樓文高，熊 聘

（1.上海商學(xué)院，上海200235；2.上海理工大學(xué) 光電信息與計算機(jī)工程學(xué)院，上海200093）

長江水系水質(zhì)綜合評價、預(yù)測的投影尋蹤建模與實證研究

樓文高1,2，熊 聘2

（1.上海商學(xué)院，上海200235；2.上海理工大學(xué) 光電信息與計算機(jī)工程學(xué)院，上海200093）

根據(jù)我國地表水環(huán)境質(zhì)量標(biāo)準(zhǔn)和長江水系2006—2010年103個國控斷面8個水質(zhì)監(jiān)測指標(biāo)的數(shù)據(jù)，建立了長江水系水質(zhì)綜合評價的投影尋蹤分類（PPC）模型。研究表明：在國控斷面上，長江水系整體水質(zhì)較好，Ⅰ～Ⅲ類水質(zhì)占92.82%，其中Ⅰ類和Ⅱ類水質(zhì)分別占62.52%和20.58%；上游水質(zhì)好于下游水質(zhì)；在化工工業(yè)較發(fā)達(dá)地區(qū)，Hg、石油類、揮發(fā)酚和氨氮的污染較嚴(yán)重，出現(xiàn)了劣Ⅴ類水質(zhì)；與2009年相比，2010年水質(zhì)出現(xiàn)了惡化。投影窗寬半徑R值對PPC建模結(jié)果有顯著影響，R取較小值方案（R=0.1Sz）和較大值方案（rmax≤R≤2p）都是不合理的，取中間適度值方案（rmax/5≤R≤rmax/3）才是合理和正確的。

長江水系；水質(zhì)綜合評價；投影尋蹤建模；投影窗寬半徑R值

長江水系為我國提供了近40%的水能資源，在國民經(jīng)濟(jì)發(fā)展中占有舉足輕重的戰(zhàn)略地位。然而，由于環(huán)境的嚴(yán)重污染導(dǎo)致長江水系水質(zhì)污染也日益嚴(yán)重。為了對長江水系水資源進(jìn)行充分利用、管理和正確規(guī)劃提供科學(xué)的決策依據(jù)，必須對水系水質(zhì)進(jìn)行正確評價與預(yù)測。

水質(zhì)綜合評價方法有指數(shù)評價法、集對分析法、物元分析法、模糊數(shù)學(xué)法、灰色評價法、Logistic模型、主成分分析（PCA）、支持向量機(jī)（SVM）、人工神經(jīng)網(wǎng)絡(luò)（ANN）模型及其與ANN的組合評價等很多種方法（李惠明和尚廣萍，1991；李祚泳等，2001；金菊良等，2003；樓文高和王延政，2003；陳潤羊等，2008；劉小楠和崔巍，2009），這些方法各具特色與缺陷，如前五種方法必須首先由專家法和信息熵等主客觀方法確定權(quán)重，結(jié)果的合理性隨權(quán)重的合理性而改變，屬于半定量研究方法；PCA方法必須滿足大樣本條件（MacCallum et al，1999），而且，樣本不同，其評價結(jié)果也隨之改變；ANN建模過程十分復(fù)雜，必須判定多種現(xiàn)象和確定多個合理參數(shù)，只有在遵循基本原則的前提下才可能取得可靠的結(jié)果（樓文高和王延政，2003；樓文高和喬龍，2011；StatSoft Inc，2011）；SVM模型須人為判定兩個參數(shù)的合理值，等等。另一方面，F(xiàn)riedman and Tukey（1974）提出的可用于高維、非線性、非正態(tài)分布數(shù)據(jù)建模的投影尋蹤分類（PPC）技術(shù)，自張欣莉等（2000）將其應(yīng)用于水質(zhì)評價以來，獲得了廣泛的應(yīng)用（王順久等，2002；封志明等，2005；付強和趙小勇，2006；樓文高和喬龍，2013）。但是，關(guān)于如何確定合理的窗寬半徑R值以及判定最優(yōu)化算法是否求得了真正的全局最優(yōu)解，應(yīng)用中也出現(xiàn)了不少錯誤和荒謬的結(jié)果。為此，考慮到數(shù)據(jù)的公開性和可獲得性，本文根據(jù)《中國環(huán)境年鑒》中長江水系103個國控監(jiān)測斷面2006—2010年的主要水質(zhì)指標(biāo)監(jiān)測數(shù)據(jù)，選取地表水環(huán)境質(zhì)量標(biāo)準(zhǔn)（GB3832-2002）中DO、CODMn、Hg和NH3-N等8種主要污染物指標(biāo)，采用PPC建模技術(shù)，綜合評價研究長江水系所有國控斷面的水質(zhì)情況。研究結(jié)果表明：長江水系水質(zhì)整體上以Ⅰ類（占62.52%）、Ⅱ類（占20.58%）和Ⅲ類（占9.71%）水質(zhì)為主，但個別斷面也出現(xiàn)了劣Ⅴ類水質(zhì)的情況。并且研究了不同R值對建模結(jié)果的影響以及出現(xiàn)的明顯錯誤，進(jìn)而提出了選取R值的合理范圍。

