水质环境监测评价PSO―PEE模型研究.docVIP

PAGE  PAGE 5 水质环境监测评价PSO―PEE模型研究 　　摘要：根据全国主要流域重点断面水质自动监测周报公布的沱江流域水环境现状，分析了该流域水环境现状，并确定了4个水体评价标准，运用PSO-PPE模型对沱江流域水质进行了评价，为沱河流域水环境的宏观规划管理提供依据。 　　关键词：水质评价；PSO-PEE模型；沱河 　　中图分类号：X703 　　文献标识码：A文章编号2016 　　1引言 　　由于经济社会的快速发展，水环境也正成为受人类干扰和破坏最为严重的领域之一，水环境的污染和破坏已经成为当今世界的主要环境问题之一。水质评价是科学管理水域的重要举措，能够为水资源综合利用以及水污染防治提供科学的现实依据。水质评价的方法主要有模糊综合评价法、灰色聚类评价法、主成分分析法、人工神经网络模型等等。但这些评价方法往往忽视了系统指标直接的相互影响，在权重确定时受到人的主观因素的影响，水质评价的准确度难以有效保障。 　　沱河，古称?┧?，发源于河南省商丘刘堤，流经夏邑县和永城市，穿过安徽省宿州市、濉溪县，至泗县樊集入沱湖归淮河。沱河在安徽境内全长112 km，水深1.5～2.0 m。近年来，由于小黄河补给水主要依靠河流沿途乡镇未经处理的部分生活污水，加上??桥区境内尚未整治的小黄河河段水流不畅，原来受污染的底泥淤积及流域周边畜禽养殖废水排放等因素，导致了沱河污染日趋严重。沱河是淮河左岸的一条重要支流，是沿岸群众重要的饮用水源地。因此，做好水环境监测，及时掌握沱河流域的水环境状况，对于做好沱河流域水环境管理提供最可靠的现实依据。目前社会公众要求获取涉及自身安全有关信息的意识愈来愈强，这就需要水环境监测工作提供及时、准确、可靠的基础数据，发布公正、权威的信息[1]。 　　2PSO-PEE模型评述 　　PSO是Particle swarm optimization（粒子群算法）的简称，该算法又叫鸟群算法，是根据鸟群的觅食行为特征所得出的一种新的迭代群智能优化技术。该算法具有参数调整便捷、编码方式易被人们所了解以及收敛速度快等诸多优势。粒子群算法目前已经被广泛应用于水资源的优化管理等领域。投影寻踪评价（Projection pursuit evaluation，简称PPE）是一种新兴的能够有效处理高维以及复杂非线性数据的技术方法[2]。投影寻踪法能够把高维数据按照最佳的投影方向投影到一维子空间，这样就实现了一维空间分析高维数据的结构特点。 　　PSO-PPE模型正是基于这种粒子群优化与投影寻踪相结合，构建具体的水质评价模型，该模型评价水环境质量共分为4个步骤，分别是：首先要对拟评价的水环境质量指标作归一化处理。设指标值样本集为{x*（x.j）??i=1，2…，n；j=1，2…，p}。其中x*（x.j）为第i个样本的第j个评价指标值，n、p分别表示该水质样本中的总个数和评价指标的总数目。其次是构造投影指标函数。PPE模型把P维数据{x（x.j）??j=1，2，…，p}综合为a={a（1），a（2），a（3），…，a（p）}为投影方向的一维投影值z；再次是进行粒子群优化投影指标函数，得出最大化的目标函数。即当各评价指标分级标准样本集给定时，投影指标函数只是随投影方向a的变化而变化，于是需要通过求解投影指标函数最大化来估计最佳投影方向，即最大化目标函数。最后是计算指标的评价值。把第三步求得最佳投影方向a*代入到第二步指标函数，可以得到待评价样本的最佳投影值z*（i），即为待评价样本的评价值。 　　PSO-PPE模型就是结合了粒子群算法与投影寻踪模型，然后运用粒子群算法优化投影指标函数的方法计算出最佳的投影方向，从而实现对沱河流域水质现状的评价。 　　3沱河水质评价 　　3.1数据来源 　　为了增加分析的准确性，笔者把数据的统计时期精准到周，以沱河淮北小王桥位监测点2015年1～12月，环保部数据中心公布的《全国主要流域重点断面水质自动监测周报》数据为依据，选择反映水体污染程度常用的具有代表性的4个参数：pH值、溶解氧（DO）、高猛酸盐指数分析仪（CODMn）、氨氮（NH3-N）等数值变化。其中溶解氧数值越大表示越优；pH值数值越中表示越优，其他两项指标数值则是越小表示越优（表1）。 　　3.3PSO-PPE模型应用 　　为有效解决样本和标准指标数据之间量纲的影响，在评价该河流水质时首先对沱河水质样本和水质评价标准进行处理，即选择日常的评价指标作为评价对象，然后根据PSO-PPE模型建模的4个步骤，采用粒子群算法优化投影寻踪建模中的最佳投影方向，相关参数设置如下：水质指标共4个，粒子群算法的优化维数D=4.初始群体的数目、迭代次数、加速因子等需要通过反复测试