模糊-主成分分析法在石化企业地下水水质评价中的应用

程欣

摘  要：如果一个石油化工厂的生产过程缺乏防渗措施，就会导致排放物的泄漏，从而引发直接或间接的排放污染，进而影响到周围的环境，并最终导致地下水的严重破坏。因此，对地下水水质的评价尤为重要，关乎到人身安全及生态环境的保护。该文以某石油化工企业地下水水质评价为例，通过建立模糊-主成分分析法模型，首先通过主成分分析法对石化企业厂区周围的5个监测点位、17个污染因子进行分析，选取出主要影响水质评价的污染因子；其次再通过模糊综合评价法建立模糊关系矩阵，计算出主要污染因子的指标权重，最终确定不同监测点位的水质对各级水质的隶属程度。最终得出结论，石化企业厂区的5个监测点位的水质等级均为Ⅴ类标准，该石化厂区地下水污染严重。

关键词：主成分分析；模糊综合评价；石油化工；地下水；水质等级

中图分类号：TU991.21      文献标志码：A          文章编号：2095-2945（2024）06-0128-04

Abstract： If there is a lack of anti-seepage measures in the production process of a petrochemical plant， it will lead to the leakage of emissions， leading to direct and indirect emission pollution， affecting the surrounding environment， and ultimately leading to serious damage to groundwater. Therefore， the evaluation of groundwater quality is particularly important， as it relates to personal safety and the protection of the ecological environment. This paper takes the groundwater quality evaluation of a petrochemical enterprise as an example， and establishes a fuzzy principal component analysis model. Firstly， the principal component analysis method is used to analyze 5 monitoring points and 17 pollution factors around the petrochemical enterprise factory area， and select the main pollution factors that affect the water quality evaluation; Secondly， a fuzzy relationship matrix is established through the fuzzy comprehensive evaluation method to calculate the indicator weights of the main pollution factors， and ultimately determine the degree of membership of water quality at different monitoring points to water quality at all levels. The final conclusion is that the water quality levels of the five monitoring points in the petrochemical enterprise factory area all meet Class V standards， which indicates severe groundwater pollution in the petrochemical factory area.

Keywords： principal component analysis; fuzzy comprehensive evaluation; petrochemical industry; groundwater; water quality grade

由于各種原因，如设备、管道的泄漏和风险事件的发生，使得石油化工行业的地下水污染问题日益严峻。如果没有及时处理，这些污染物会通过重力的影响，慢慢进入地下，对周边的自然环境造成严重的污染；而且，这些污染也会通过地下的传播，使得它们的影响越来越严重。如果地下水被污染，其将给石油和其他行业造成极其恶劣的后果，可能导致环境破坏，并可能给人类的健康造成巨大的危害。所以，对石油化工企业地下水评价尤为重要。

当前，评估水质的技术可以大致分为单因子评价法、多因子评价法、模糊评价法、灰度评价法及主成分分析法[1]，它们各自的优势在于能够更加全面准确地反映出当前的环境状况。模糊综合评价法利用模糊数学法来评价不同的环境状况，其以m个监测因素为基础，将其与不同的环境状况相关联，形成一个隶属度矩阵，以此来衡量不同环境状况下的污染程度，从而确定不同环境状况下的水质类型[2-3]。通过主成分分析法，可以有效地把多个复杂的环境变量转换成几个相互关联的指标，从而更准确地衡量出水环境的变化情况。

通过模糊-主成分分析法，本研究对某石油化工企业厂址内的地下水污染因子进行了综合评价，从而确定了其水质评价等级，这种评价方法具有多种优势，能够有效地反映出地下水水质的复杂性，为实际项目的评价提供了有效的参考依据。

1  评价模型的建立

1.1  主成分分析法

主成分分析法的基本思路，是利用各指数变量间存在着的某种程度的关联，并采用线性组合的方法在这些指标中获取信息，在一个组合中无法获得更多信号时，才考虑第二个线性组合，继续这项研究，直至获得的数据和原目标相当时为止。主成分分析法的优点就是其可以只用很少的主要成分就能够获取更多的信息量，在减少了“维数”的同时也保存了关于原始数据的主要信息。

通过主成分分析法，可以把多种影响水质的要素精确地归纳成几个关键的指标，从而更准确地反映水体的整体状态，而不需要进行复杂的分析。

1.2  模糊综合评价法

通过使用模糊综合评价法，可以采用计算模糊关系矩阵和权重矩阵，评价不同类型和等级的地下水[4]。这种评价方法能够更好地了解水质，并能够更精细地评价每个类型和等级。然而，由于这种方式的评价因素具有很大的主观性，如果参考的因素数量超标或者权重设置得过低，将导致大量的模糊矩阵数据被遗漏，从而使得最终的评价结论变得更加一致，难以区别。

1.3  模糊-主成分分析综合评价模型

基于对上述2种数学模型的分析，将主成分分析法与模糊综合评价法结合起来，来建立起对石油化工企业水体水质的综合评价，以达到水质评价的可靠性。建模基本思想为：通过选取某石化企业厂区内5个监测点位，对其中氨氮、重碳酸根、氯离子和硫酸根等17个污染因子进行主成分分析，选出影响地下水水质的主要因子；再通过提取的主成分作为模糊综合评价模型的输入，建立模糊-主成分分析法的地下水水质评价模型。