1 水質(zhì)綜合評價PPC建模原理簡介

1.1 長江水系水質(zhì)監(jiān)測指標(biāo)及其評價標(biāo)準(zhǔn)

根據(jù)《中國環(huán)境年鑒》（2007—2011年）列出的長江水系國控斷面9個主要監(jiān)測指標(biāo)2006—2010年的年均值，因為Ⅰ～Ⅴ級水質(zhì)的pH值均為6～9，故我們選取DO、CODMn和NH3-N等8個主要監(jiān)測指標(biāo)來綜合評價長江水系的水質(zhì)。我國地表水環(huán)境質(zhì)量標(biāo)準(zhǔn)（GB3832-2002）如表1所示，同時，根據(jù)五級水質(zhì)的指標(biāo)值及其變化規(guī)律或者趨勢以及長江水系水質(zhì)指標(biāo)實測值的范圍確定了各指標(biāo)的最大值和最小值（也列于表1中）。

表1 地表水環(huán)境質(zhì)量標(biāo)準(zhǔn)（GB3838-2002）Table 1 Environmental quality standards for surface water

1.2 水質(zhì)綜合評價PPC建模原理簡介

根據(jù)表1的水質(zhì)評價標(biāo)準(zhǔn)，可用由Friedman and Tukey（1974）提出并被張欣莉等（2000）首先采用、后被國內(nèi)其他學(xué)者廣泛采用的一維PPC模型（王順久等，2002；封志明等，2005；付強和趙小勇，2006；樓文高和喬龍，2013）建立長江水系水質(zhì)綜合評價模型。Friedman等提出“應(yīng)使樣本投影點整體上盡可能分散，局部上盡可能密集”（Friedman and Tukey，1974；張欣莉等，2000），其目標(biāo)函數(shù)為使樣本投影值標(biāo)準(zhǔn)差Sz與局部密度值Dz乘積的最大化，即：

由上式可知，投影密度窗口半徑R值顯著影響其最優(yōu)化結(jié)果——最佳投影向量以及樣本投影值，樓文高和喬龍（2013）深入研究了R值的本質(zhì)及其對建模結(jié)果的影響，進(jìn)而提出了選取R值的合理范圍應(yīng)該為rmax/5≤R≤rmax/3，即平均有1/5～1/3的樣本點在投影窗寬內(nèi)。由于（1）式為高維、復(fù)雜的非線性不等式約束最優(yōu)化問題，很難求得真正的全局最優(yōu)解。筆者采用群搜索算法（GSO）對（1）式進(jìn)行最優(yōu)化求解。

2 建立水質(zhì)綜合評價PPC模型及其長江水系的水質(zhì)與變化趨勢

為了消除水質(zhì)指標(biāo)不同量綱對建模結(jié)果的影響，本文對表1的各指標(biāo)值進(jìn)行開放性更好的（即實際樣本的最大值和最小值可以大于或者小于表1所示的最大值和最小值）零均值歸一化（即均值為0，方差為1）處理，而對DO先進(jìn)行正向化處理，即所有指標(biāo)的歸一化值越大，相應(yīng)的投影值也越大，其水質(zhì)就越差。把各樣本歸一化數(shù)據(jù)導(dǎo)入筆者研發(fā)的基于GSO算法的PPC程序，得到了R=rmax/5時的PPC建模結(jié)果，即最佳投影向量a1～8=（0.143，0.252，0.336，0.367，0.488，0.287，0.484，0.338），各樣本的投影值z(1) ～ z(7)=（?2.102，?1.643，?1.436，?0.938，?0.205，1.052，5.272），樣本投影值標(biāo)準(zhǔn)差Sz=2.550，局部密度值Dz=23.102，目標(biāo)函數(shù)值Q(a) = 58.899，投影窗寬半徑R=1.475，樣本之間的最大距離rmax=7.374。由五個標(biāo)準(zhǔn)樣本的意義可知，Ⅰ～劣Ⅴ類水質(zhì)的投影值范圍分別為小于等于?1.643、（?1.643，?1.436]、（?1.436，?0.938]、（?0.938，?0.205]、（?0.205，1.052]和大于1.052。

