地下水水質評價與預測方法綜述

李揚，竇炳臣，陳振，王學民，原明考

(山東省物化探勘查院，山東 濟南　250013)

?

地下水水質評價與預測方法綜述

李揚，竇炳臣，陳振，王學民，原明考

(山東省物化探勘查院，山東 濟南250013)

近年來，地下水水質安全引起了社會廣泛的關注，國內外學者開展了大量水質評價與預測研究，本文綜合了當前幾種廣泛應用的水質評價與預測方法，對比了各自的適用性與局限性，展望了今后水質評價與預測發展的趨勢，以期為地下水管理、開發利用提供參考依據。

水質評價；水質預測；適用性；局限性；發展趨勢

引文格式：李揚，竇炳臣，陳振，等.地下水水質評價與預測方法綜述[J].山東國土資源，2015,31(8)：33-36.LI Yang, DOU Bingchen, CHEN Zhen, etc. Study on Evaluation and Predication Methods of Groundwater Quality[J].Shandong Land and Resources, 2015,31(8):33-36.

水是生命的源泉，是人類賴以生存和發展的不可缺少的最重要的物質資源之一[1]。水質是水體質量的簡稱，它標志著水體的物理、化學和生物的特性及其組成的狀況，而隨著現代工業的快速發展，危險廢物堆、地下排污管道的泄漏、農業生產中的化肥農藥等化學用品、各種礦場和工業廢水都能對地下水環境造成污染，使原本極為短缺的水資源更為“雪上加霜”。當前我國的城市化進程加快，工業經濟在整個經濟結構中依然是主體，很多地區的地下水超采嚴重，地下水位不斷下降，人為因素對地下水水環境的污染越來越嚴重，因此地下水水質評價與預測顯得尤為重要，許多學者開展了一系列相關的研究，衍生了一系列的地下水水質評價與預測方法，這些評價與預測方法在水資源的管理、開發、利用中起著至關重要的作用。

1　水質評價方法研究進展

1.1水質評價方法綜述

水質評價是指對水環境各個要素進行單項及綜合評價，通過對水環境質量變化規律的研究以及對水環境要素或區域水環境性質的優劣進行定量描述，探究改善和提高水環境質量的方法和途徑[2]。在評價方法領域，隨著大量數學方法的應用與推廣，水質評價的方法得到了廣泛的發展，主要的評價方法有單因子評價法、基于灰色系統理論的水環境評價法、基于模糊理論的水環境評價法、指數評價法、基于人工神經網絡的水環境評價法、基于統計理論的因子分析法等。

(1)單因子評價法。單因子評價法是將每個評價因子的實測濃度與該評價因子的評價標準《國家地表水環境質量標準(GB3838-2002)》進行逐一對比，將最差因子的類別作為評價水質的類別，其計算公式表述為：

(1)

式中：Ci為第i類評價因子的測定值;Lij為第i類評價因子的評價標準值;Ii為單因子i的水質指數。

(2)灰色評價法。灰色評價法將水環境體系視為一個灰色系統，將在有限的時間和空間內獲得的水質信息定義為已知信息部分與未知信息部分?；疑u價法首先對水質各指標的實測濃度與各級水質評價標準的關聯度進行計算，然后根據關聯度大小確定被測水體水質的類別。灰色系統可以通過處理水質分級界限的模糊性，提高數據信息的利用率，從而有效解決水質評價中的不確定因素[3]。

(3)模糊綜合評價法。模糊數學綜合評價法的基本思路是：依照檢測數據建立各指標對各級標準的隸屬度集，形成隸屬度矩陣，計算指標權重集與隸屬度矩陣的積，形成模糊集，得到綜合評價集，來闡述被評價水體水質對各級標準水質的隸屬程度，最后通過該隸屬程度反映出水質級別的模糊性[4]。

(4)污染指數評價法。污染指數就是水體各指標的檢測值與其評價標準之比，將各指標的分指數進行數學綜合運算，得出綜合指數，用綜合指數代表水體的污染程度，以此來評價水質。常用的污染指數法主要有綜合指數法、加權均值法和尼梅羅指數法等[5-6]。

(5)人工神經網絡評價法。人工神經網絡通過對大量的數據進行分析，而且模擬人類的思維方式，直觀判斷事物的特征特點。在進行人工神經網絡評價時，首先確定水質評價指標，將參評的水質監測值與標準樣本進行比較分析，模式識別參評水質與哪種標準樣本更為接近，目前神經網絡研究中基本采用人工BP網絡[7-9]。

(6)因子分析法。因子分析法可以依據相關性的大小把變量分組，使同組內的變量之間相關性較高，不同組的變量相關性則較低或不相關，形成的每一組變量稱為公共的因子，使研究的問題得到簡化，在水質評價中廣泛應用。

