變化趨勢，預測水質水污染風險變得水十分重要，水質風險評價已成為了現如今相關研究的熱點[5]。

截止到目前，層次分析法、SPA法、模糊評價法等方法已被廣泛應用到水質綜合評價當中。楊渺等[6]采用了線性變換法，在錢塘江支流對水質進行了綜合評價，指出線性變換法可大幅度降低工作量，同時其計算結果更符合客觀實際；宋述軍[7]基于模糊評價法對沱江流域地表水質進行了綜合評價，通過建立不同指標的相對隸屬度矩陣，計算不同指標的權重，得出沱江有3處達到重污染程度，結果具有一定的客觀性；徐晨光等[8]基于SPA法建立了地表水質量綜合評價模型，并以山東省為例，驗證了模型的適用性，研究結果表明該方法具有一定的科學性；盧文喜等[9]基于層次分析法，得到了水質綜合評價模型，算出的結果與實際狀況相符。

目前針對水質綜合評價的方法已有了部分研究，但這些方法多從主觀意識出發，計算不同指標的主觀權重，但得出的結果僅能反映人們的主觀意識，對客觀事實的反映并不全面，同時對水質風險綜合評價的研究較少，本文基于改進信息熵權法及灰色聚類分析法建立水質風險綜合評價模型，以實測水質數據為基礎建立水質風險綜合評價指標體系，對水質風險進行等級分類，得出的結果可為水質治理措施的制定提供科學依據。

1 研究方法

1.1 信息熵權法

本文基于改進信息熵權法對水質風險進行評價，同時發出100份問卷調查，調查不同專家學者對各指標權重的評定，將信息熵權重（客觀權重）與專家權重（主觀權重）進行綜合，得出綜合權重，該權重既可以反映客觀事實，也可反映主觀專家意見，具有一定的代表性，客觀權重與綜合權重計算過程如下：

假設有m個對象，n個被評價指標，熵定義為：

式中：Hj代表計算的信息熵；m為評價對象個數；n為待評價指標個數；bij為計算的相對隸屬度；fij為相對隸屬度所占比例。

對各項指標進行無量綱化處理，得出相對隸屬度：

式中：bij為所求的相對隸屬度；aij為每個計算指標；ajmax為某項指標最大值；ajmin某項指標最小值。

計算第j項指標的變異度：

式中：Dj為所求的變異度；Hj代表指標的信息熵。

計算該指標所對應的熵權重（客觀權重）：

式中：ωbj為所求的客觀權重；Dj為某項指標的變異度。

根據專家經驗得出的主觀權重與計算得出的客觀權重，得出綜合權重：

式中：ωj為所求的綜合權重；ωaj為通過問卷調查所得的主觀權重；ωbj為所求的客觀權重。

1.2 灰色聚類分析法

不同水質指標劃分采用《地表水環境質量標準》（GB3838-2002）為依據。作為多指標評價，各評價指標由于量綱及標準值取值范圍的差異性，使得評價過程中部分指標的作用被削弱或者忽略，因而依照相關分級標準將水質風險劃分為V1、V2、V3、V4、V5五類灰類區間，分別對應低、中、高、較高、極高風險等級。假設共有n個風險等級，不同分級劃分區間確定過程如下：

（1）當k=1時，對應等級指數型函數為：

（2）當2≤k≤n-1時，對應等級指數型函數為：

（3）當k=n時，對應等級指數型函數模型為：

公式中 i=1,2,3…m；j=1,2,3…l；，Mij表示第 j年內、第 i個指標的評分值；Mimax、Mimin定義為第i個指標評價等級標準值區間上限、下限值；Mi(k,1)和Mi(k,2)分別代表第i個指標對應K類風險等級標準值下限和上限，評價區間定義為[Mi(k,1),Mi(k,2)]。

1.3 水質風險評價指標體系構建

本文將水質風險評價指標體系分為3個方面，分別為水環境方面、生態環境方面和水中沉積物方面，具體指標體系見圖1。分別選取總氮含量C11、總磷含量C12、氨氮含量C13、高錳酸鹽指數 C14、揮發性酚 C21、COD 含量 C22、BOD 含量 C23、浮游生物指數C24、石油類C31、六價鉻含量C32、有機碳含量C33、硫化物 C34共12項指標，綜合判定區域水質風險，并給出風險等級劃分。