對《中國環(huán)境年鑒》給出的長江水系103個國控斷面的8個主要監(jiān)測指標(biāo)值，也進(jìn)行相同的零均值歸一化處理，再代入上述PPC模型，就得到了各個國控斷面2006—2010年的水質(zhì)投影值z(i)，根據(jù)上述各級不同水質(zhì)的投影值范圍，就可以很便捷地判定各斷面的綜合水質(zhì)類別。為節(jié)省篇幅，表2僅列出各省市交界的典型國控斷面和蘇州、上海等合計22個斷面的PPC模型投影值及其綜合評價的水質(zhì)類別。

由研究結(jié)果和表2可知，長江水系國控斷面的水質(zhì)呈以下特征：（1）綜合評價水質(zhì)以Ⅰ類和Ⅱ類為主，在515個樣本（103個斷面、五年）中，Ⅰ類水質(zhì)322個，占62.52%，Ⅱ類水質(zhì)106個，占20.58%；（2）2006—2010年分別有37個、24個、17個、10個和15個斷面的綜合水質(zhì)最差，說明整體上長江水系水質(zhì)有所改善，沿長江流域各省市或者城市的水污染治理工程發(fā)揮了重要作用，基本遏止了水質(zhì)惡化的趨勢，如沿河斷面、鰱魚溪斷面的水質(zhì)從Ⅱ類變?yōu)棰耦?，新甸鋪斷面水質(zhì)從Ⅳ類變?yōu)棰箢悾瑓卿量谒|(zhì)從Ⅲ類變成Ⅱ類；但與2009年相比，2010年水質(zhì)整體上有所惡化；（3）上游水質(zhì)要好于下游水質(zhì)，流經(jīng)大城市的水質(zhì)相對較差（如蘇州、上海等）；（4）流經(jīng)安徽、四川、江蘇和湖北等省市后的綜合水質(zhì)明顯變差，這些省市必須采取切實有效措施，進(jìn)一步加大水污染治理力度，徹底扭轉(zhuǎn)這種狀況。

3 結(jié)果與討論

3.1 各水質(zhì)評價指標(biāo)重要性分析

根據(jù)PPC建模的最優(yōu)化結(jié)果，8個評價指標(biāo)都是重要的，但從重要性來看，Hg最重要，其次是揮發(fā)酚，然后是NH3-N、石油類、BOD5、Pb、CODMn等，DO最不重要，權(quán)重最大值與最小值之比達(dá)到了3.4倍，說明它們的差異顯著。因此，從整體上有效改善長江水系綜合水質(zhì)的角度來看，首先應(yīng)顯著減少Hg和揮發(fā)酚的排放，其次是明顯降低石油類、氨氮、BOD5和Pb等的排放，這樣才能起到事半功倍的效果，否則，往往事倍功半，起不到明顯的效果。

表2 長江水系典型國控斷面水質(zhì)投影值、綜合評價結(jié)果及其類別Table 2 The projected values and the type of the water quality in the typical state-controlled sections of Yangtze River

