新型光催化技術對水體治理效果統計分析

王婧炯　仇健

摘要：為保障水體治理效果的達標，多種治理技術不斷涌現。新型光催化技術對水體的治理具有明顯的作用。本文旨在運用SPSS 軟件通過成對樣本t 檢驗和線性回歸分析功能對深圳市辛養魚塘水體案例數據進行分析，結果顯示，在治理后新型光催化技術對水質產生了顯著的作用。另外，研究還分析了各個指標之間的相關性。本研究為評估新型光催化技術的應用效果提供了一種科學手段。

關鍵詞：新型光催化水體治理SPSS 軟件水環境

中圖分類號：X51 文獻標識碼：A 文章編號：1674-098X（2021）11（b）-0022-03

水資源是人類最寶貴的自然財富之一，水體作為城市水資源、生態和景觀的核心組成部分，在城市社會經濟建設中具有舉足輕重的作用[1]。為了發展社會經濟，人類不斷地利用水資源，但同時也帶來了嚴重的水環境問題[2]。為解決水污染問題，各類技術應運而生。新型光催化技術具有利用太陽能驅動、迅速改善水質、施工維護簡便、環境友好等特點，在多個水體得到應用，并取得良好效果[3-4]。由于新型光催化技術主要依靠太陽光，是一種無需耗電耗能、無需二次污染、綠色環保的生態治理水環境的新技術，有別于傳統的消毒、過濾，甚至是化學方法的凈化水質技術，對治理黑臭河道具有極大的作用[5]。本文基于深圳市辛養魚塘監測數據，使用SPSS統計學分析軟件對新型光催化技術的治理效果進行分析，判斷水質參數的數據走勢，能從改造前后的數據變化中為新型光催化技術的使用提供理論依據。

1 理論框架

在統計學中，線性回歸是對一個或多個解釋變量、被解釋變量之間關系進行建模分析的方法，此方法的主要目的是判斷諸多變量之間是否存在相關性，并通過構建模型來預測感興趣的變量。在回歸分析期間，可按照相互之間的關系將其分為線性或非線性兩種[6]。

通過引入相關性檢驗結果，能夠確定定量分析目標[7]。為了能夠提高數據處理結果的精準度，整個分析結果必須通過SPSS統計學分析軟件完成數據分析，因此在整個定量分析過程中可以引入多個自變量因素，進一步提高數據處理的精準度[8]。同時，運用相關系數的方法，分析各個指標之間的相關性。

2 材料與方法

2.1 指標選擇本研究基于2019—2020年廣東省深圳市寶安區沙井街道辛養社區辛養魚塘治理前后過程中定期取樣的水質數據，分析辛養魚塘運用新型光催化技術治理前后的水質差異，選取5個關鍵水質指標（Y～Y）作為因變量對新型光催化治水技術進行綜合評估。

再加上4個自變量（X～X），這9個指標更具典型性，能綜合、全面地反映水質，保證分析指標和結果的客觀性和準確性。浮床和水下森林示意圖如如1、圖2所示。其中，X～X與Y～Y具體內涵如下。

X：水域面積，m。

X：催化網面積，m。

X：生態浮島植物蓋度，%。

X：水下森林覆蓋面積，m。

Y：DO治理前后差值，mg/L。

Y：NH3-N治理前后差值，mg/L。

Y：COD治理前后差值，mg/L。

Y：TP治理前后差值，mg/L。

Y：TN治理前后差值，mg/L。

2.2 數據來源

本研究選取了2019—2020年深圳寶安區的一個池塘，池塘外形為一個長約70 m，寬約60 m的矩形，總面積約4200 ㎡，據現場勘察水深約1.5 m，底泥厚度約30 cm，呈黝黑色。將辛養魚塘治理前后檢測數據中的DO（Dissolved oxygen，溶解氧）、NH3-N（Ammonia，氨

氮）、COD（Chemical Oxygen Demand，化學需氧量）、TP（Total Phosphorus，總磷）、TN（Total Nitrogen，總氮）作為數據分析的對象。

