水质调查评价中PSO—PEE模型应用研究

范思思+许同桃+包海宁

摘要：根据对烧香河水质状况进行调查与分析，根据现场调查收集到的2016年7-12月的水质数据，确定7个水体评价标准，运用PSO-PPE模型对烧香河水质进行评价，为做好烧香河流域水环境保护提供现实参考依据。

关键词：水质调查评价；PSO-PEE模型；烧香河

中图分类号：TU991.21 文献标识码：A 文章编号：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

板桥工业园连云港市打造“一体两翼”南翼的起点，业是沿海产业带的重要组成部分。作为连云港市沿海临港产业带发展的主阵地，开发建设9年来，现有有60多个项目落地。工业园区的快速发展给下游水体水质产生了巨大影响。目前整个园区执行《地表水环境质量标准（GB3838-2002）》IV类水质标准，主要功能为工业用水及区内雨水、生活污水的接纳。工业污水经企业预处理后，集中进入污水处理场进行二次处理后排放至烧香河，污水厂出水执行《污水综合排放标准（GB8978-1996）》一级标准。由于持续有项目入驻、竣工投产，园区内原有的板桥污水处理厂处理量受限，目前正在进行二次扩建。通过对排污口下游烧香河水质状况进行调查与分析，对污染现状、特征等进行深入的调研，提出有效防治措施。

2 PSO-PPE模型概述

粒子群优化算法（简称PSO）最早是由Kennedy和Eberhart共同开发。其原理是基于鸟群觅食行为的研究后发现，鸟群飞行过程中改变方向、分散以及聚集等行为虽然不具可预测性，但整体保持一致性，个体之间保持适宜距离。投影寻踪评价（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[1]，它是将高维数据样本通过组合投影到低纬度空间中，对投影的构形，采用投影指标函数（即目标函数）衡量投影暴露某种分类结构的可能性大小，寸照出使投影指标函数达最优（即能够反映高维数据结构或特征）的投影值，最后根据投影值对样本进行评价。

PSO-PPE评价水资源水质状况，其思路是将PSO与PPE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，其优势是可以为水质评价涉及到的多目标、多因素提供新思路和新的研究方法。

PSO-PPE建模分四步：（1）：评价指标的归一化处理。设指标值样本集为{*︱=1，2…，n；=1，2…，p}。其中*为第个样本的第个评价指标值，n、p分别为样本的总个数和评价指标的总数目。（2）：构造投影指标函数。PPE模型把P维数据{︱=1，2，…，p}綜合为a={a（1），a（2），a（3），…， a（p）}为投影方向的一维投影值z（i）；（3）：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。（4）：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，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。

3 烧香河水质调查评价

3.1 评价指标选择

结合实际监测结果，根据《地表水环境治理标准》（GB3838-2002）要求，共选择了pH值、溶解氧、化学需氧量、五日生化需氧量、高锰酸盐指数、总磷和氨氮等作为评价指标，溶解氧数值指标越大越优，pH数值指标为越中越优，化学需氧量、五日生化需氧量、高锰酸盐指数、总磷和氨氮等数值指标为越小越优。化学需氧量、五日生化需氧量、高锰酸盐指数数值越大，说明水体受到有机物越多，污染越重

3.2 检测数据收集

根据水质调查的需要，采取以月为单位对烧香河2016年7月-12月期间的水质取样并进行检测，检测后所得到的结果（见表1）。

3.3 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，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7个，故，粒子群算法的优化维数D=7.初始群体数目、迭代次数、加速因子等需反复测试与优选，确定：群体的规模N=400，迭代次数k=100，加速常速c1=c2=1.23，惯性权重w=0.58，得出目标函数为0.423，样本一维投影值为[1.589 1.634 2.24 1.78]；评价标准的一维投影值为[2.21 1.89 1.44 0]

3.4 评价结果分析

将样本的一维投影值与标准的一维投影值进行比较，即可得烧香河2016年7-12月的水质等级，见表3。

从表3可以看出，烧香河2016年下半年以来的水质等级一直较为稳定，基本都维持在Ⅳ类-劣Ⅴ类水质，即，其水质只能适用于一般工业用水区及人体非直接接触的娱乐用水，以及农业用水区和一般景观要求水域。从所检测到的水质超标项目来看，该河流的主要污染项目为氮磷、总磷、化学需氧量、生化需氧量、高锰酸盐指数等，且多集中在7月、11月。下一步应根据工业园区中各企业生产工艺及产品不同，所排废水污染特征各异，做好企业排污口污染源监测，分析其排污量、间歇时间、污染物种类及含量等因素，有针对性地为每个企业设计污水收集管网，避免管网建设不配套等问题，切实从源头预防和减少烧香河污染。

参考文献

[1]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.

收稿日期：2017-05-22

作者简介：范思思（1985-），女，研究生，讲师，研究方向为环境监测、企业排污自动监测。