3.2 長江水系整體水質(zhì)情況及其變化趨勢分析

根據(jù)103個國控斷面2006—2010年的水質(zhì)綜合評價結(jié)果可知，長江水系整體水質(zhì)呈如下特征：（1）長江水系綜合水質(zhì)處于良好狀態(tài)，以Ⅰ類和Ⅱ類水質(zhì)為主，其中Ⅰ類、Ⅱ類和Ⅲ類分別占62.52%、20.58%和9.71%，而Ⅳ和Ⅴ類分別僅占4.08%和1.75%，劣Ⅴ類占1.36%。（2）介于省市分界的國控斷面綜合水質(zhì)有所好轉(zhuǎn)，說明各省市都十分重視水污染治理工程，并取得了顯著效果；與此同時，在103個國控斷面上，雖然2007—2009年期間水質(zhì)有所好轉(zhuǎn)，但2010年的水質(zhì)差于2009年（如：衡陽從Ⅱ類水質(zhì)變成Ⅲ類，六盤山從Ⅱ類變成Ⅴ類）。這是否意味著各省市放松了對水環(huán)境污染的治理？值得我們反思和警惕。（3）上游地區(qū)（斷面）水質(zhì)好于下游地區(qū)，大城市（斷面）水質(zhì)比其他區(qū)域水質(zhì)差。（4）長江水系在貴州省、四川省、江西省、安徽省、湖北省和江蘇省的水質(zhì)較差，應(yīng)該是長江水系水環(huán)境污染治理的重點。由于這些區(qū)域釀酒業(yè)、造紙業(yè)、皮革加工業(yè)等化工工業(yè)發(fā)展迅速，工業(yè)污水雖經(jīng)處理，但水體中Hg、石油類、揮發(fā)酚和氨氮等的含量仍然較高，導(dǎo)致水質(zhì)大多低于Ⅲ類，有些斷面甚至出現(xiàn)了Ⅴ類和劣Ⅴ類水質(zhì)，水污染情況十分嚴(yán)重。

3.3 窗寬半徑R值對PPC建模結(jié)果和長江水系水質(zhì)評價結(jié)果的影響

R值是決定PPC模型最優(yōu)化結(jié)果的唯一參數(shù)，但不同的學(xué)者提出了多種不同的選取R值的方案：（1）Friedman and Tukey（1974）提出較小值方案，即R = 0.1Sz或者更小的R = (0.01～0.001)Sz（張欣莉等，2000；封志明等，2005）；（2）王順久等（2002）提出取較大值方案，取rmax≤R≤2p，通常取R= p；（3）樓文高和喬龍（2013）提出取中間適度值方案，通常取rmax/5≤R≤rmax/3。

取較小值方案時，窗寬半徑內(nèi)只包含很少的樣本點，取較大值方案時，窗寬半徑內(nèi)包含了所有的樣本點，取中間適度值方案，窗寬半徑內(nèi)樣本點既不太多，也不太少。那么，三種選取R值的不同方案將對PPC建模結(jié)果產(chǎn)生怎樣的影響呢？到底哪個方案更合理？建模結(jié)果更可靠？

為了分析R值對PPC建模結(jié)果的影響規(guī)律，筆者分別取R≤0.001Sz、0.01Sz、0.05Sz、0.1Sz、0.25Sz、0.5Sz、rmax/5、rmax/4、rmax/3、Sz、rmax/2、rmax和R = p = 8建模，表3所示為取不同R值時的PPC建模結(jié)果。分析上述建模結(jié)果，可以得到如下規(guī)律：（1）R∈[0.001Sz，0.25Sz]時，最佳投影向量發(fā)生了很明顯的改變，且沒有規(guī)律性，而且部分指標(biāo)的性質(zhì)是錯誤的（即表3中權(quán)重小于0的情況，下同），如a1從0.328變?yōu)?0.328、0.057、?0.013、?0.024，而且最優(yōu)化過程往往無法求得真正的全局最優(yōu)解，針對每個R值，筆者通過調(diào)整不同的參數(shù)組合，應(yīng)用群搜索算法或者混沌ABC算法計算30余次，表3所示是計算所得的最好結(jié)果，但還不是真正的全局最優(yōu)解；（2）R≤0.001Sz或R≥rmax時，最優(yōu)化結(jié)果很穩(wěn)定，而且基本相同，在此范圍內(nèi)，R值越小或者越大，各指標(biāo)權(quán)重變化越?。唬?）R∈[0.5Sz，rmax/2]時，最優(yōu)化過程很容易求得真正的全局最優(yōu)解，所有指標(biāo)的性質(zhì)都是正確的，最佳投影向量和各樣本投影值隨R值變化而改變，但相差不是很大，體現(xiàn)了PPC建?？梢越沂境龈呔S數(shù)據(jù)不同結(jié)構(gòu)特點的精髓。

