蘇家屯地區地下水源地水質調查與聚類分析

侯紀榮 葛 鵬 金 碧

(1.沈陽市蘇家屯區水利局，遼寧 沈陽 110101;2.盤錦市河閘管理處，遼寧 盤錦 124000)

飲用水質量事關居民生活健康，客觀進行水質評價是保障水源地供水安全的基礎。目前飲用水水質評價方法主要分為單一指標定性評價法和綜合指標定量評價法，這些評價方法不僅能明確水體質量等級，還能量化水質分數。目前大部分研究是基于年內測定的水質數據給出評價結果，未充分考慮到水循環過程的季節變異性與水質指標間的理化聯系，未結合區域水質礦質特點。鑒于此，本文以遼河平原蘇家屯地區為例，在季候水質采樣基礎上，利用營養狀態指數與自組織神經網絡方法，對該地20個水源地水質進行綜合評估，以期為該區域水源保護提供依據。

1 區域概況

蘇家屯區地處沈陽市中南部的遼河中游與渾河交匯帶，是沈陽的副中心城區。屬低緩丘陵、平原分布區，海拔介于0～330m之間，發育有北沙河、十里河、柳溝河等遼河一級支流，流程達149km，徑流面積達759km2，占區域總面積的90%。由于位于中高緯度大陸東岸，受西太平洋信風與高緯度冷高壓交替控制形成了溫帶季風性氣候，冬冷夏熱、季候分明，年均氣溫8℃，年均降水659.6mm，日照時數2500h。該區居民飲用水源主要為地表水與地下水。2017年，根據蘇家屯區飲用水源功能特點設站調查，共設水質點20個。

2 取樣調查與測定分析

3 研究方法

3.1 營養狀態指數法

水體是多種礦質成分混合液體，國內外學者基于水體的該特征給出了多種水質評價方法，如特征法、綜合指數法、模糊關聯法、內梅羅指數法等，其中TSI(Trophic State Index)營養狀態指數法通過顯示方程定量描述水質綜合特征，是淡水質量測定的典型方法之一。其計算公式如下：

TSIm(Chl-a)=10[2.46+ln(Chl-a)/ln2.5]

(1)

TSIm(SD)=10〔2.46+[3.69-1.53

ln(SD)]/ln2.5〕

(2)

TSIm(TP)=10[2.46+(6.71+1.15

ln(TP))/ln2.5]

(3)

TSIm=W(Chl.a)·TSIm(Chl-a)+W(SD)·

TSIm(SD)+W(TP)·TSIm(TP)

(4)

式中:Chl-a、TP、SD分別為水質中綠素a、總磷、透明度的數值，其中TSIm(Chl-a)、TSIm(SD)、TSIm(TP)分別為各指標單項營養指數，TSIm為綜合影響指數，用于評定水質營養型狀況。基于Carlson和Aizaki對于TSI方法的定義，W為權重狀態，通過以上公式將水體多種礦質成分濃度與水體質量聯系起來。通常TSI的計算結果介于0～100之間，TSI≤31表明水質潔凈；3154表明水質富營養化。

3.2 主成分分析法

主成分分析(Principal Components Analysis，PCA)是一種從高階數據集中提取低階核心成分的一種簡化數據集的技術，能夠根據數據集中的方差貢獻識別單一要素的影響程度。本文以獲取的水質樣品數據矩陣為基礎，運用R語言中的vegan數據包進行主成分特征提取，從而解析區域水質的影響因素。

3.3 自組織神經網絡

自組織神經網絡(Self-Orhainzing Map，SOM)是一種無監督聚類分析法，無須事先設定聚類數量和學習訓練[3-5]，主要根據特征維數數據集特征進行邏輯分裂，從而劃分樣本的類別。本文以水質樣品數據集為特征維數，在此基礎上運用Matlab2018軟件中的SOM-APP工具進行特征聚類，從而識別20個水質點水質綜合特征。

4 數據處理與分析

運用Excel 2016軟件對測定的水質參數進行統計分析，計算TSI相關指數，并采用極值標準化方法進行歸一化處理。在此基礎上運用Matlab2018軟件進行主成分分析。另外為了綜合評定20個水質點綜合水質差異，運用自組織神經網絡(Self-Orhainzing Map，SOM)方法進行聚類分析[3-5]。

