劉嶺山

(盤錦河海土木工程咨詢有限公司，遼寧 盤錦 124010)

?

基于主成分分析法的河流水質評估探析

劉嶺山

(盤錦河海土木工程咨詢有限公司，遼寧 盤錦 124010)

影響河流水質因素眾多且具有一定相關性，文章利用主成分分析法，在不損害初始水質數(shù)據(jù)資料基礎上，對河流城市內河段8個斷面的總磷、氨氮、溶解氧等7項水質進行數(shù)據(jù)分析，在分析結果中選取兩項數(shù)量較少，不具備統(tǒng)計相關性的主成分變量分析造成河流水質污染各主要污染物及其所占比重，同時建立各斷面水質污染狀況排名，從而針對性地提出降污措施。應用實例表明，主成分分析法在河流水質評估中具有較強適用性，研究可為河流水質評估提供決策依據(jù)。

河流水質；污染評估；主成分分析法；數(shù)據(jù)分析；降污措施

目前，中國河流污染問題日益嚴重，大多數(shù)河流都遭受到不同程度的污染破壞，河流水質評價是水環(huán)境質量評價的主要內容之一，評價可為河流的水質污染防治提供合理依據(jù)，因此對河流進行水質評價就顯得尤為必要[1]。水質評價的方法有模糊數(shù)學法、簡單指數(shù)法、普通概率統(tǒng)計法、綜合污染指數(shù)法等，不同的方法有不同的理論支撐，且有不同的側重點和應用價值[2]。河流水質是一個多因子復雜系統(tǒng)，河流污染物眾多且來源廣泛，因此在水質評價過程中要全面考慮各污染因子，這也使得評價結果受多個因子影響，增加了問題的計算量與復雜性，需要一種數(shù)據(jù)因子少但對計算結果沒有明顯影響的方法，主成分分析法理想的解決了這一問題[3]。主成分分析法也稱主分量分析法，在進行多個因子指標評價中，每個因子都在不同程度上反映了所研究問題的某些信息，各因子彼此之間具有相關性，所以得到的統(tǒng)計信息在數(shù)據(jù)的反映上有一定的重疊性，主成分分析法利用將維思想，將多個原始數(shù)據(jù)因子轉化為少數(shù)幾個綜合指標數(shù)據(jù)，避免了單個因子包含的重疊信息[4]。

主成分分析法減少了數(shù)據(jù)量，優(yōu)化了數(shù)據(jù)結構，達到了簡化數(shù)據(jù)、將維和提高分析結果準確性的目的。主成分分析法的計算步驟：①數(shù)據(jù)標準化；②系統(tǒng)相關性分析；③確定主成分數(shù)量；④綜合主成分的評定[5]。利用主成分分析法進行河流水質評價的主要應用方式有2種：①分析各污染物所占綜合指標的比重，選取出造成污染的主要因子與次要因子；②通過對一組斷面數(shù)據(jù)的分析，構建一個水質綜合評價指標系統(tǒng)，對樣本點污染程度進行評級[6]。鑒此，文章基于主成分分析法探索對河道水質實施評估效果，以期為河道水質健康及河流生態(tài)安全提供技術支撐。

1　應用實例與分析

1.1實例概況

文章選取中國北方某河流市內河段作為研究對象，該河流全長105km，總流域面積2400km2，屬于泥沙較多的季節(jié)性河流，共建設15座橡膠壩，總蓄水達到270萬m3。選取市區(qū)河段適當?shù)?個斷面作為樣本監(jiān)測點，并根據(jù)河流檢測情況和水質狀態(tài)選取河流各斷面五日生化需氧量(BOD5)，溶解氧(DO)，總磷(TP)，總氮(TN)，高錳酸鹽指數(shù)(KMnO4)，硝酸鹽氮(NO3-N)，氨氮(NH3-N)7項污染物，見表1。

表1　2014年各監(jiān)測樣本點污染物相關數(shù)據(jù)

由表1可知，溶解氧DO與其他污染物有所不同，河流的水質越好溶解氧DO的值越大，而他污染物正好相反，河流水質越差，其他污染物指數(shù)越大。因此為了數(shù)據(jù)的統(tǒng)一，溶解氧指數(shù)取實測數(shù)值與飽和溶解氧數(shù)值之差。其中溶解氧取10mg/L。研究數(shù)據(jù)利用社會科學統(tǒng)計軟件(SPSS)進行計算，SPSS是一種內容豐富，計算嚴謹?shù)慕y(tǒng)計學分析軟件，在很多學科中都有廣泛的應用。

1.2數(shù)據(jù)的標準化

為了減少檢測數(shù)據(jù)量剛和數(shù)量級不同而帶來的影響，需要對原始數(shù)據(jù)矩陣進行劃歸整理，將同一變量減去其均值在除以標準差得到標準化數(shù)據(jù)。見表2。

表2　標準化數(shù)據(jù)表

1.3系統(tǒng)相關性分析

分析計算各污染因子的相關系數(shù)，見表3。通過觀察上述矩陣，發(fā)現(xiàn)大多數(shù)污染因子之間存在相關性，說明這些因子反映的水質信息有一定的重疊，因此主成分分析法比較適合分析此類問題。

表3　各污染物相關系數(shù)表

2.4確定主成分個數(shù)