此外，還有不少文獻(xiàn)取R為常數(shù)，為此筆者取R=10?5、10?4、10?3以及與表3基本對應(yīng)的R值（如0.0027、0.068、0.138、0.360、1.260、1.470、1.900、2.500、3.800、7.800）、10和100分別建模，表4所示是其PPC建模結(jié)果。由表4可知，建模結(jié)果的規(guī)律與R取非常數(shù)時基本一致，但也表現(xiàn)出不同的特點：（1）R∈[10?5，1.900]（1.900相當(dāng)于rmax/2.63或者1.04Sz）時，部分指標(biāo)的權(quán)重出現(xiàn)了小于0的情況，如a1≤0的情況（用波浪線表示小于0，下劃線表示幾乎為0，下同），這些指標(biāo)的性質(zhì)肯定是錯誤的。此外，出現(xiàn)了多個指標(biāo)的權(quán)重同時為0的情況（如R=0.0027時），這種情況肯定也是錯誤的；（2）R∈[10?4，0.068]時，出現(xiàn)了多個樣本值相等的情況，事實上，這些樣本值是區(qū)分不同類別水質(zhì)的分界值，如果都相等，無法區(qū)分不同水質(zhì)等級，所以也肯定是不合理的；（3）雖然R大于3.800（相當(dāng)于rmax/2）時，最優(yōu)化過程能求得真正的全局最優(yōu)解，但R=3.800時a1的權(quán)重僅為0.036，明顯小于其實際值，也是不合理的。R=7.800（此時R已大于rmax）的權(quán)重與非常數(shù)時R = rmax/3的權(quán)重基本相當(dāng)；（4）當(dāng)R≤10?5或R≥50時，各個指標(biāo)的權(quán)重才基本穩(wěn)定不變。

因此，R取常數(shù)時第（2）～（4）個規(guī)律與取非常數(shù)時的規(guī)律不同。而且，即使R值基本相同，取常數(shù)與非常數(shù)的建模結(jié)果（權(quán)重等）卻相差很大。為此，筆者認(rèn)為R為常數(shù)也是不合理的。

3.4 不同群智能最優(yōu)化算法的性能比較

筆者用多種改進(jìn)PSO（IPSO）、多種遺傳算法（GA）、基于實數(shù)編碼的加速遺傳算法（RAGA）（該最優(yōu)化算法已被很多學(xué)者用于PPC建模）、多智能體遺傳算法（MGA）、人群搜索算法（SOA）、遺傳-PSO組合算法（GA-PSO）、雞群算法（CSO）、果蠅算法（FOA）、人工魚群算法（AFSA）、螢火蟲算法（FFA）、布谷鳥搜索算法（C-SO）、蟻群算法（ACO）、蟻獅算法（ALO）、差分算法（DA）、和聲搜索算法（HS）、灰狼搜索算法（GWO）、資源競爭算法（COR）、蜘蛛算法（SSO）、花授粉算法（FPA）、細(xì)菌算法（BFO）、重力搜索算法（GSA）、群搜索算法（GSO）和人工蜂群算法（ABC）等對PPC模型進(jìn)行最優(yōu)化求解。針對每種算法，通過調(diào)整不同的參數(shù)組合，平均計算30次以上，研究發(fā)現(xiàn)：（1）在R取中間適度值和較大值方案時，絕大多數(shù)群智能算法都基本能求得真正的全局最優(yōu)解，但收斂速度和收斂性能有較大差異，其中ABC、GSO、GSA、GWO、ALO、SOA、IPSO和CSO等的收斂速度較快，也基本每次都能求得真正的全局最優(yōu)解，而其他方法則往往收斂較慢，也不能保證每次都求得真正的全局最優(yōu)解；（2）R取較小值方案時（如R∈[0.001Sz，0.25Sz]或者R∈[10?4，0.360]），上述群智能最優(yōu)化算法往往都不能求得真正的全局最優(yōu)解，但是，在接近全局最優(yōu)解鄰域范圍內(nèi)，GSO、GSA、ABC和MGA的收斂性能較好，收斂速度也較快，應(yīng)優(yōu)先推薦使用，而其他方法，無論是收斂性能還是收斂速度，都不太理想；（3）被很多學(xué)者用于PPC建模的RAGA和ACO等算法，其收斂性能和收斂速度都明顯差于ABC、IPSO、GSO、GSA和SOA等算法。

為了從理論上進(jìn)一步研究上述實證研究結(jié)果所表現(xiàn)出來的規(guī)律性，筆者分析討論如下：

從上述實證結(jié)果和理論分析可知，R取很小的值和較大值方案時，PPC建模結(jié)果必定是相同的，而且都只使Sz最大化，即僅僅達(dá)到了“使樣本投影點整體上盡可能分散”的目標(biāo)，而沒有同時實現(xiàn)“使樣本點局部盡可能密集”的目標(biāo)，沒有完全實現(xiàn)Friedman and Tukey（1974）提出的PPC建模的目標(biāo)，是不合理的。而且，R取較小值方案時，R值不同，PPC建模結(jié)果也不同，有時會出現(xiàn)很大的變化，也沒有規(guī)律性可循。另一方面，R取中間適度值方案時，目標(biāo)函數(shù)完整體現(xiàn)了Friedman等提出的PPC建?；舅枷搿皹颖就队包c整體上盡可能分散，局部盡可能密集”的要求，所以是合理和正確的。

