王婧炯　仇健

摘要：為保障水體治理效果的達標，多種治理技術(shù)不斷涌現(xiàn)。新型光催化技術(shù)對水體的治理具有明顯的作用。本文旨在運用SPSS 軟件通過成對樣本t 檢驗和線性回歸分析功能對深圳市辛養(yǎng)魚塘水體案例數(shù)據(jù)進行分析，結(jié)果顯示，在治理后新型光催化技術(shù)對水質(zhì)產(chǎn)生了顯著的作用。另外，研究還分析了各個指標之間的相關(guān)性。本研究為評估新型光催化技術(shù)的應(yīng)用效果提供了一種科學(xué)手段。

關(guān)鍵詞：新型光催化水體治理SPSS 軟件水環(huán)境

中圖分類號：X51 文獻標識碼：A 文章編號：1674-098X（2021）11（b）-0022-03

水資源是人類最寶貴的自然財富之一，水體作為城市水資源、生態(tài)和景觀的核心組成部分，在城市社會經(jīng)濟建設(shè)中具有舉足輕重的作用[1]。為了發(fā)展社會經(jīng)濟，人類不斷地利用水資源，但同時也帶來了嚴重的水環(huán)境問題[2]。為解決水污染問題，各類技術(shù)應(yīng)運而生。新型光催化技術(shù)具有利用太陽能驅(qū)動、迅速改善水質(zhì)、施工維護簡便、環(huán)境友好等特點，在多個水體得到應(yīng)用，并取得良好效果[3-4]。由于新型光催化技術(shù)主要依靠太陽光，是一種無需耗電耗能、無需二次污染、綠色環(huán)保的生態(tài)治理水環(huán)境的新技術(shù)，有別于傳統(tǒng)的消毒、過濾，甚至是化學(xué)方法的凈化水質(zhì)技術(shù)，對治理黑臭河道具有極大的作用[5]。本文基于深圳市辛養(yǎng)魚塘監(jiān)測數(shù)據(jù)，使用SPSS統(tǒng)計學(xué)分析軟件對新型光催化技術(shù)的治理效果進行分析，判斷水質(zhì)參數(shù)的數(shù)據(jù)走勢，能從改造前后的數(shù)據(jù)變化中為新型光催化技術(shù)的使用提供理論依據(jù)。

1 理論框架

在統(tǒng)計學(xué)中，線性回歸是對一個或多個解釋變量、被解釋變量之間關(guān)系進行建模分析的方法，此方法的主要目的是判斷諸多變量之間是否存在相關(guān)性，并通過構(gòu)建模型來預(yù)測感興趣的變量。在回歸分析期間，可按照相互之間的關(guān)系將其分為線性或非線性兩種[6]。

通過引入相關(guān)性檢驗結(jié)果，能夠確定定量分析目標[7]。為了能夠提高數(shù)據(jù)處理結(jié)果的精準度，整個分析結(jié)果必須通過SPSS統(tǒng)計學(xué)分析軟件完成數(shù)據(jù)分析，因此在整個定量分析過程中可以引入多個自變量因素，進一步提高數(shù)據(jù)處理的精準度[8]。同時，運用相關(guān)系數(shù)的方法，分析各個指標之間的相關(guān)性。

2 材料與方法

2.1 指標選擇本研究基于2019—2020年廣東省深圳市寶安區(qū)沙井街道辛養(yǎng)社區(qū)辛養(yǎng)魚塘治理前后過程中定期取樣的水質(zhì)數(shù)據(jù)，分析辛養(yǎng)魚塘運用新型光催化技術(shù)治理前后的水質(zhì)差異，選取5個關(guān)鍵水質(zhì)指標（Y～Y）作為因變量對新型光催化治水技術(shù)進行綜合評估。

再加上4個自變量（X～X），這9個指標更具典型性，能綜合、全面地反映水質(zhì)，保證分析指標和結(jié)果的客觀性和準確性。浮床和水下森林示意圖如如1、圖2所示。其中，X～X與Y～Y具體內(nèi)涵如下。

X：水域面積，m。

X：催化網(wǎng)面積，m。

X：生態(tài)浮島植物蓋度，%。

X：水下森林覆蓋面積，m。

Y：DO治理前后差值，mg/L。

Y：NH3-N治理前后差值，mg/L。

Y：COD治理前后差值，mg/L。

Y：TP治理前后差值，mg/L。

Y：TN治理前后差值，mg/L。

2.2 數(shù)據(jù)來源

本研究選取了2019—2020年深圳寶安區(qū)的一個池塘，池塘外形為一個長約70 m，寬約60 m的矩形，總面積約4200 ㎡，據(jù)現(xiàn)場勘察水深約1.5 m，底泥厚度約30 cm，呈黝黑色。將辛養(yǎng)魚塘治理前后檢測數(shù)據(jù)中的DO（Dissolved oxygen，溶解氧）、NH3-N（Ammonia，氨

氮）、COD（Chemical Oxygen Demand，化學(xué)需氧量）、TP（Total Phosphorus，總磷）、TN（Total Nitrogen，總氮）作為數(shù)據(jù)分析的對象。