1.2水質評價方法適用性分析

水質評價方法各有適用性與局限性，從表1中可以看出，單因子評價法與污染指數評價法計算較為簡便，但局限性也較明顯，均缺乏對水質總體的評價。人工神經網絡評價法與因子分析法均可進行定量與定性分析，但對樣本數量有一定的要求，如樣本數量少，則評價精度會降低。灰色評價法在一定程度上能夠避免水質參數異常值的干擾性，但是評價因子序列只有在滿足“曲線相似”的情況下評價精度較高。模糊綜合評價法符合客觀規律，能夠體現出水環境中客觀存在的模糊性與不確定性，但計算較復雜，存在對水質類別判別不準確的問題。

2　水質預測方法研究進展

2.1水質預測方法綜述

水質預測是水質監督和管理的基礎工作，是預防水質污染事件的有效措施，在水環境保護中占有舉足輕重的地位。關于水質預測方法主要有時間序列預測法、灰色預測法、模糊數學法、回歸分析法、溶質運移模型和人工神經網絡在水質動態預測等方法[10-13]。

(1)回歸分析法。根據地下水環境形成和演變的基本規律，在充分分析已有觀測資料的基礎上，建立預測要素與前期因子之間的經驗關系，利用近期的地下水環境信息，從所建立的經驗關系中獲取所需的預測值。

(2)模糊聚類分析法。模糊聚類分析法是一種通過建立模糊相似關系將客觀事物進行分類的方法，水環境要素模糊聚類分析預測方法就是通過模糊聚類分析，把預測因子狀態分類，建立起待預測水環境要素變量與因子狀態之間的對應關系，進而實現對水環境變量的狀態預測。

(3)時間序列法。時間序列指水質指標中的某一指標監測值，按其出現時間的先后次序，且間隔時間相同而排列的一列數值。時間序列預測是用水質變化的過去和現在的觀測數據，構造依時間變化的序列模型，通過數理統計的方法，并借助一定規則推測未來水質。

(4)灰色預測法。灰色系統理論將隨機變量看作是在一定范圍內變化的灰色參量，將隨機過程視為在一定范圍內變化，且與時間有關的灰色過程。應用灰色系統理論建立的模型GM(1，1)進行預測，稱為灰色預測。

(5)溶質運移模型。在溶質運移模型方面，MODFLOW是全世界范圍內應用最為廣泛的模擬地下水流的應用程序。它是一套用于孔隙介質中地下水流動數值模擬的軟件，采用單元中心有限差分法模擬地下水在含水層中的運動，有限差分方程組可以用強隱式法或超松弛法進行求解，誤差較小，精度較高[14]。

(6)人工神經網絡。人工神經網絡是20世紀50年代產生的一門處理非線性復雜系統的科學，其在結構上由多層分布的節點構成，各節點按照一定的規則相互連接，構成一個復雜的網絡系統。人工神經網絡具有分布式聯想、自學習和自組織能力，在函數逼近、模式識別等領域有著廣泛的應用。該模型具有較強的自適應能力，為建立水環境預測模型提供了新的研究手段[15]。

2.2水質評價方法適用性分析

水質評價方法如表2所示，可以看出，回歸分析法和時間序列法操作的局限性較為明顯，準確性稍差；模糊聚類分析法可以有效解決評價過程中的不確定性，但是計算工作量大；灰色預測法操作簡便，適用于實際監測資料水質系統信息井不完整的情況，準確性較高；溶質運移模型在試驗數據的支撐下，模型精度較高；而人工神經網絡法預測具備較強的自適應能力，但計算較為繁瑣。

3　水質評價與預測方法發展方向

3.1水質模型的統一

在水質評價和預測的方法中，存在多種不同的理論模式，在應用的過程中，尤其是在對同一水質樣本進行評價預測，評價和預測的結果不夠穩定，各種評價方法存在不統一的情況，因此需要研究統一的評價與預測模式，以評判各種方法的合理性。

表2　水質預測方法分析

3.2不確定性模擬預測的研究

由于實際水環境系統中會存在較大的偶然性與隨機性，各種因素之間相互作用和影響，而且這種作用和影響是不明確的，從而導致最終結果的不確定性。如何克服不確定性對模擬預測帶來的負面作用也將是水質模擬預測研究的發展方向之一。

3.3地理信息系統的利用

地理信息系統是一門綜合性學科，結合地理學與地圖學以及遙感和計算機科學，已經廣泛地應用在不同的領域，是用于輸入、存儲、查詢、分析和顯示地理數據的計算機系統，近年來GIS已廣泛應用于各個領域，而且在水質模擬與管理規劃方面發揮了重要作用，將GIS技術如何更好地運用于水環境的預測、規劃決策將是以后研究的熱點之一。