表3 窗寬半徑 取不同值（三種方案）時的PPC建模結(jié)果對比Table 3 Comparison of PPC model in different cutoff radius R (three methods)

表4 窗寬半徑R取不同值（常數(shù)）時的PPC建模結(jié)果對比Table 4 Comparison of PPC model in different cutoff radius R (constant)

3.5 R在中間適度值（rmax/5≤R≤rmax/3）范圍內(nèi)取不同值對水質(zhì)綜合評價結(jié)果的影響

筆者也建立了R=rmax/3時的PPC模型，其結(jié)果如表3所示。與R=rmax/5時的建模結(jié)果相比，各個指標(biāo)的重要性更均衡化，即小的權(quán)重都得到了一定程度的提高（如a1從0.143到0.234，a2從0.252到0.293），大的權(quán)重都有不同程度的下降（如a5從0.488到0.438，a8從0.338到0.326），即Hg、揮發(fā)酚和石油類指標(biāo)對水質(zhì)的影響程度有所降低，而其他指標(biāo)的影響程度則都有所提高，致使DO較低以及CODMn和Pb較高斷面的水質(zhì)評價結(jié)果將變差，而Hg和揮發(fā)酚較高斷面的水質(zhì)評價結(jié)果將變好。就22個國控斷面110個樣本而言，有4個樣本的水質(zhì)類別出現(xiàn)了改變，其中分別有1個樣本從Ⅳ類變?yōu)棰箢惡蛷蘑箢愖優(yōu)棰蝾悾?個樣本從Ⅱ類變?yōu)棰耦悺?/p>

因此，無論R=rmax/5還是R=rmax/3，絕大多數(shù)樣本（占96%）的水質(zhì)類別都保持不變。同時，由于顯著提高了DO的影響程度，改變了少部分水體的水質(zhì)類別，但從PPC模型輸出值是實數(shù)的結(jié)果來看，改變類別的水質(zhì)都處于相鄰類別水質(zhì)的分界點附近，對水質(zhì)實際評價結(jié)果的影響并不大。

4 結(jié)束語

（1）根據(jù)典型國控斷面的水質(zhì)監(jiān)測指標(biāo)數(shù)據(jù)和我國地表水環(huán)境質(zhì)量標(biāo)準(zhǔn)，建立了長江水系水質(zhì)綜合評價的投影尋蹤分類（PPC）模型，得到了2006—2010年103個國控斷面的水質(zhì)綜合評價結(jié)果。長江水系在國控斷面上整體水質(zhì)較好，Ⅰ～Ⅲ類水質(zhì)占92.82%，其中Ⅰ類水質(zhì)占62.52%，Ⅱ類水質(zhì)占20.58%。流經(jīng)四川、安徽、江蘇等省后，水質(zhì)明顯下降；整體上，上游水質(zhì)好于下游水質(zhì)。在化工工業(yè)較發(fā)達(dá)的地區(qū)，Hg、石油類、揮發(fā)酚和氨氮的污染較嚴(yán)重，出現(xiàn)了劣Ⅴ類水質(zhì)，水污染現(xiàn)象較嚴(yán)重。在2007—2009年期間，水質(zhì)整體上有明顯好轉(zhuǎn)，但2010年的水質(zhì)比2009年的水質(zhì)差，如果任其發(fā)展，前期的治理成效將可能前功盡棄。因此，當(dāng)?shù)卣陀嘘P(guān)環(huán)保部門，水污染治理工作任重道遠(yuǎn)，必須采取更嚴(yán)厲的措施，徹底扭轉(zhuǎn)這種惡化趨勢，始終保持水污染治理的高壓態(tài)勢，絕不能有絲毫的懈怠和放松。