评价模型的技术路线如图1所示。

2  实验过程

2.1  主成分分析

利用SPSS软件对某石化企业厂区内5个监测点位的氨氮、重碳酸根、氯离子、硫酸根、氟离子、亚硝酸盐、溶解性总固体、矿化度、铁、锰、耗氧量和总硬度等17个污染因子进行主成分分析，其数据见表1。

经过分析，将5个监测断面的17个指标的数据经过了标准化，从而得出了它们之间的相关性。利用这些信息来估算它们的主成分贡献率及累积贡献率，具体结果可以参考表1。

根据表2可知，3个主成分的累积方差贡献率达到了91.091%，表明它们可以很好地捕捉和处理原始指标中的重要信息，所以确定主成分个数为3个。

通过计算初始因子载荷矩阵，可以清楚地反映出主成分与其相关变量之间的关联性，具体结果可参考表3。

计算主成分载荷特征向量ui与主成分荷载lij之间的关系，其公式如下

用初始因子载荷值除以主成分特征值的平方根得到相应的主成分载荷值，主成分荷载值见表4。

通过主成分载荷值的大小来看，与主成分1密切相关的是锰，与主成分2密切相关的锌，与主成分3密切相关的是石油类。故选取这3个指标进行下一步的分析。

2.2  模糊综合评价

以厂址内为例，选取锰、锌、石油类这3个主成分因子进行模糊综合评价法的计算。具体计算方法按照下列步骤进行。

2.2.1  构建水体隶属度函数

第Ⅰ类水体的隶属度函数（j=1）为

第j类水体的隶属度函数（j=2、3、4分别代表第Ⅱ、Ⅲ、Ⅳ）为

第Ⅴ类水体的隶属度函数为

式中：ci为第i种污染物实测质量浓度值，mg/L；si是第i种污染物j级水质标准（j=1，2，…，5），mg/L。

2.2.2  建立模糊关系矩阵

经过计算，得出m项参数与5级水质标准之间的相关性，从而构建出R矩阵，用以表示单项污染程度的隶属度。

矩阵的每一行代表着5个级别水质的相关性，而每一列则描述了每一个单项指标在某一级别水质中的隶属程度。

2.2.3  计算权重

式中：ci为第i种污染物的实测值；Si是GB/T 14848—2017《地下水质量标准》中第Ⅲ类水质的标准值或GB 3838—2002《地表水环境质量标准》中第Ⅲ类水质的标准值。

但在实际计算中计算出来的权重值可能大于1，所以要对各单项权重转化无量纲表达，即归一化处理。使其取值范围在[0，1]区间。

然后将归一化结果列成1×m阶行矩阵，输入A=（V1，V2，V3，…，Vm）。

2.2.4  综合评价

模糊關系矩阵R与权重矩阵A相乘得到最终矩阵B，B= A·R。

2.2.5  计算结果

建立模糊关系矩阵。通过分析各个评估因素的相关性函数和实际测量值，计算出它们与不同等级的水质标准的相关性，并将它们组合成模糊矩阵R。

建立评价因子权重矩阵：A=（0.982，0.009，0.009）。

模糊综合评价：B=A·R。

根据隶属度最大原则，厂址内的水质有98.2%的概率属于Ⅴ类水。所以最终确定厂址内的水质评价等级为Ⅴ。同时推断出其他监测点的水质等级和评价结果见表5。

3  结论

1）通过模糊-主成分分析法对某石化厂区的5个监测点位地下水进行综合评价得到最终评价结果为5个监测点位的水质等级均为Ⅴ类标准，这表明该石化厂区地下水污染严重，可能存在设备、管线等风险事故泄漏的污染物，在不及时采取措施的情况下渗透到地表层或深层，从而造成地下水的严重污染。所以在石化企业的生产过程中，要及时对各个生产环节的风险事故进行排查和预防，同时也要加大监管力度，培养员工的安全意识与安全行为，使企业在安全的条件下高效生产。

2）通过主成分分析，可以将原指标变量转换为彼此独立的主成分，从而有效抑制地下水评价指标之间的相关性[5]，进而提高评估的准确性和可靠性。同时模糊数学法强调隶属度分级，给予各评价指标不同的权重值，能较准确地反映地下水污染状况。模糊-主成分分析法使地下水水质评价可靠性更强。

参考文献：

[1] 薛伟峰.主成分分析和模糊综合评价法在大连市地下水水质评价中的应用研究[J].辽宁大学学报自然科学版，2020，47（3）：219-226.

[2] 薛巧英.水环境质量评价方法的比较分析[J].环境保护科学，2004（30）：64-67.

[3] 杜军凯.模糊-主成分分析综合评价法在地下水水质评价中的应用[J].中国环境监测，2015，31（4）：76-81.

[4] 钱程.基于主成分分析的地下水水质模糊综合评价[J].水电能源科学，2016，34（11）：32-35.

[5] 王嵩峰.用主成分分析法研究评价地下水质量——以邯郸市为例[J].环境科学技术，2003（26）：55-57.