3.4可視化與虛擬技術的應用

可視化技術是利用計算機圖形學和圖像處理技術，將數據轉換成圖形或圖像在屏幕上顯示出來，并進行交互處理的理論、方法和技術。它涉及到計算機圖形學、圖像處理、計算機視覺、計算機輔助設計等多個領域，成為研究數據表示、數據處理、決策分析等一系列問題的綜合技術，包括科學計算可視化和信息可視化。目前國內外許多學者都積極將可視化技術引入到水質模擬和環境管理中。

虛擬化技術是對計算機仿真與視覺技術的延伸，就是把物理資源轉變為邏輯上可以管理的資源，以打破物理結構之間的壁壘。未來，所有的資源都透明地在虛擬世界運行在各種各樣的物理平臺上，資源的管理都將按邏輯方式進行，完全實現資源的自動化分配。目前，虛擬調度水質已經成為一種重要的研究方向。

4　結語

不同的地下水評價與預測方法都有各自的優缺點與適用環境條件，在進行水質評價與預測時可根據實際情況選擇適合的方法進行分析，盡量減小因選擇方法不當而導致的系統誤差。隨著科技的進步，更多先進的技術應用于這一領域，評價與預測的精度將會進一步提高，為地下水管理與開發利用提供更為可靠的理論參考依據。

[1]嚴立冬，崔元鋒.綠色農業概念的經濟學審視[J].中國地質大學學報(社會科學版)，2009，9(3):40-43.

[2]張志祥，陸曉華．漢江水質評價的化學計量學研究[J].中國環境監測，2004，20(l)：47-51．

[3]宋印勝．地下水水質污染的灰色綜合評價[J].勘察科學技術，1990，(6)：20-22．

[4]翟由濤，趙玉軍．模糊綜合指數在判斷水質變化趨勢和水體管理中的應用[J]．中國環境科學．2010，13(6)：44-50．

[5]張中祥，徐建國，彭玉明，等.山東省地下水污染特征與初步評價[J].山東國土資源，2013，29(12)：26-31.

[6]王玉蓮，王振興，鐘振楠.威海市地下水防污性能評價[J].山東國土資源，2014，30(2):47-49，53.

[7]秦傳玉，趙勇勝，張偉紅，等.基于BP神經網絡的齊齊哈爾地區地下水水質評價[J].環境監測管理與技術，2007，19(2):15-18.

[8]婁申，干曉蓉.基于BP神經網絡的水質評價[J].云南民族大學學報(自然科學版)，2007，61(2):165-167.

[9]趙曉亮，周揚.基于神經網絡的地下水質量評價模型[J].遼寧工程技術大學學報(自然科學版)，2009，9(28)：172-174.

[10]從樹錚.水文學的概率統計基礎[M].北京:水利電力出版社，1981.

[11]施仁杰，盧科學.時間序列分析引論[M].西安:西安電子科技大學出版社，1988:15-23.

[12]李如忠.水質預測理論模式研究進展與趨勢分析[J].合肥工業大學學報(自然科學版)，2006，29(1):26-30.

[13]李常鎖，胡愛民，游其軍，等.濟南泉域巖溶水水質演變趨勢研究[J].山東國土資源，2004，20(1):35-38.

[14]肖華，郭加朋，朱寧，等.基于Visual Modflow的苑莊水源地地下水位預測[J].山東國土資源，2012，28(10):37-40.

[15]過仲陽，陳中原，李綠芊，等.人工神經網絡技術在水質動態預測中的應用[J].華東師范大學學報(自然科學版)，2001，9(1):84-89.

Study on Evaluation and Predication Methods of Groundwater Quality

LI Yang, DOU Bingchen, CHEN Zhen, WANG Xuemin, YUAN Mingkao

(Shandong Geophysical and Geochemical Exploration Institute, Shandong Jinnan 250013, China )

In recent years, groundwater quality security has aroused widespread concern, and scholars have carried out a number of research about water quality evaluation and predication. In this paper, on the basis of integrating a few kinds of water quality evaluation and predication methods which have been widely used at present, applicability and limitations of these methods have been compared, and the trend of water quality evaluation and prediction in the future has been expected. It will provide some references for management, development and utilization of groundwater in the future.

Evaluation; predication; applicability; limitations; development trend

2014-10-12；

2014-12-01；編輯：陶衛衛

山東省地質礦產勘查開發局地質勘查科研項目“巖溶地下水水質演化機制及趨勢預測研究”(KY201515)

李揚(1986—)，男，山東莒南人，主要從事地下水可持續發展研究工作；E-mail：liyangbfu@163.com

X824

B