（2）實證和理論研究都表明，投影窗寬半徑R值對PPC建模結(jié)果具有重要影響或者說是決定其結(jié)果的唯一參數(shù)，目前選取R值的較小值方案和較大值方案都是不合理的和錯誤的。在R取很小值（如小于0.001Sz）和很大值（如大于2rmax）時，目標(biāo)函數(shù)都只能體現(xiàn)Friedman等提出的“使樣本投影點整體上盡可能分散”的要求，未能實現(xiàn)“樣本點局部上盡可能密集”的目標(biāo)。而且，當(dāng)R取較小值時，各指標(biāo)權(quán)重的細(xì)微改變就可能引起目標(biāo)函數(shù)值的變化，目標(biāo)函數(shù)存在很多局部極小點，致使最優(yōu)化過程通常都無法求得真正的全局最優(yōu)解，即使求得了真正的全局最優(yōu)解，建模結(jié)果也沒有規(guī)律性。R取中間適度值時，目標(biāo)函數(shù)完整體現(xiàn)了Friedman等提出的PPC建模的基本思想，而且，在此范圍內(nèi)取不同的R值，對建模結(jié)果的影響并不大，具有很好的規(guī)律性，最優(yōu)化過程也都能求得真正的全局最優(yōu)解。R取常數(shù)時也不能得到合理的結(jié)果。

（3）采用多種群智能算法對PPC模型進(jìn)行最優(yōu)化求解，結(jié)果表明，GSO、GSA、ABC和MGA的收斂性能較好，收斂速度也較快，應(yīng)優(yōu)先推薦使用。

陳潤羊, 花 明, 涂安國. 2008. 長江水系水質(zhì)評價的幾種方法[J]. 東華理工大學(xué)學(xué)報(自然科學(xué)版), 31(2): 146–151. [Chen R Y, Hua M, Tu A G. 2008. Several methods of water environment quality assessment in the Yangtze River [J]. Journal of East China Institute of Technology, 31(2): 146–151.]

董玉才, 范格華, 張 玲, 等. 2011. 基于投影尋蹤法的坦克動力艙熱工況綜合評價[J]. 數(shù)學(xué)的實踐與認(rèn)識, 41(17): 157–161. [Dong Y C, Fan G H, Zhang L, et al. 2011. Integrated evaluation on thermal working condition in tank power cabin based on projection pursuit method [J]. Mathematics in Practice and Theory, 41(17): 157–161.]

封志明, 鄭海霞, 劉寶勤. 2005. 基于遺傳投影尋蹤模型的農(nóng)業(yè)水資源利用效率綜合評價[J]. 農(nóng)業(yè)工程學(xué)報, 21(3): 66–70. [Feng Z M, Zheng H X, Liu B Q. 2005. Comprehensive evaluation of agricultural water use eff ciency based on genetic projection pursuit model [J]. Transactions of the CSAE, 21(3): 66–70.]

付 強, 趙小勇. 2006. 投影尋蹤模型原理及其應(yīng)用[M]. 北京:科學(xué)出版社. [ Fu Q, Zhao X Y. 2006. The Principles and Applications of Projection Pursuit Model [M]. Beijing: Science Press.]

金菊良, 劉 麗, 丁 晶, 等. 2003. 地下水水質(zhì)評價的邏輯斯諦曲線模型[J]. 環(huán)境污染與防治, 25(1): 46–48. [Jin J L, Liu L, Ding J, et al. 2003. Logistic curve model of groundwater quality evaluation [J]. Environmental Pollution and Control, 25(1): 46–48.]

李惠明, 尚廣萍. 1991. 水質(zhì)現(xiàn)狀評價數(shù)學(xué)模型綜合研究[J].中國環(huán)境科學(xué), 11(5): 356–360. [Li H M, Shang G P. 1991. A comprehensive study on the mathematical models of water quality evaluation [J]. China Environmental Science, 11(5): 356–360.]

李祚泳, 郭麗婷, 歐陽潔. 2001. 水環(huán)境質(zhì)量評價的普適指數(shù)公式[J]. 環(huán)境科學(xué)研究, 14(3): 56–58. [Li Z Y, Guo L T, Ou Y J. 2001. An universal formula suited to water quality evaluation [J]. Research of Environmental Sciences, 14(3): 56–58.]

劉小楠, 崔 巍. 2009. 主成分分析法在汾河水質(zhì)評價中的應(yīng)用[J]. 中國給水排水, 25(18): 105–108. [Liu X N, Cui W. 2009. Application of principal component analysis method to assessment of water quality in Fen River [J]. China Water and Wastewater, 25(18): 105–108.]

