PSO-PEE 模型在水质评价中的应用研究——以松花江流域为例

王洪敏 王慧婷 王美香

（黑龙江省三江环境监测站 黑龙江同江 156400）

水是生命之源，是人类赖以生存的基础，是经济发展和社会进步的重要资源，是实现社会可持续发展的物质基础和基本条件[1]。随着经济社会的快速发展，工业化、城市化进程的加快，人们的生活水平得到了显著提高，但也直接或间接的加重了水质污染，水质环境问题也越来越成为制约经济可持续发展的瓶颈之一。

松花江流域位于我国东北地区北部，东西长920km，南北宽1070km，流域面积达55.68×104km2，作为东北地区重要的一条河流，是沿岸1000多万人口的重要饮用水源地。因此，做好水环境监测，及时掌握松花江水环境状况，对于加强松花江水环境质量管理及规划提供可靠的科学依据和信息至关重要。目前社会公众要求获取涉及自身安全有关信息的意识愈来愈强，各级政府加强有效的社会管理，需要水环境监测工作提供及时、准确、可靠的基础数据，发布公正、权威的信息[2]。经过不懈的努力，截止2011年底，松花江周边安排的治污项目222个全部建成，一些国家级水质自动监测站建成并投入使用，为及时掌握松花江水环境质量变化奠定了扎实基础。

1 评价模型的建立

粒子群优化算法（Particle swarm optimization,简称PSO）是一种模拟鸟群觅食行为而发展起来的一种基于群体协作的随机搜索算法。投影寻踪评价（Projection pursuit evaluation，简称PPE）是一种新兴的、能够有效处理高维、复杂非线性数据的技术方法[3]。

PSO-PPE模型的建模思路是将粒子群优化算法与投影寻踪模型结合起来，通过采用粒子群优化算法来优化投影指标函数的方法来求得最佳投影方向，从而实现对评价目标——松花江水质的评价。

1.1 PSO 优化算法

在PSO中，每个优化问题的解设为搜索空间的一个粒子，并由被优化的函数决定适应值，而且每个粒子有速度决定各自飞行的方向和距离，然后根据适应值来评价粒子的最佳位置。PSO初始化随机解是通过迭代找到最优解，每一次迭代粒子通过跟踪两个极值更新自身，一个是粒子本身找到最优解，即个体极值（pbese），另一个是整个种群目前找到的最优解，即全局极值（gbese）。

1.2 PSO-PPE 模型建模

基于粒子群优化投影寻踪评价模型的建模一共分为四个步骤：步骤一:评价指标的归一化处理。设指标值样本集为｛x*(x.j)|i＝1，2…,n;j＝1,2…,p｝。其中x*(x.j)为第i 个样本的第j 个评价指标值，n、p分别为样本的总个数和评价指标的总数目。步骤二：构造投影指标函数Q(a)。PPE模型把P维数据｛x(x.j)|j＝1,2，…,p｝综合为a=｛a(1)，a(2)，a(3)，…,a(p)｝为投影方向的一维投影值z(i)；第三步：粒子群优化投影指标函数。即当各评价指标分级标准样本集给定时，投影指标函数Q(a)只是随投影方向a的变化而变化，于是需要通过求解投影指标函数最大化来估计最佳投影方向，即最大化目标函数。第四步：计算评价值。把第三步求得最佳投影方向a*代入到第二步指标函数Q(a)，可以得到待评价样本的最佳投影值z*(i)，即为待评价样本的评价值。

2 基于PSO-PPE 模型的松花江水质评价

2.1 评价选择

水污染常规分析指标是反映待评水质污染状况的重要指标，对于水质监测、评价、利用以及污染治理提供重要依据。因此，选取评价因子会直接影响到监测后的评价结果，必须要选择具有代表性的参数指标。依据《地表水环境治理标准》（GB3838-2002），结合松花江水域实际监测实际，本次监测评价共选择了pH值、CODMn、DO、NH3-N作为评价指标，DO为越大越优型指标，pH为越中越优型指标，其他指标为越小越优型指标。其中，DO是评价水体自净能力的重要指标，含量越高表示水体的自净能力越强，反之则表示该水体中的污染物不易被氧化分解，此时，厌氧性菌类就会大量繁殖，导致水质变臭。pH值反映的是水中的氢离子活度的负对数，pH值为7表示水为中性，大于7的水呈碱性，小于7则表示水呈酸性。

2.2 数据的收集

为了增加分析的准确性，笔者把数据的统计时期精准到周，以黑龙江同江点位监测点2014年5月~11月，环保部数据中心（http://datacenter.mep.gov.cn）公布的数据为依据。

表1 松花江同江站点断面水质监测结果

表2 松花江水质评价标准

2.3 PSO-PPE 模型应用

为消除样本和标准指标数据之间量纲的影响，分别对水质样本（表1）和水质评价标准（表2）进行处理，然后根据PSO-PPE模型建模的四个步骤，采用粒子群算法优化投影寻踪建模中的最佳投影方向，相关参数设置如下：水质指标共4个，故，粒子群算法的优化维数D=4.初始群体的数目、迭代次数、加速因子等需要通过反复测试与优选，确定：群体的规模N=300，迭代次数k=100，加速常速c1=c2=1.241，惯性权重w=0.642，得出相应的目标函数为0.462，样本的一维投影值为[1.642 1.733 2.36 1.56]；评价标准的一维投影值为[2.41 2.01 1.56 0]。

2.4 评价结果分析

表3 松花江同江站2014 年5-11 月水质等级表

将样本的一维投影值与标准的一维投影值进行比较，即可得松花江同江站2014年5~11月的水质等级，见表3。

从表3可以看出，松花江同江站2014年的水质等级一直较为稳定，基本都维持在Ⅲ类水质，即，其水质可以适用于集中式生活饮用水地表水源地二级保护区、鱼虾类越冬场、洄游通道、水产养殖区等渔业水域及游泳区。可见，近年来，随着人们环保意识的增强，政府相关职能部门加大了对松花江水域的保护力度，水体保护的效果已经显现出来。值得注意的是，部分监测指标如高锰酸钾指数等时有超标，这就要求我们始终要严格按照国务院发布的《关于实行最严格水资源管理制度的意见》中水资源的“三条红线”，即水资源开发利用控制红线、用水效率控制红线和水功能区限制纳污红线标准，加大对上游沿线企业和居民的生产生活污水的排放监控，确保松花江水质始终向好。

[1]孙明,赵敏,林素婷.对水资源可持续利用的思考[J].科技信息,2010（15）：383-384.

[2]王斌,李坤,张迪.浅议松花江流域水环境监测网络体系的构建与完善[J].环境研究与监测,2007,20（1）：59-60.

[3]付强.投影寻踪模型及其在水文水资源系统分析中的应用[J].黑龙江水专学报,2008,35（4）：80-85.