水質調查評價中PSO—PEE模型應用研究

范思思+許同桃+包海寧

摘要：根據對燒香河水質狀況進行調查與分析，根據現場調查收集到的2016年7-12月的水質數據，確定7個水體評價標準，運用PSO-PPE模型對燒香河水質進行評價，為做好燒香河流域水環境保護提供現實參考依據。

關鍵詞：水質調查評價；PSO-PEE模型；燒香河

中圖分類號：TU991.21 文獻標識碼：A 文章編號：2095-672X（2017）03-0173-01

DOI：10.16647/j.cnki.cn15-1369/X.2017.03.093

Abstract： According to the investigation and analysis of the water quality of the Shaoxiang river， 7 water quality evaluation criteria were determined according to the water quality data collected from July to December in 2016， and the water quality

Key words： water quality survey evaluation； PSO-PEE model； Shaoxiang river

1 概述

板橋工業園連云港市打造“一體兩翼”南翼的起點，業是沿海產業帶的重要組成部分。作為連云港市沿海臨港產業帶發展的主陣地，開發建設9年來，現有有60多個項目落地。工業園區的快速發展給下游水體水質產生了巨大影響。目前整個園區執行《地表水環境質量標準（GB3838-2002）》IV類水質標準，主要功能為工業用水及區內雨水、生活污水的接納。工業污水經企業預處理后，集中進入污水處理場進行二次處理后排放至燒香河，污水廠出水執行《污水綜合排放標準（GB8978-1996）》一級標準。由于持續有項目入駐、竣工投產，園區內原有的板橋污水處理廠處理量受限，目前正在進行二次擴建。通過對排污口下游燒香河水質狀況進行調查與分析，對污染現狀、特征等進行深入的調研，提出有效防治措施。

2 PSO-PPE模型概述

粒子群優化算法（簡稱PSO）最早是由Kennedy和Eberhart共同開發。其原理是基于鳥群覓食行為的研究后發現，鳥群飛行過程中改變方向、分散以及聚集等行為雖然不具可預測性，但整體保持一致性，個體之間保持適宜距離。投影尋蹤評價（簡稱PPE）是一種新興的、能夠有效處理高維、復雜非線性數據的技術方法[1]，它是將高維數據樣本通過組合投影到低緯度空間中，對投影的構形，采用投影指標函數（即目標函數）衡量投影暴露某種分類結構的可能性大小，寸照出使投影指標函數達最優（即能夠反映高維數據結構或特征）的投影值，最后根據投影值對樣本進行評價。

PSO-PPE評價水資源水質狀況，其思路是將PSO與PPE結合起來，通過采用粒子群優化算法來優化投影指標函數的方法來求得最佳投影方向，其優勢是可以為水質評價涉及到的多目標、多因素提供新思路和新的研究方法。

PSO-PPE建模分四步：（1）：評價指標的歸一化處理。設指標值樣本集為{*︱=1，2…，n；=1，2…，p}。其中*為第個樣本的第個評價指標值，n、p分別為樣本的總個數和評價指標的總數目。（2）：構造投影指標函數。PPE模型把P維數據{︱=1，2，…，p}綜合為a={a（1），a（2），a（3），…， a（p）}為投影方向的一維投影值z（i）；（3）：粒子群優化投影指標函數。即當各評價指標分級標準樣本集給定時，投影指標函數只是隨投影方向a的變化而變化，于是需要通過求解投影指標函數最大化來估計最佳投影方向，即最大化目標函數。（4）：計算評價值。把第三步求得最佳投影方向a*代入到第二步指標函數，可以得到待評價樣本的最佳投影值z*（i），即為待評價樣本的評價值。

3 燒香河水質調查評價

3.1 評價指標選擇

結合實際監測結果，根據《地表水環境治理標準》（GB3838-2002）要求，共選擇了pH值、溶解氧、化學需氧量、五日生化需氧量、高錳酸鹽指數、總磷和氨氮等作為評價指標，溶解氧數值指標越大越優，pH數值指標為越中越優，化學需氧量、五日生化需氧量、高錳酸鹽指數、總磷和氨氮等數值指標為越小越優。化學需氧量、五日生化需氧量、高錳酸鹽指數數值越大，說明水體受到有機物越多，污染越重

3.2 檢測數據收集

根據水質調查的需要，采取以月為單位對燒香河2016年7月-12月期間的水質取樣并進行檢測，檢測后所得到的結果（見表1）。

3.3 PSO-PPE模型應用

為消除樣本和標準指標數據之間量綱的影響，分別對水質樣本（表1）和水質評價標準（表2）進行處理，根據PSO-PPE模型建模的四個步驟，采用粒子群算法優化投影尋蹤建模中的最佳投影方向，相關參數設置如下：水質指標共7個，故，粒子群算法的優化維數D=7.初始群體數目、迭代次數、加速因子等需反復測試與優選，確定：群體的規模N=400，迭代次數k=100，加速常速c1=c2=1.23，慣性權重w=0.58，得出目標函數為0.423，樣本一維投影值為[1.589 1.634 2.24 1.78]；評價標準的一維投影值為[2.21 1.89 1.44 0]

3.4 評價結果分析

將樣本的一維投影值與標準的一維投影值進行比較，即可得燒香河2016年7-12月的水質等級，見表3。

從表3可以看出，燒香河2016年下半年以來的水質等級一直較為穩定，基本都維持在Ⅳ類-劣Ⅴ類水質，即，其水質只能適用于一般工業用水區及人體非直接接觸的娛樂用水，以及農業用水區和一般景觀要求水域。從所檢測到的水質超標項目來看，該河流的主要污染項目為氮磷、總磷、化學需氧量、生化需氧量、高錳酸鹽指數等，且多集中在7月、11月。下一步應根據工業園區中各企業生產工藝及產品不同，所排廢水污染特征各異，做好企業排污口污染源監測，分析其排污量、間歇時間、污染物種類及含量等因素，有針對性地為每個企業設計污水收集管網，避免管網建設不配套等問題，切實從源頭預防和減少燒香河污染。

參考文獻

[1]付強.投影尋蹤模型及其在水文水資源系統分析中的應用[J].黑龍江水專學報，2008，35（4）：80-85.

收稿日期：2017-05-22

作者簡介：范思思（1985-），女，研究生，講師，研究方向為環境監測、企業排污自動監測。