樓文高, 喬 龍. 2011. 基于神經(jīng)網(wǎng)絡(luò)的金融風(fēng)險預(yù)警模型及其實證研究[J]. 金融論壇, (11): 52–61. [Lou W G, Qiao L. 2011. Early warning model of f nancial risks and empirical study based on neural network [J]. Finance Forum, (11): 52–61.]

樓文高, 喬 龍. 2013-08-30. 投影尋蹤分類建模理論的新探索與實證研究[J/OL]. 數(shù)理統(tǒng)計與管理, 2015(1), http://www.cnki.net/kcms/detail/11.2242. O1.20130830.1736.001.html. [Lou W G, Qiao L. 2013-08-30. New theory exploration of projection pursuit clustering model and its positive research [J/OL]. Journal of Applied Statistics and Management, 2015(1), http://www.cnki.net/ kcms/detail/11.2242.O1.20130830.1736.001.html.]

樓文高, 王延政. 2003. 基于BP網(wǎng)絡(luò)的水質(zhì)綜合評價模型及其應(yīng)用[J]. 環(huán)境污染治理技術(shù)與設(shè)備, 7(4): 23–26. [Lou W G, Wang Y Z. 2003. Water quality comprehensive assessment model using BP networks and its applications [J]. Techniques and Equipment for Environmental Pollution Control, 7(4): 23–26.]

王順久, 張欣莉, 丁 晶, 等. 2002. 投影尋蹤聚類模型及其應(yīng)用[J]. 長江科學(xué)院院報, 19(6): 53–55, 61. [Wang S J, Zhang X L, Ding J, et al. 2002. Projection pursuit cluster model and its application [J]. Journal of Yangtze River Scientif c Research Institute, 19(6): 53–55, 61.]

張欣莉, 丁 晶, 李祚泳, 等. 2000. 投影尋蹤新算法在水質(zhì)評價模型中的應(yīng)用[J]. 中國環(huán)境科學(xué), 20(2): 187–189. [Zhang X L, Ding J, Li Z Y, et al. 2000. Application of new projection pursuit algorithm in assessing water quality [J]. China Environmental Science, 20(2): 187–189.]

Friedman J H, Tukey J W. 1974. A projection pursuit algorithm for exploratory data analysis [J]. IEEE Transactions on Computers, 23(9): 881–890.

MacCallum R, Widaman K, Zhang S, et al. 1999. Sample size in factor analysis [J]. Psychological Method, 4: 84–99

StatSoft Inc. 2011. Electronic Statistics Textbook [EB]. Tulsa (http://www.statsoft.com/textbook ) .

Water quality comprehensive evaluation and prediction of the Yangtze River applying projection pursuit clustering technique and its positive analysis

LOU Wen-gao1,2, XIONG Pin2
(1. Shanghai Business School, Shanghai 200235, China; 2. School of Optical-Electrical and Computer Engineering, University of Shanghai for Science and Technology, Shanghai 200093, China)

According to the environmental quality standards for surface water and the measured data of eight indexes describing surface-water quality of the 103 government-control sections of the Yangtze River during the years from 2006 to 2010, the water quality evaluation model applying projection pursuit clustering (PPC) technique was established in this paper. The cases study results show that the water quality on the control sections is quite good, the type Ⅰ～Ⅲ taking up 92.82%, of which typeⅠ and type Ⅱ taking up 62.52% and 20.58%, respectively. The water quality in upper region is better than that in the downstream. The water pollution caused by Hg, petroleum, volatile phenol and NH3-N is serious in the chemical-industry developed areas, and the water quality is type Ⅴ. Comparison with that in year 2009, the water pollution in year 2010 is more serious. The cutoff radius R value (CRRV) obviously determines the results of PPC model. The theoretical analyses and positive researches show that the strategy of taking the smaller CRRV (R=0.1Sz) or the larger CRRV (rmax≤R≤2p) is absolutely unreasonable and unfeasible, and the strategy of taking the moderate-suitable CRRV (rmax/5≤R≤rmax/3), however, is reasonable and effective.

the Yangtze River; water quality comprehensive evaluation; projection pursuit clustering (PPC) modelling; cutoff radius R value

X824；TP391

：A

：1674-9901(2014)05-0344-09

10.7515/JEE201405006

2014-07-13

上海高校知識服務(wù)平臺“上海商貿(mào)服務(wù)業(yè)知識服務(wù)中心”建設(shè)項目；上海市重點學(xué)科“商務(wù)經(jīng)濟(jì)學(xué)”項目

熊 聘，E-mail: pinxiongcn@foxmail.com