专门水文地质学论文—地下水水质评价方法论述

'地下水水质评价方法论述摘要：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,它们各具特色,也有各自的适用范围和局限性本文主要讨论了4种地下水水质评价方法，并试图找出四种方法在水质评价中的优缺点。从总体评价结果可以看出,由于地下水系统的复杂性,还没有一套可以借鉴和直接引用的成熟技术方法。目前,大部分有关地下水水质的研究多是以数学方法,模型方法为主,而基于污染物传输过程的不确定性模型类方法、随机模型等综合技术手段来评价地下水水质还有待于开发。只有采用多种综合方法,开展多种比例尺的评价,才能处理地区地下水水质评价的各种复杂问题。引言地下水作为水资源的一个重要组成部分,由于具有分布广泛且稳定、便于开采、相对地表水不易受到污染等优点,已经成为人们生产生活的重要供水水源。随着经济的快速增长和人民生活水平的提高,地下水的需求量不断增大。同时,由于对地下水资源不合理的开发利用,往往会导致地下水水位下降、水质恶化等环境问题,制约了经济的发展[1],因此为保护和合理开发地下水资源,需要对地下水质量做出科学可靠的评价。地下水水质评价是地下水资源评价的一项十分重要内容,通过对地下水水化学资料和地下水水质的时空分布状况的分析,可以科学地评价区域地下水体的质量状况，可为防治评价区内水质恶化和制定水资源管理决策方案提供科学依据,对评价区内地下水资源的可持续开发利用和综合管理有很好的指导作用。1模糊综合评价法地下水水质评价中的污染程度、水质类别都是一些客观存在的模糊概念和模糊现象[2~3],简单地根据某一数字界限来对地下水水质进行研究和评价是不合适的。而模糊集理论的在地下水水质评价中的应用与传统的评价方法相比更适应于水质污染级别划分的模糊性,能更客观地反映水质的实际状况。模糊综合评判法最主要的优点就是通过构造隶属函数可以很好地反映水质界限的模糊性。模糊综合评判问题实质上就是模糊变换的问题。在地下水水质评价过程中需要考虑很多影响因素,例如,隶属函数和权重矩阵的构造、模糊变换过程中算子的选取等。其中最关键的问题是如何构造合理的隶属函数和权重矩阵。隶属函数在模糊综合评判中占有重要的地位,确定隶属函数的原则和方法很多[4]。由于现行水质标准中大部分指标质量类别都是依据该指标浓度值从小到大或从大到小排序, 即都是单向分布的。所以在地下水水质评价中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。这两种方法简洁明了,可以很好地刻画水质级别的隶属关系。确定评价因子的权重是地下水水质评价的主要内容,也是模糊综合评判的关键。应用于地下水水质评价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。如专家法受主观因素影响太大;指标法通过实测浓度与标准浓度的比较客观反映了污染因子超标程度对水质污染的影响,但没有考虑到不同因子对于水质的影响是不同的这一事实。针对这些赋权方法中存在的不足,提出了一些改进方法。例如,孙才志等就提出了两种改进的污染因子赋权方法。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、相乘取大法、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。常用的取大取小算子在评价中通常被认为在污染因素较多、同时各权重值均较小的情况下,可能会遗失较多的有用信息。但是大量事例研究表明通过调整权重的方法可以很好地解决这个问题[5]。2灰色系统法2.1灰色聚类法近年来发展起来的灰色系统理论也被广泛应用于地下水水质综合评价中[6~8]。灰色聚类是以灰数的白化权函数生成为基础,将一些观测指标或对象聚集成若干个可定义类别的方法[9]。因此,对水质进行分级评价时,按灰色系统理论,用灰色参数描述该系统,把水质等级的分级指标值用灰色参数(灰数)来表示,这样就可用灰色聚类法来进行水质分类。