综合水质评价方法概述

综合水质评价方法概述

目前在综合水质评价中应用较多典型评价方法包括：单因子评价法、污染指数法、模糊数学评价法、灰色系统评价法、层次分析评价法、物源分析评价法、人工神经网络评价法，以及水质标识指数评价法。

单因子评价法

单因子评价法是分别将各个水质标准规定的水质指标进行对比分析，在所有参与综合水质评价的水质指标中，选择水质最差的单项指标所属类别来确定所属水域综合水质类别；单因子指数评价计算简单，且可清晰判断出主要污染因子及其主要污染区水域。我国在水质监测公报中，便采用了单因子评价水体综合水质。

单因子指数P由一位整数、小数点后二位或三位有效数字组成，表示为：

X

P i3

X

X

1

2

式中：X1————第i项水质指标的水质类别；

X2————监测数据在X1类水质变化区间中所处位置根据公式按四舍五入的原则计算确定。

X3————水质类别与功能区划设定类别的比较结果，视评价指标的污染程度，X3为一位或两位有效数字。

根据Pi的数值可以确定水质类别、水质数据、水环境功能区类别，可以比较水质的污染程度，Pi 越大，水质越差，污染越严重，如果Pi大于6.0，水质劣于V类水。

单因子评价法，优点：是简单、易操作。缺点：但单因子评价中污染因子占100％权重，其余因子权重为零，而随水质监测结果不断变化，浓度越大权重越大，随意性较大，不去考虑各因子对水环境影响的差异性，会忽略很多有用的信息，具有一定的局限性。

污染指数法

污染指数法的基本思想是：①针对单项水质指标，将其实测值与对应的水环境功能区类别与水质标准相比，形成单项污染指数；②对所有参与综合水质评价的单项水质指标，将各指标的单项污染指数通过算数平均、加权平均、连乘及指数等各种数学方法得到一个综合指数，来评价综合水质。

优点：指数法综合评价对水质描述是定量的，只要项目、标准、监测结果可靠，综合评价从总体上来讲是能基本反映污染的性质和程度的。并且对于全国流域尺度而言，污染指数法计算简便，便于进行不同水系之间或同一水系不同时问上的基本污染状况和变化的比较。缺点：选择不同的污染因子会使污染指数值出现波动，当水体的某些污染物评价标准值很低，而这些污染物未被检出时，依据数据的填报原则，就将其报为检出限的一半。此时进行污染指数计算就会夸大水污染程度。

模糊数学评价法

模糊数学理论是美国理论控制专家L.A.Zadeh于1965年提出的。在水环境质量综合评价中，涉及大量的复杂现象和多种因素的相互作用，也存在大量的模糊现象和模糊概念，因此水质评价也可以采用模糊数学的方法进行定量化处理。模糊数学评价法包括模糊综合评判法、模糊聚类法、模糊模式识别法等，其中最典型的方法是模糊综合评判法，其基本思想是：①构造水质指标对各类水质类别的隶属函数；②根据隶属度函数，计算水质指标实测值对各类水质类别的隶属度，构造模糊关系矩阵；③计算各类水质指标的权重，构造权重向量；④将权重向量和模糊关系矩阵相乘，得到综合水质对各类水质类别的隶属度，最终判断出评价样本的综合水质级别。

优点：当在水环境质量综合评价中，涉及到大量的复杂现象和多种因素的相互作用时，用模糊关系合成原理，可将一些边界不清、不易定量化的因素定量化。缺点：当水质评

价指标较多时，常用的取大取小算法可能导致信息丢失过多，出现评价结果趋于均化、模糊失效的现象。

灰色系统评价法

灰色系统理论是我国学者邓聚龙于1982年提出的一门新理论。灰色系统理论用已知的白化参数通过分析、建模、控制和优化等程序，将灰色问题淡化和白化。应用于综合水质评价的灰色系统理论方法中，最为常用的为灰色聚类法，其基本思想是：①将评价样本标准化；②将水环境质量类别对应的质量浓度值标准化，形成对应的水环境质量灰类；并基于水质灰类，构造白化函数；③根据白化函数计算出各评价指标对于各灰色的白化系数；根据各评价指标的权重，求得综合水质对于各灰色的聚类系数，最终判断出评价样本的综合水质类别。除灰色聚类法外，还有其他的灰色系统理论评价方法，包括灰色关联分析法、灰色统计法、灰色局势决策法等。

灰色评价法，优点：是对白化数据的灰化处理，能够客观注意到水质分级界

线的模糊性，又提高了信息利用率，对单一污染指标，能准确判断出所属类别。

缺点：灰色聚类法最后评价结果是按照最大隶属原则，取最大聚类系数所在类别，所以对整体来说，会忽略掉一些特殊的数据，以至结果趋于均化、分辨率不高；且污染因子(项目)选取数量的多少直接影响最终的质量系数，即水质评价的级别。

物源分析评价法

我国学者蔡文教授所创立的物源分析理论剔除了“可拓”的思想和概念，开创了用以解决不相容问题的物元理论，用关联度将模糊集合的[0,1]闭区间连续取值，拓展到（—∞，+∞）实数轴，将物源的量值表达为实轴上的一点，既丰富了事物的内涵，又能客观的反映物质世界的真实状态。基于物源分析理论的综合水质评价的基本思想是：①建立物源模型，包括各水质类别的经典域物源矩阵、各评价指标最大值的节域物源矩阵、评价样本的待评物源矩阵；②计算各水质指标对各水质类别的关联度；③确定各水质指标对各水质类别的权重，计算综合水质对各水质类别的关联度；④选择最大关联度对应的水质类别，作为综合水质级别。如果对于任何水质类别，关联度均小于0，表明待评价样本的水质类别已经不属于所划分的各类之内，评价水体严重污染，超过V类水质标准。

优点：物元分析法在水环境质量评价中的应用，解决了水体各单项水质指标评价结果往往不相容的瓶颈。考虑了级别区间内外的变化特征，对物理意义的表达更加精确。且在物元模型中，关联函数可取负值，分辨能力强，能全面分析判别待评对象属于某一级别的程度，从而提供的信息更为丰富，判断更加准确。缺点：应用该方法时，经典域、节域的量值范围的确定、关联函数的选取等问题都不够成熟，有待进一步研究探讨。

人工神经网络评价法

人工神经网络早期的研究工作应追溯至20世纪40年代。近10年来，人工神经网络在模式识别和系统辨识领域得到广泛应用。人工神经网络（ANN）是一个由简单信息处理元（类似于神经，称之为单元）组成的高度相关综合体，神经从单方面或多方面的来源采集输入资料，并根据预先确定的非线性函数得到输出。一个神经网络是由许多个相互联系的神经按已知形势构筑的。神经网络的主要特征是：信息的分布表达方式、局部运算和非线性处理。人工神经网络涉及区域包括协调优化、数据压缩和函数优化。神经网络解题技术有一下几方面的优点：⑴神经网络的应用不需要基本过程的前期认识；⑵在调查研究中，可不用识别过程的各部分之间的复杂关系；⑶人工神经网络方法既不需要任何约束，也不需要假设解的结构。