圖1 水質風險評價指標體系構建

2 工程實例分析

試驗區域位于河北省唐山市，以當地實測數據為依據，分析2009年、2011年、2013、2015和2017年5年的數據，根據式（3）確定不同指標的相對隸屬度矩陣，結果見表1。根據表1中的數據，可根據統計數據的客觀性與2.1節中的公式計算各指標的客觀權重，與專家調查的主觀權重相比，信息熵權法計算結果基本與主觀權重一致，由主觀權重和客觀權重，可綜合得出第三層指標的初始綜合權重，結果見表2。

根據表2中的數據，綜合得出第二層指標的相對隸屬度矩陣，從而計算出第二層指標的計算權重，其中水環境指標的權重為0.37，生態環境指標的權重為0.33，水中沉積物指標權重為0.30。根據第二層指標權重與第三層指標的初始綜合權重，求得第三層指標的最終權重，結果見表3。

表1 第三層指標相對隸屬度矩陣

表2 第三層指標初始綜合權重

表3 第三層指標最終綜合權重

表4 不同年份水質風險排名

根據表4中的結果可知，將不同年份的水質風險綜合評價結果按最大到小排列依次為：2009年0.919、2011年0.684、2013年0.388、2015年0.240和2017年0.040，表明該區水質風險逐年降低，水質呈現逐年變好的趨勢，尤其是2009年之后，上升顯著，與當地實際情況相符，因此計算過程正確，該方法具有一定的科學性。

結合《地表水環境質量標準》提出的地表水質指標限值，通過公式（7）～（9）計算得出適用于水質風險綜合評價分級標準，見表5。根據不同水質指標的相對隸屬度矩陣與綜合權重，可得出基于信息熵理論的各項水質指標綜合評價指數，結果見表6。

表6顯示，水質風險呈逐年降低趨勢，尤其在2017年達到了無風險級別，而在2009和2011年的水質風險較高，達到了極高風險等級，表明近幾年水環境系統有了很大程度的改善，水質防治措施實施效果顯著。

表5 江蘇省滆湖地表水質量綜合評價指數分級標準

表6 江蘇省滆湖不同分區地表水質量綜合評價結果

3 結論

本文基于信息熵權法與灰色聚類分析法的綜合分析方法，構建了水質風險綜合評價模型，建立了水環境方面、生態環境方面和水中沉積物方面3個層面共12項指標的評價指標體系。通過計算不同指標的綜合權重和風險級別判定區間，得出不同時間水質風險級別，該方法最大程度上消除了評價方法的主觀性，同時對2009、2011、2013、2015和2017年的水質風險等級進行了評價，指出2017年的水質風險最低，達到了無風險級別，符合實際要求，證明了該方法的準確性。

[1]李慧.黑河流域水質評價及變化趨勢分析[D].蘭州理工大學，2010.

[2]Lau SSS,Lane SN.Biological and chemical factors-influencing shallow lake eut rophication:a long-term study[J].The Science of the Total Environment,2002,288:167—181.

[3]Zhou M,Shen Z,Yu R.Responses of a coastal phytoplankton community to increased nut rient inputf rom the Changjiang(Yangtze)River[J].Continental Shelf Research,2008,28:1483—1489.

[4]朱劍鋒.淀浦河水體中氨氮、總氮和總磷污染變化趨勢及相關性分析[J].北方環境，2013，(6)：155—159.

[5]吳義鋒，薛聯青，呂錫武.基于未確知數學理論的水質風險評價模式[J].環境科學學報，2006，26(6)：1047—1052.

[6]楊渺，謝強，王維，等.基于線性變換的水質綜合評價方法[J].長江流域資源與環境，2015，24(1)：156—161.

[7]宋述軍，周萬村.沱江流域地表水水質的模糊綜合評價[J].水土保持研究，2007，14(6)：128—130+134.

[8]徐晨光，艾尼瓦爾·艾買提，杜青輝.基于SPA和信息熵的可變模糊集水質評價方法[J].人民黃河，2013，35(6)：56—58.

[9]盧文喜，李迪，張蕾，等.基于層次分析法的模糊綜合評價在水質評價中的應用[J].節水灌溉，2011，(3)：43—46.