灰色聚类方法信息利用率高,精度较高,注意到了水质评价中的模糊性和不确定性,和模糊数学一样都可以通过隶属函数来反映该属性并加以量化。但该方法是也存在着一些不足。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[10]。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。2.2灰关联模式识别评价法 灰色系统理论是邓聚龙在20世纪70年代末、80年代初提出的,针对灰色系统信息不完全与“少数数据不确定”的特点,用灰关联分析作因子间的量化和序化。灰关联分析的实质是整体比较,是有参考系的、有测度的比较,其技术内涵是:①获取序列间的差异信息,建立差异信息空间;②建立和计算差异信息比较测度(灰关联度);③建立因子间的序关系[11]。依据灰关联分析理论,夏军等[12]将待评价水体样本指标参考序列、水质级别标准指标组成被比较序列,用关联测度来量化水体样本与各标准级别的接近程度,依此确定待评价水体的水质级别,在此基础上,针对灰关联度评价值分辨率不高的情况,定义一个“关联差异度”测度,并结合水质综合指数,构造出新的水质评价灰色模式识别模型。3模型法3.1BP神经网络评价法人工神经网络是对人脑若干基本特征通过数学方法进行的抽象和模拟,是一种模仿人脑结构及其功能的非线性信息系统,具有很强的非线性映射能力和自适应、自组织、自学习能力,能实现对任意复杂函数的映射。1986年,DERumelhart和JLMcClelland提出多层网络学习的误差反传播算法(BackPro2pogation),简称BP)。人们也常把按误差反传递算法训练的多层前馈网络直接称为BP网络。BP网络是人工神经网络中最为重要的网络之一,实践已证明BP网络有很强的映射能力,在模式识别领域有着越来越广泛的应用[13]。结果表明如果能提供足够的信息,该模型可以很好地分析和评价给定含水层系统的地下水水质。但是神经网络模型在地下水水质评价的应用中由于其求解过程的限制也存在一定的缺陷:如评价过程中极易因陷入局部极小点而无法得到全局最优解;网络收敛速度比较慢;评价网络的隐层和隐层节点个数选取尚无理论指导[14];应用中通常采用水质评价分级标准作为训练样本,训练样本少,从而影响网络效果[15],同时采用水质标准的训练结果来评价实测样本会对评价结果带来影响,等等。针对其中的一些缺陷,各国专家学者也相继提出了一些改进模型。如采用试错法[16]、通过取最小的均方根差RMSE(rootmeansquarederror)值来确定隐层单元数;引入自适应变步长(ABPM)来调整学习率的改进算法、应用浮点遗传算法对BP网络的连接权进行优化[17]等。3.2建立基于GIS的评价模型 GIS作为一种对空间数据进行采集、存储、分析的有效手段,不仅可以展示地下水水质评价得出的结果,而且可对结果进一步分析,以达到直观的效果[18]。建立模型的具体步骤如下:3.2.1数据库的建立数据库部分主要包括属性数据库和空间数据库两部分组成。两者之间通过唯一的地物标识进行关联。属性数据库可包括监测站的监测值,污染源数等。空间数据库可包括监测井的空间分布图、行政区域图[19]等。3.2.2开发水质评价模型运用VB语言编程,在MapGIS的巨大工作平台上,结合地下水水质评价方法,开发一个地下水水质评价模型,来实现地下水水质的评价过程,并输出评价结果[18]。3.2.3模型的实现把评价的结果通过属性连接功能输入到MapGIS作为绘制评价结果图的信息,并叠加其他的地理信息,绘制出区域的地下水水质评价结果图[20]。3.3多元线性回归模型地下水系统是一个由输入、输出及地质实体构成的一个复杂系统,整个系统的各因素相互影响、相互联系,构成一个有机整体。确定多个因素变量之间的定量关系,采取多元线性回归分析法,建立数学模型,对地下水水质进行评价[21]。3.4逻辑斯谛曲线(LOG)模型运用该模型计算出来的水质等级是连续的实数值,大大提高了水质等级的分辨率。