流域代表性污染物智能识别模型.pdfVIP

2OlO年 第2期 黑 龙 江 水 利 科 技 No．2．2010 (第38卷) HeilongjiangScienceandTechnologyofWaterConservancy (TodalNo．38) 文章编号：1007—7596(2010)02一OOO4—03 流域代表性污染物智能识别模型 王宗志 ，赵丽霞 (1．南京水利科学研究院水文水资源与水利工程科学国家重点实验室，南京 210029；2．黑龙江省水文局，哈尔滨 150001) 摘 要 ：识别流域代表性污染物是核算水环境容量进而科学管理和保护水资源的前提，通常以经验确定的方法，经常会导致判断失 误。文章将对应因子分析与模糊 C均值聚类分析方法耦合起来，建立了流域代表性污染智能识别模型，并针对模糊 c均值 聚类方法对初值敏感等优化问题具体特点，选择加速遗传算法进行了求解，实现了流域代表性污染物的智能快速识别；将 该模型在某流域进行了应用，结果表明了模型的有效性。 关键词 ：水环境保护；流域代表性污染物；智能模式识别；对应分析；模糊c～均值聚类 中图分类号：X50 文献标识码 ：A 1 引 言 传算法 (Series—Shunt—WoundStructurebasedAccelerating GeneticAlgorithm，SS—GAGA) 优化求解该复杂非线性模 流域代表性污染物，是指能反映整个流域污染现状特性 型，同时获取最佳聚类数、聚类中心以及各点隶属各中心的 的水质指标或是污染水域的主要污染成份，它的变化能够表 隶属度，实现聚类数 目未知下的最佳快速排序。综上所述， 征流域污染的总体变化情势。在水环境容量计算等水环境 建立了基于模糊 C一均值聚类和对应分析方法的流域代表性 保护规划与管理工作中，常需要对流域代表性污染物进行识 污染物智能识别模型 (IntelligentRecognitionPollutantsMode1． 别 ，并以此作为水体污染物控制的依据指标llJ。 目前 ，流 ing Based OilCorrespondence FactorAnalysisbased on Fuzzy 域代表性污染物常通过经验方法进行定性确定，容易造成判 C—meansClustering，IRPM—CFAFCM)，旨在为流域代表性 断失误。因此，建立流域代表性污染物的定量化识别模型对 污染的甄别提供技术支撑，推动流域水环境保护工作进程。 水环境保护具有重要意义。对应分析 ，又称对应因子分析 2 IRPM—CFAFCM的建立 (Co~espondenceFactorAnalysis，CFA)，是由法国学者 Jean— PaulBenzeri在20世纪70年代提出的一种几何分析方法 。 IRPM—CFAFCM 的建立包括以下7个步骤 ： CFA是主成分分析方法 的拓广，具有 良好的解析原理 ： 2．1 原始数据预处理 j 设原始数据矩阵为X：{Xli=1～n，：1～m}，其 中n 在同一标度的因子平