数学建模长江水质的评价和预测.docVIP

摘要

本文在给定数据的基础上，建立了水质综合评价模型；污染源依靠流量、流速和降解系数的模型；灰色预测模型，对未来十年污水治理做了预测。

针对问题一，做出标准化的参数与相应权值，建立合理的综合评价函数，得出了各地各时间内的综合评价值，得到湖北丹江口水质最好、江西南昌谁知最差的结论。

针对问题二，根据流量、流速和降解系数建立了各地段排污量的模型，得到高锰酸盐与氨氮排污量最大的地段都是湖北宜昌到湖南岳阳段。

针对问题三、四，建立了灰色预测模型，并给出了污水处理方案。

针对问题五，提出了整治长江污染的几点建议：加强宣传力度、加强有关部门监督、整治沿江工业。

模型较全面的运用了所给数据，建模方法比较科学，但还存在具体数值设立上主观性的问题。

关键词：综合评价、灰色预测

1.问题重述

1.1问题背景

长江是我国第一、世界第三大河流，是我国唯一具有全国意义的战略水源地，是我国水资源供需平衡的最后防线。但是近几年的统计数据表明，长江水质污染日益严重，正面临着前所未有的六大危机：森林覆盖率严重下降，泥沙含量增加，生态环境急剧恶化；枯水期不断提前，长江断流日益逼近；水质严重恶化，重金属含量非常高，危及沿江许多城市的饮用水，癌症肆虐沿江城乡，长江两岸有些地方已经成为癌症高发区；物种受到威胁，珍稀水生物日益灭绝；固体废物污染严重，威胁水闸与电厂；湿地面积日益缩减，水的天然自洁功能日益丧失。综观上述：长江危机已经达到令人触目惊心的地步，因此治理保护长江的任务迫在眉睫。

1.2问题提出

进行长江水质评价和预测是致力保护长江的一个重要步骤。所谓的长江水质评价和预测是指通过物理或化学手段获取长江水环境检测数据，通过信息技术将这些检测数据转换为确定长江水环境状况的信息，获取长江水环境现状及其水质分布状况，分析长江现在存在的问题，抓主要矛盾，再预测其以后的发展趋势，制定综合防治措施与方案。

现给出了统计出的关于长江流域的一系列检测数据以及国际水质标准的标限值，要求我们研究如下几个问题并对解决长江水质污染问题提出可行性建议。

问题一：对长江近两年多的水质情况做出定量的综合评价，并分析各地区水质的污染情况。

问题二：研究、分析长江干流近一年多主要污染物高锰酸钾指数和氨氮的污染源主要分布在哪些区域。

问题三：假想如果不采取措施治理长江，根据所给出的过去10年内长江流域水质报告给出的统计数据，对长江未来10年的水质污染发展趋势做出预测分析。

问题四：要求基于问题三的分析，在满足未来10年内年内江干流的IV类和V类水的比例都控制在20%以内，且没有劣V类水，求出每年需要处理污水的吨数。

1.3研究意义

我们现在看到的情况是这样的：长江好像患了早期癌症，如果我们不及时治理，很快就会发展为晚期癌症，等到它真的重蹈黄河、淮河覆辙再公之于众，就晚了。虽说网上公布了许多关于长江现状的数据，但那些数据都是零散的，抽象的，普通人在其中不能得到有用的信息，对长江的现状还是很漠然，就要我们通过有效地数据处理，运用适当的数学方法，将零散的数据转化为具体的文字和图片，让更多的人产生危机意识，让更多的大老板能适当的停下手中的机器，呼吁更多的人参与到保护长江的行动中来，这也是一件造福我们子孙后代的有意义的事。

2.模型假设

主要污染物高锰酸盐指数和氨氮的降解系数取0.2(单位：1/天)。

（4）PH值的处理

酸碱度的大小反映出水质呈酸碱性的程度，通常的水生物都适应于中性水质，即酸碱度的平衡值（PH值略大于7），在这里不妨取正常值的中值7.5.当PH7.5时水质偏碱性，当PH7.5时偏酸性，而偏离值越大水质就越坏，PH值属于中间型指标。为此，对所有的PH值指标数据做均值差处理，即令

，则将其数据标准化。

（二）确定权值

取动态加权函数为偏大型正态分布函数，即

其中在这里取指标的I类水标准区间的中值，即，由确定。代入数据计算得：

（三）建立综合评价函数

前三个参数分配权值为0.75，由第四个参数PH值的特殊性取定权值为0.25.则某城市某一时间的水质综合评价指标为：

经计算可得各城市水质综合评价指标值，即可得到一个阶的综合评价矩阵。

4.1.3

根据计算结果做出月均综合评价走势图表，如下：

月份

306

307

308

309

310

311

312

401

402

403

404

405

406

407

平均评价值

0.32

0.34

0.35

0.32

0.32

0.55

0.64

0.67

1.05

0.53

0.44

0.32

0.32

0.30

月份

408

409

410

411

412

501

502

503

504

505

506

507

508

509

平均评价值

0.30

0.24

0.36

0.33

0.48

0.37

0.31

0