设y(i)和x(1,i)、x(2,i)⋯x(j,i)、(i=1,2,⋯n)为地下水水质的标准等级和各项水质指标。i、j分别为样本数据的数目和水质指标数目。最低标准水质等级设为1级、最高标准水质等级设为N级。地下水水质评价标准说明,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[22]。这是一种上下段有限、中间段变化迅速而复杂的函数关系,为描述这种关系,这里提出用LOG模型作为地下水水质评价的数学模型。4理论法 4.1集对分析法集对分析理论是赵克勤先生创立的一门新的系统理论方法[23]。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[24]。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定量评价地下水水质[25]。运用集对分析方法进行地下水水质评价时,应将评价区域的各个指标与评价标准构筑成一个集对[25]。通过构造确定联系度的白化函数,获得各个指标对应于某个评价级别的联系度,再计算出相应于该评价级别的平均联系度,最后根据最大原则确定评价对象属于何类[26]。4.2物元可拓法物元可拓法于20世纪80年代由我国蔡文教授创立,它将物元分析与可拓集合相结合,广泛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[27]。地下水环境是一个较为复杂的系统,有时单项指标间的评价结果往往是不相容的,而物元分析理论主要研究事物的可拓性,并用以解决矛盾问题。物元可拓法的原理是以物元为基元建立物元模型,以物元可拓为依据,应用物元变换化矛盾问题为相容问题[28]。5结论与展望(1)加强有关地下水水资源保护法律法规的建设,使之能适应经济建设快速发展的趋势。(2)我国现行水质标准已不能满足人们生产生活的需要。需加快水质标准的更新和修订速度,增加毒理性指标(特别是有机污染物指标)数量,加强水质与健康关系的基础研究。同时不断提高检测技术和监测手段,确保人们生活生产用水的安全可靠。(3)评价方法中涉及评价因子的选取,一般都是采用专家评判法,容易发生漏项或重点不突出等问题。地下水水质评价,首先是选取待评区域的评价因子,采用较多的方法是专家评判法,即根据水体的污染物特点,通过经验判断和筛选出其中对环境影响较大的特征污染物进行评价。虽然专家评判法相对简单,但需要有丰富的知识和对评价水体有较深的了解,才能较好把握水体污染物特点, 使评价因子筛选结果客观准确,否则,容易发生漏项或重点不突出等问题。(4)对数学方法中所构造的函数,存在一定的人为性,从而出现评价结果与实际不符。模糊评价法和灰色聚类法分别需要构造隶属函数和白化函数,还有其他一些方法涉及到权重的计算,这些都很大程度上存在着人为因素,造成评价模式难以通用,并且存在着因计算时丢失信息太多而使评价结果与实际不符的情况。地下水水质评价因子并不满足某种线性关系,采用的多元线性回归模型法把地下水水质评价因子假设存在线性关系,评价的结果同其他方法比较虽然相差不大,但却不能很好地解释地下水这一复杂的非线性关系,具有一定的局限性。(5)评价方法只是定性或半定量地对地下水水质作出评价,而没有体现出水质变化的瞬时性。地下水系统是一个巨大的流动场,水质中的评价指标浓度含量大小随着运移物的移动而发生改变,而上述的评价方法只是在一定的时刻内对地区的地下水资源做出相应的评价,评价的结果也只是具有短时的意义。总之,要想使地区的地下水资源水质评价结果具有实时性,则应建立一个评价监测系统,对该地区的地下水实行动态监测,运用3S技术,使得评价结果更加准确化。(6)缺少将GIS模型,数学方法和理论方法相结合的集成方法研究。由于地下水系统的复杂性,还没有一套可以借鉴和直接引用的成熟技术方法。目前,大部分有关地下水水质的研究多是以数学方法,模型方法为主,而基于污染物传输过程的不确定性模型类方法、随机模型等综合技术手段来评价地下水水质还有待于开发。