3 結(jié)果分析與討論

3.1 成對樣本t 檢驗

對于5項指標數(shù)據(jù)，假設(shè)治理前的數(shù)據(jù)為μ（i =DO、NH-N、COD、TP、TN），治理后的數(shù)據(jù)均值為μ（i = DO、NH-N、COD、TP、TN），且服從正態(tài)分布。原假設(shè)為該技術(shù)對河道的水質(zhì)改變不大，即μ- μ = 0。若使用新型光催化技術(shù)使得河道水質(zhì)發(fā)生變化，對于DO指標，有μ -μ< 0;對于其余指標μ - μ> 0，故拒絕原假設(shè)。結(jié)果如表1所示，經(jīng)過計算，P 值屬于左側(cè)檢驗，計算結(jié)果均大于α，故拒絕原假設(shè)。由此可以得出，新型光催化技術(shù)對提高水體中DO，削減水中NH-N、COD、TP、TN等有機物具有顯著性的作用。

3.2 線性回歸分析

將新引入的4個自變量分別與因變量進行線性回歸分析，并將數(shù)據(jù)和表達式總結(jié)如表2所示。通過線性回歸分析后發(fā)現(xiàn)，線性回歸可粗略擬合各個水質(zhì)數(shù)據(jù)的變化趨勢，應(yīng)選擇其他合適的模型進行擬合操作。同時也反映出可能需加入更多項目進行擬合，因此還需要做進一步的研究。

3.3 皮爾遜相關(guān)性分析

將治理前后的DO、NH-N、COD、TP、TN這5項數(shù)據(jù)進行對比并作差，觀察變化情況，并將其作為新的因變量進行皮爾遜相關(guān)性分析。根據(jù)相關(guān)系數(shù)的正負、大小來判斷指標之間的強弱關(guān)系，可以判斷出各個指標之間的相關(guān)程度，如表3、表4所示。由相關(guān)性檢驗得出：4個自變量對因變量DO治理前后差值呈正相關(guān)，與因變量NH-N、COD、TP、TN治理前后差值呈負相關(guān)，NH-N與TN這2個指標具有強相關(guān)性。

4 結(jié)論與建議

本文基于深圳市辛養(yǎng)池塘使用新型光催化技術(shù)前后的水質(zhì)數(shù)據(jù)，利用SPSS軟件成對樣本t 檢驗、線性回歸、皮爾遜相關(guān)性分析3個功能進行研究。t 檢驗結(jié)果顯示，相關(guān)技術(shù)實施后，水體DO、NH-N、COD、TP、TN這5項指標具有顯著改善。線性回歸可粗略擬合各個水質(zhì)數(shù)據(jù)的變化趨勢，但未來應(yīng)選擇其他合適的模型進行擬合操作。同時，結(jié)果也反映出可能需加入更多項目進行擬合來更好地反映實際情況，因此還需要進一步深入研究。水域面積、催化網(wǎng)鋪設(shè)面積、生態(tài)浮島植物株數(shù)、水下森林面積這4個自變量對因變量DO治理前后差值呈正相關(guān)，與因變量NH-N、COD、TP、TN治理前后差值呈負相關(guān)，NH-N與TN這2個指標具有強相關(guān)性。由于實驗周期、所采集的數(shù)據(jù)量數(shù)量有限，下一步計劃采用其他更切合的模型進行分析研究，并突出效果良好的時段數(shù)據(jù)進行針對性分析。本項研究為確認技術(shù)適用邊際條件、最大化發(fā)揮技術(shù)效能及推廣技術(shù)應(yīng)用提供了一種科學(xué)支撐。

參考文獻

[1] 梁金媚.城市河道生態(tài)治理與環(huán)境保護探索[J].資源節(jié)約與環(huán)保，2020（12）：42-43.

[2] 楊章慶.城市景觀生態(tài)河道水污染總量控制系統(tǒng)設(shè)計研究[J].環(huán)境科學(xué)與管理，2021，46（4）：164-169.

[3] 鄒勝男，嚴曉立，許亮，等.石墨烯光催化氧化技術(shù)在黑臭河道綜合整治中的應(yīng)用[J].環(huán)境保護與循環(huán)經(jīng)濟，2018，38（6）：24-26.

[4] 王雪松，李駿，張鴿.光催化技術(shù)治理城市黑臭河道成效研究[J].江蘇水利，2020（8）：6-9，14.

[5] 秦曉振，許雯佳.石墨烯光催化技術(shù)在黑臭水體治理中的應(yīng)用——以江陰濱江路河為例[J].資源節(jié)約與環(huán)保，2019（9）：106-108.

[6] 張如夢.基于多元線性回歸模型的股票收益影響因素的實證分析[J].科技資訊，2021，19（2）：235-237.

[7] 何佳奇.基于ARIMA-SVM混合模型的城市宏觀交通狀態(tài)分析與預(yù)測[D].北京：北京交通大學(xué)，2020.

[8] 王燕，郭元凱.改進的XGBoost模型在股票預(yù)測中的應(yīng)用[J].計算機工程與應(yīng)用，2019，55（20）：202-207.