文档介绍：地下水水质评价方法及展望
用户上传
作者: 摘要:地下水水质评价是地下水资源评价的重要内容,目前有关地下水水质评价的方法与观点众多,总体上可归纳为模糊综合评价法、灰色系统法、模型法和理论法4类9种评价方法矩阵。确定隶属函数的原则和方法很多。一般单向分布的水质指标质量类别常用半梯形分布函数法;对于某些双向分布的指标如人体必需的微量元素、pH值等,可采用梯形分布函数法。这两种方法能够很好地刻画水质级别的隶属关系。
确定评价因子权重的赋权方法也有很多,传统的方法如专家法、指标值法等,但这些方法都存在一些不足。针对这些赋权方法中存在的不足,提出了一些改进
方法。近些年,层次分析法、多元统计分析中的主成分分析和因子分析方法、灰色关联法、神经网络和遗传算法等被广泛应用于权重的确定,取得了一定的效果。
但这些方法在地下水水质评价中的应用都存在自身的优缺点,如何更好地确定地下水各水质评价指标间的权重有待进一步的研究。
综合评价结果最后通过模糊矩阵R和权重矩阵的复合运算来实现。复合运算中可选用的模糊算子有取大取小法、相乘取***、取小相加法、相乘相加法等,可根据评价的需要选择合适的算子。
灰色聚类法
灰色系统理论也被广泛应用于地下水水质综合评价中。灰色聚类法处理环境污染评价问题,不必事先给定一个临界判断,而可以直接得到聚类评价结果。灰色聚类法能对水环境进行评价,反映水质的综合状况,因而比指数法更全面直观、更有说服力,同时又比模糊综合评价简便,易于推广。灰色聚类法也存在着一些不足。例如,由于采用了“降半梯形”形式,每一评价级别仅于相邻级别间存在隶属关系,当污染物浓度分布过于离散时,可能会损失较多有用信息。灰色聚类方法在地下水水质评价过程中也需要考虑不同评价指标的赋权问题,不同的赋权方法直接影响评价结果。
其它评价方法
人工神经网络中应用较多的为BP神经网络,将水质评价采用的各种指标作为输入变量,水质分类级别为输出变量。根据样本数据得到的输入输出之间的权值矩阵,从而对于未知水质的指标进行分类评价。人工神经网络是数字驱动力模型的典型代表,其他诸如多元回归与遗传算法也可以看做是数字驱动力模型在地下水水质评价中的应用。逻辑斯谛曲线( Logistic) 模型是在地下水水质评价标准说明中,各指标值(作为横坐标) 与水质等级(作为纵坐标) 之间呈单调递增或递减关系,当指标值超过某门限值时就判定为最高等级; 当指标值低于另门限值时就判定为最低等级;当指标值介于这两门限值之间时则为中等等级。集对分析理论(SPA)是赵克勤(1989)创立的一门新的系统理论方法,其核心思想是将系统内确定性与不确定性予以辩证分析与数学处理,体现系统、辩证、数学三大特点。该理论认为,不确定性是事物的本质属性,并将不确定性与确定性作为一个系统进行综合考察。在进行地下水水质评价时,该方法借助确定性和不确定性分析先对样本进行定性分析,再通过计算“联系度”来评价地下水水质等级。物元可拓法于20世纪80年代由我国蔡文教授创立,它是将物元分析与可拓集合相结合,应用于新产品构思与设计、优化决策、控制、识别与评价等领域,在地下水水质评价中的应用属于拓展性的应用。该方法认为地下水环境是一个较为复杂的系统,单项指标间