只有采用多种综合方法,开展多种比例尺的评价,才能处理地区地下水水质评价的各种复杂问题。 参考文献[1]杨性恺,席延钰,郭玲,呼和浩特市南郊地下水环境质量状况的研究[J].内蒙古农牧学院学报,1994,15(1):79~84.[2]梅学彬,王福刚,曹剑锋.模糊综合评判法在水质评价中的应用及探讨[J].世界地质,2000,19(2):172~177.[3]束龙仓,邱汉学.济宁市开采层地下水水质的FUZZY综合评价及FORTRAN程序[J].长春地质学院学报,1988,18(4),431~440.[4]彭祖增,孙韫玉.模糊数学及其应用[M].武汉:武汉大学出版社,2002.[5]唐启义,冯明光.实用统计分析及其DPS数据处理系统[M].北京:科学出版社,2002:606~609.[6]肖红,徐运卿.灰色聚类法在许昌市中浅层地下水质评价中的应用[J].江苏环境科技,1998,11(2):40~43.[7]李定龙,汪茂连,孙本魁,等.灰色聚类法在煤矿区地下水水质评价中的应用[J].煤矿环境保护,1997,11(4):56~59.[8]崔振昂,贾华伟,李方林,等.改进的灰色变权聚类法在水质评价中的应用[J].安全与环境工程,2003,10(2):30~33.[9]张晓宇,张永吉,等基于灰色聚类法的矿区地下水环境质量评价[J]有色矿冶12004,20(4):62～64.[10]崔振昂,贾华伟,李方林,等.改进的灰色变权聚类法在水质评价中的应用[J].安全与环境工程,2003,10(2):30~33.[11]邓聚龙.灰理论基础[M].武汉:华中科技大学出版社,2002.[12]夏军.区域水环境及生态环境质量评价:多级关联评估理论与应用[M].武汉:武汉水利电力大学出版社,1999.[13]苑希民.神经网络和遗传算法在水科学领域的应用[M].北京:中国水利水电出版社,2002.[14]麻红昭,俞蒙槐.人工神经网络基本原理(3)[J].电子计算机与外部设备,1996,20(4):51~52.[15]罗定贵,王学军,郭青.基于MATLAB实现的ANN方法在地下水质评价中的应用[J].北京大学学报:自然科学版,2004,40(2):296~302.[16]黄胜伟,董曼玲.自适应变步长BP神经网络在水质评价中的应用[J].水利学报,2002,33(10):119~123.[17]耿冬青,张洪国,王福刚.改进的BP神经网络在地下水水质评价中的应用[J].世界地质,2000,19(4):366~369.[18]梁媛,蔡荣,等基于GIS的地下水模糊数学评价法[J]江苏环境科技2002,15(3):20～21.[19]丁珂,张诚,等采用GIS无缝集成技术实现区域地下水环境质量评价[J]统科学技术与工程12007,7(4):513~516.[20]李凤全,林年丰;神经网络和地理信息系统耦合方法在地下水水质评价中的应用[J]长春科技大学学报2001,31(1).[21]金菊良,刘丽,等地下水水质评价的逻辑斯谛曲线模型[J]环境污染与防治,2003,25(1):46～48.[22]向速林,地下水水质评价的多元线性回归分析模型研究[J]新疆环境保护,2005,27(4):21～23. [23]冯煜,孙根年;集对分析在西安市地下水污染动态评价的应用[J]地下水2006,28(3):50～53.[24]刘慧,龚士良;集对分析及在地下水环境质量评价中的应用[J]工程勘察2000,(5):16～18.[25]邱林,唐红强,等集对分析法在地下水水质评价中的应用[J]节水灌溉,2007,(1):13～15.[26]陆洲,马涛.地下水环境质量评价的一种新方法——集对分析法[J]环境保护科学,2005,31(131):53～55.[27]汤洁,李艳梅,等物元可拓法在地下水水质评价中的应用[J]水文地质工程地质2005,(5):1～51[28]邹叶锋,陈锁忠.基于物元分析的地下水质量综合评判[J]邢台职业技术学院学报12006,23(3):82～84.'