5 結果分析

5.1 水質季候變化特征

表1 蘇家屯飲用水水質指標測定值

5.2 水質營養性綜合評定

基于前述調查數據與改進的TSI水質營養量化方法，對蘇家屯區飲用水水質季節性綜合特征進行綜合評價，結果見表2。各季節中水質TSI值存在明顯差異(P<0.05)，其中以夏季水質的TSI值最高，為21.32，以31的貧營養型下限值計算，其偏離僅為9.68，屬年內水質最差階段。其次是冬季，TSI為16.76，偏離下限值14.24。春季、秋季水質較好，TSI分別為12.98、8.97，偏離下限分別為18.02、22.03。其年內水質平均TSI為15.75，約為限值水平的1/2，表明該地區水質基本安全。雖然各季節水質不盡相同，但依據TSI平均分級，均屬于貧營養型等級，表明水質屬于安全型，對人體健康無損。

表2 蘇家屯飲用水水質綜合評定值

5.3 水質影響因素主成分分析

通過Matlab數學平臺對調查的水質樣點進行矢量可視化(見圖1)。由圖1可知，主成分軸PCA1和PCA2分別解釋了42.58%、27.63%的信息，其綜合解釋能力達到67.21%，殘差為32.79%，表明能夠較好闡釋水質的環境表達。pH值在PCA2軸上的矢量投影最長，表明pH值是水質質量的基礎，它對水體中其他礦質成分如金屬鹽離子等具有重要影響。PCA1還與EC密切相關，其表征了離子屬性及其活躍程度。PCA2主要反映了TN、TP和COD情況，TN為水生生物提供必不可少的營養物質，其含量過高易引起水體營養化；COD是水體質量的關鍵指標之一，由圖1可知，第S17號水質點的化學需氧量過低。各水質點與矢量箭頭的偏離程度反映了水質各指標質量分數豐度，就全局來看，pH值、TN和TP是其控制因素。

圖1 蘇家屯區水質參數PCA分析

5.4 基于SOM的水質點聚類分析

通過SOM神經網絡對20個水質參數含量值進行聚類，以便直觀分析各水質點綜合質量差異。在進行聚類過程中，其關鍵在于計算神經元系數，系數值的大小決定其與聚類目標接近程度。由于該聚類過程對聚類層級的設定是先驗的，因而需要設計合理隨機化過程，使得神經元系數值具有穩定性。通過50次抽樣，得到其平均值，結果見圖2。依據其系數區間來看，pH值最小主要由于各水質點pH值差異不大，具有較小的信息熵，因而其聚類分離過程中的作用較小，反之NO2-N、NO3-N等的神經元系數有負值且區間較大，這不僅與其熵值信息有關，還可能受到數據噪聲影響。經聚類后得到圖3所示結果。

圖2 蘇家屯20個水質參數SOM網絡圖

圖3 蘇家屯水質點SOM聚類結果

由圖3可知，蘇家屯20個水質點水質質量綜合聚類存在一定差異，其中灰度(G)越深表明水質越差。聚類結果分6級，其中20號水質點屬于G6，水質最差；8號和4號屬于G5；9號、14號、15號、10號、11號、12號屬于G4；7號、6號、16號屬于G3；17號、19號、5號、1號屬于G2；2號、3號、13號、18號屬于G1。

6 結 論

飲用水安全是居民生活安全的基礎保障，展開水質調查、綜合測評水體質量是水務部門的重要工作內容。通過實際調查取樣，測定了覆蓋蘇家屯區域的20個水質點質量參數，結果顯示未有化學物質含量超標，水質量在安全范圍內。本文運用了SOM神經網絡對水質點進行聚類分析，該結果能夠直觀展示水體質量差異，這為水資源監測管理提供了可視化參考依據，該方案具有一定應用潛力。雖然本區飲用水基本達標，但考慮到水體的動態活性、易于污染的特征，加強水質監測與水環境管理依然不可松懈。