湖库水体富营养化不确定性研究.DOCVIP

PAGE 湖库水体富营养化评价的不确定性研究 叶爱中1、谢 平1、夏 军1,2 (1.水资源与水电工程科学国家重点实验室,武汉大学,武汉 430072,027 2.中国科学院地理科学与资源研究所,北京 100101,010 摘要：水体富营养化评价方法具有很强的不确定性。本文对模糊、灰色关联、神经网络、打分统计等四种不确定性评价方法进行了对比研究，并对30个湖库水体进行了富营养化评价，发现评价结果并不完全一致，四种方法各有其优缺点。 关键词：富营养化评价；模糊评价；灰色关联分析；神经网络；打分统计；不确定性。 Research on the Uncertainty of Water Bodies Eutrophication Assessment In Lakes and Reservoirs Ye Aizhong1 ,Xie Ping1 , Xia Jun1,2 (1.State Key Laboratory of Water Resources and Hydropower Engineering Science, Wuhan University Wuhan 430072;2. Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101) Abstract The methods of water bodies eutrophication assessment have strong uncertainty. This paper contrasts with four uncertainty assessment methods, such as fuzzy assessment, grey relational analysis, neutral network and scoring statistic method. By assessing the eutrophication for 30 water bodies in lakes and reservoirs, the assessing results of the four methods are not consistent completely. The four methods have themselves advantages and disadvantages. Key words: eutrophication assessment, fuzzy assessment, grey relational analysis, neutral network, scoring statistic; Uncertainty. 一 引 言 富营养化的含义是指湖泊、水库、缓慢流动的河流以及某些近海水体中营养物质（一般指氮和磷的化合物）过量从而引起水体植物（如藻类及大型植物）的大量生长。其结果是引起水质恶化、味觉和嗅觉变坏、溶解氧耗竭、透明度降低、渔业减产、死鱼、阻塞航道，对人和动物产生毒性。富营养化是水体由生产力较低的贫营养状态向生产力较高的富营养状态变化的一种自然现象，为了准确评定水体所处的营养状态，进而为水体富营养化的防治提供科学依据，国内一些研究者先后提出了模糊评价、灰色关联评价、神经网络评价、打分统计评价等多种评价方法，在水体富营养化评价的应用中均收到了较好的效果。但由于影响水体富营养化的环境因子众多，难以根据环境因子的监测数据建立确定的富营养化评价模型，而且相邻两个评估等级之间的界限是不明确的,评价因子在综合评价中应占多大权重也是不明确的,导致富营养化评价方法具有很强的不确定性。 本文将针对目前应用较广泛的模糊评价、灰色关联评价、神经网络评价、打分统计评价等四种富营养化评价方法进行对比研究，分析每种方法的稳健性、实现难易度、适用性、完善程度、出错频率、发展前景等，并用这四种方法对国内30个湖库水体进行富营养化评价。 二 方法简介 湖库营养化实测浓度矩阵：，其中n表示湖库水体营养化样本个数,j=1,2,…,n；m表示营养化评价指标项数，i=1,2,…,m；x表示实测水体指标。 营养化标准浓度矩阵为： ，其中c表示湖库营养化程度的状态或分级数,h=1,2,…,c；i=1,2,…,m；y表示评价指标的标准浓度值。(以下i、j、h意义均相同。) 1 模糊评价［1］ 模糊评价的基本思想是模糊模式识别。在找出样本集对湖库各个级别的最优相对隶属度矩阵后，求出样本集的级别特征值向量（也就是水体的级别值）。具体计算步骤如下： ① 求相对隶属度 湖库水体h级营养状态指标i的标准浓度yih的相对隶属度sih