計算各主成分對水質污染的貢獻率和累計貢獻率，見表4，并結合特征值的方差累計貢獻率確定主成分個數(shù)。主成分選取原則是以最少的個數(shù)反映出更多的數(shù)據(jù)量，選取的判斷標準有選取特征值>1的成分，累計百分比在80%～90%等，根據(jù)上述標準確定樣本主成分個數(shù)為2。主成分確定以后，計算其主成分荷載矩陣，見表5。

表4　主成分貢獻率及累計貢獻率

表5　主成分荷載分布表

由表4可知，第1成分的方差貢獻率為62.425%，遠多于第2主成分29.548%，說明第1主成分是引起河流水質污染的主要因素，主成分荷載矩陣能夠體現(xiàn)出主成分與各污染物之間的聯(lián)系，通過表5能夠觀察到，在第1主成分中，總氮、總磷、高錳酸鉀相比其他污染物有較高的荷載，在第2主成分中，硝酸鹽氮、溶解氧所占荷載比重較高，因此影響河流水質的污染物可以通過主成分貢獻率和荷載分布情況反映出來。

1.5綜合主成分的確定

通過表5可以確定出成分的表達式，如下：

F1=0.365X1-0.072X2+0.453X3+0.441X4+0.459X5+0.311X6+0.378X7

F2=-0.338X1+0.648X2+0.208X3+0.214X4-0.036X5-0.446X6+0.394X7

計算各樣本監(jiān)測點主成分分析法的綜合評分值，數(shù)值列入表6，評分值綜合化定量描述了河流水質的污染程度，分數(shù)越高，說明水質污染越嚴重。

由表6可以直接反映出該河段市內各個斷面水質污染程度的綜合排名情況：6>8>2>1>5>4>3>7，分析第1主成分F1可知，6#監(jiān)測點和8#監(jiān)測點分數(shù)要高于其他監(jiān)測點，說明該樣本點的主要污染物是總氮、總磷、高錳酸鉀；分析第2主成分F2可知，6#監(jiān)測點的分數(shù)同樣大于其他監(jiān)測點，說明該監(jiān)測點硝酸鹽氮、溶解氧污染比較嚴重。根據(jù)實際監(jiān)測數(shù)據(jù)同樣可以看出6#監(jiān)測各污染物濃度相比于其他監(jiān)測點較多，說明主成分分析法較真實的反映出了實際情況。

表6　樣本水質主成分評分表

3　結　語

通過分析河段不同監(jiān)測點的水質污染數(shù)據(jù)，利用主成分分析法充分全面的反映出了各個數(shù)據(jù)所包含的信息，通過主成分的各貢獻率確定污染物所占比重，建立了一個評分系統(tǒng)，通過主成分得分情況，客觀直接的反映出監(jiān)測點的水質污染程度，全面反映出水質污染的綜合水平。文章所得結論均基于檢測數(shù)據(jù)計算得出，因此結論容易受數(shù)據(jù)統(tǒng)計方面的影響。但不否認主成分分析法在河流水質評價中具有較強的適用性，研究為相關水質評價提供了有益參考。

[1]謝飛,顧繼光,林彰文.基于主成分分析和熵權的水庫生態(tài)系統(tǒng)健康評價——以海南省萬寧水庫為例[J].應用生態(tài)學報,2014,25(06):1773-1779.

[2]齊黎黎.黑龍江省重點水域水功能區(qū)現(xiàn)狀水質評價分析[J].黑龍江水利科技,2015,43(11):1-3.

[3]黃安,楊聯(lián)安,杜挺,王安樂，等.基于主成分分析的土壤養(yǎng)分綜合評價[J].干旱區(qū)研究,2014,31(05):819-825.

[4]楊振宇,楊海保.撫河流域典型湖庫水質評價與成因分析[J].黑龍江水利科技,2015,43(01):201-203.

[5]孫奇奇,宋戈,齊美玲.基于主成分分析的哈爾濱市土地生態(tài)安全評價[J].水土保持研究,2012，(19)：234-238.

[6]柳德堰,楊思鵬,姜淑波.穆棱河河道內人工濕地凈化水質的探討[J].黑龍江水利科技,2014,42(10):89-90.

River Water Quality Assessment Analysis based on Principal Component Analysis Method

LIU Ling-shan

(Hehai Civil Project Consultation Limited Company Panjin, Panjin 124010, China)

There are many factors affecting the river water quality and also correlative between them. This paper used principal component analysis method to analyze seven water quality data including total phosphorus, ammonia nitrogen and dissolved oxygen on eight sections of the river along the city based on not destroying the primary water quality data. Two principal component variables with little quantity and no statistical correlation were selected in the analyzed results to analyze the major pollutants causing water quality pollution and its proportion of the total, meanwhile, to establish the water quality pollution status of each section, so as to put forward measures to reduce pollution. It's shown that the principal component analysis method is suitable for assess the river water quality and may supply decision accordance for river water quality assessment.

water quality of river; pollution estimation; principal component analysis；data analysis; pollution reduction measures

1007-7596(2016)07-0059-03

2016-05-28

劉嶺山(1982-)，男，遼寧盤錦人，工程師，研究方向為水利施工監(jiān)理。

X824

B