3 結果分析與討論

3.1 成對樣本t 檢驗

對于5項指標數據，假設治理前的數據為μ（i =DO、NH-N、COD、TP、TN），治理后的數據均值為μ（i = DO、NH-N、COD、TP、TN），且服從正態分布。原假設為該技術對河道的水質改變不大，即μ- μ = 0。若使用新型光催化技術使得河道水質發生變化，對于DO指標，有μ -μ< 0;對于其余指標μ - μ> 0，故拒絕原假設。結果如表1所示，經過計算，P 值屬于左側檢驗，計算結果均大于α，故拒絕原假設。由此可以得出，新型光催化技術對提高水體中DO，削減水中NH-N、COD、TP、TN等有機物具有顯著性的作用。

3.2 線性回歸分析

將新引入的4個自變量分別與因變量進行線性回歸分析，并將數據和表達式總結如表2所示。通過線性回歸分析后發現，線性回歸可粗略擬合各個水質數據的變化趨勢，應選擇其他合適的模型進行擬合操作。同時也反映出可能需加入更多項目進行擬合，因此還需要做進一步的研究。

3.3 皮爾遜相關性分析

將治理前后的DO、NH-N、COD、TP、TN這5項數據進行對比并作差，觀察變化情況，并將其作為新的因變量進行皮爾遜相關性分析。根據相關系數的正負、大小來判斷指標之間的強弱關系，可以判斷出各個指標之間的相關程度，如表3、表4所示。由相關性檢驗得出：4個自變量對因變量DO治理前后差值呈正相關，與因變量NH-N、COD、TP、TN治理前后差值呈負相關，NH-N與TN這2個指標具有強相關性。

4 結論與建議

本文基于深圳市辛養池塘使用新型光催化技術前后的水質數據，利用SPSS軟件成對樣本t 檢驗、線性回歸、皮爾遜相關性分析3個功能進行研究。t 檢驗結果顯示，相關技術實施后，水體DO、NH-N、COD、TP、TN這5項指標具有顯著改善。線性回歸可粗略擬合各個水質數據的變化趨勢，但未來應選擇其他合適的模型進行擬合操作。同時，結果也反映出可能需加入更多項目進行擬合來更好地反映實際情況，因此還需要進一步深入研究。水域面積、催化網鋪設面積、生態浮島植物株數、水下森林面積這4個自變量對因變量DO治理前后差值呈正相關，與因變量NH-N、COD、TP、TN治理前后差值呈負相關，NH-N與TN這2個指標具有強相關性。由于實驗周期、所采集的數據量數量有限，下一步計劃采用其他更切合的模型進行分析研究，并突出效果良好的時段數據進行針對性分析。本項研究為確認技術適用邊際條件、最大化發揮技術效能及推廣技術應用提供了一種科學支撐。

參考文獻

[1] 梁金媚.城市河道生態治理與環境保護探索[J].資源節約與環保，2020（12）：42-43.

[2] 楊章慶.城市景觀生態河道水污染總量控制系統設計研究[J].環境科學與管理，2021，46（4）：164-169.

[3] 鄒勝男，嚴曉立，許亮，等.石墨烯光催化氧化技術在黑臭河道綜合整治中的應用[J].環境保護與循環經濟，2018，38（6）：24-26.

[4] 王雪松，李駿，張鴿.光催化技術治理城市黑臭河道成效研究[J].江蘇水利，2020（8）：6-9，14.

[5] 秦曉振，許雯佳.石墨烯光催化技術在黑臭水體治理中的應用——以江陰濱江路河為例[J].資源節約與環保，2019（9）：106-108.

[6] 張如夢.基于多元線性回歸模型的股票收益影響因素的實證分析[J].科技資訊，2021，19（2）：235-237.

[7] 何佳奇.基于ARIMA-SVM混合模型的城市宏觀交通狀態分析與預測[D].北京：北京交通大學，2020.

[8] 王燕，郭元凱.改進的XGBoost模型在股票預測中的應用[J].計算機工程與應用，2019，55（20）：202-207.