主成分分析法在水质评价中的应用

文章阐述了主成分分析法的原理和计算步骤,以银川新城南郊水样为研究对象,对其水质进行综合评价。     

基于主成分分析的甘肃省流域分区水质评价

水质评价为水资源规划和污染物防治提供依据.采用主成分分析法对2010-2019年甘肃省污染物排放进行区域水质状况及污染物时空分布特征分析,结果表明:2014年污染最为严重,主要污染因子为氨氮和总铬.针对COD和氨氮进行空间分析发现兰州至下沿河和渭河宝鸡峡以上两分区污染严重,研究结果为水功能区的水环境保护提供一定的借鉴.     

基于主成分分析法与人工神经网络耦合模型的水质评价

为了解决水质评价中评价指标权重难以合理确定、评价模型过于复杂、评价结果不合理等问题,将改进的主成分分析降维能力与人工神经网络自学习能力相结合,提出PCA-BP神经网络水质评价模型.实例分析表明,PCA-BP神经网络在避免了传统的单因子评价法评价结果过于悲观、神经网络法模型复杂的同时,能够确定主要污染物,所得评价结果的合...     

基于主成分分析法的延河水质评价及预测

首先采用主成分分析法对延河5个监测断面的包括高锰酸盐指数、化学需氧量、五日生化需氧量、氨氮、石油类以及大肠菌群等6个水质指标进行分析计算,从信息量的角度讨论了河流水质各污染组分包含的信息大小及各污染组分对断面水质影响程度;在此基础上采用BP神经网络模型对延河未来年不同断面的主要水质指标进行预测。结果表明:运用主成分分析法处理可以产生新的指标,而新的指标彼此间互补相关,可以很好地反映水质的综合状况;利用BP神经网络建立延河水质预测模型,模拟结果与实际值较吻合,具有一定的可靠性。     

基于主成分分析和熵值法的景观水水质评价

针对主成分分析法忽略数据离散程度的问题,提出把主成分分析和熵值法结合起来确定权重的方法,建立了水质评价模型,并采用该模型对郑州市景观水水质情况进行评价。与单独采用主成分分析和熵值法的评价结果相比,主成分分析和熵值法结合具有可行性与实用性,更适合景观用水水质评价。郑州市将中水用作景观水的实践总体来说效果不错,但在个别月份需对个别水质指标进行控制。     

主成分分析法在榕江流域水质评价中的应用

根据2018年的水质监测数据,利用主成分分析法对榕江干流及其主要支流的水质状况进行评价,同时将其评价结果与单因子指数法的评价结果进行比较分析。结果表明,榕江干流中上游及其以上河段的水质较好;干流中下游及其以下河段、主要一级支流北河和二级支流枫江受沿线生活污水和工业废水排放的影响,水质较差,其中以枫江的污染状况最为严重。相比单因子指数法,主成分分析法更适用于评价受多种污染物质影响水体的水质状况,其评价结果更加客观全面。     

主成分分析法在温榆河水质评价中的初步应用

常规的水质评价方法有很多因不能克服由于涉及因子过多而造成某些重要信息被掩盖的缺陷,而主成分分析法能从众多变量中剔除具有相关性的因子,筛选出主要少数独立综合因子,且这些综合因子能对研究结论做出充分合理的解释。应用主成分分析法,借助Statistical Product and ServiceSocutions(SPSS)软件,对2009年温榆河10个监测断面的7项水质指标进行了分析。通过水质评价综合得分的结果可以看出,在10个监测断面中,丁家坟的污染程度最大。从水质监测数据及其评价结果来看,说明主成分分析结果能真实地反映水质实际情况。     

主成分分析法在海河流域多条河流水质评价分析中的应用

水质评价是获得水环境现状及其水质分布状况、对河流水质质量进行定性或定量的评定,是水质保障的重要措施之一。利用SPSS软件,采用主成分分析法,对11个不同河流站点的高锰酸盐指数、化学需氧量、氨氮、总磷、铜、氟化物、铁、锰8个水质指标进行了分析计算,从原始数据中提取总方差72.88%的2个因子来反映水体的污染程度。结果表明,主成分分析方法在指标权重选取方面可以减少主观误差,操作简单,并且具有一定的优越性。     

基于主成分分析法的再生水补给河道水质评价

为研究再生水补给河道的水质状况及污染分布特征,以凉水河为研究对象,选取10个监测点于2019年6-12月进行水质指标监测.利用SPSS软件和主成分分析法,从NH3-N、DO、TN、TP、COD及BOD5等6个水质指标中降维得出影响水质的2个主成分,根据主成分的方差贡献率和综合得分可知,上、中、下游综合得分分别为1.684、-0.852及-0.526,上游受污染最严重,主要受再生水厂尾水影响;中游水质优于上、下游,可能是地铁施工地下水抽排和河道中的沉水植物对水质的净化作用;下游受人类活动影响较大,有机污染较严重.通过主成分分析法对凉水河水质进行评价,为凉水河的污染治理提供技术参考,对再生水补水型河道的水质管理具有重要意义.     

基于主成分分析的原水水质模糊综合评价

以西安市某地表水厂原水水质监测资料为研究对象,采用主成分分析法筛选出化学需氧量、高锰酸盐指数、氨氮、总氮和总磷为主要评价因子,通过模糊评价法对原水水质状况进行了评价。结果表明:该地表水厂原水水质为Ⅰ类,水质状况良好,但总氮略有超标,可能成为未来影响水厂处理工艺的主要因素;污染物浓度超标加权法过度强调了某一水质因子的作用,忽视了其他水质指标信息,不适用于考虑总体因素的水质评价;折减系数法充分考虑了水质状况与水厂工艺的净水能力,使得评价结果更为客观,在地表水厂原水水质评价中具有较好的应用效果。     

水质评价的灰色关联分析方法研究

为了比较不同的原始数据处理方法、不同的点到区间距离的计算方式对水质灰色关联评价结果的影响情况,通过极差变换、均值化、标准化方法来进行原始数据处理,并分别采用点到区间下端点、点到区间中点及传统的点到区间距离的方式计算点到区间的距离,进而计算关联度。实例水质评价结果表明,不同的数据处理方法对水质评价的结果影响较小,而不同的距离计算方式对水质评价的结果影响较大。结合水质评价的目的,给出了灰色关联分析方法用于水质评价的建议。     

基于主成分分析的BP神经网络对南京市水资源需求量预测

以南京市为例,利用1999-2010年的总用水量数据,采用主成分分析法对影响水资源需求量的9个因子进行主要影响因子分析,根据确定的主要影响因子构造BP神经网络的输入样本,从而进行不同水平的年总需水量预测.结果表明:人口、GDP、万元GDP用水量、人均水资源量、污水年排放量为影响研究区需水量的主要因子,将此作为主要因子构造BP神经网络的输入样本,确定网络输入节点数,建立南京市总需水量预测模型.模拟计算结果表明,基于主成分分析的BP神经网络模型,预测结果的平均误差小于0.2亿m3.     

基于主成分分析的BP神经网络在延安市需水预测中的应用

利用延安市1990～2010年的需水量数据,采用主成分分析法对影响水资源需求量的10个因子进行了分析.结果表明:GDP、降雨量、居民生活用水量及生态环境用水量4个因子为影响需水量的主要因子,将此作为主要因子构造BP神经网络的输入样本,建立延安市需水量预测模型.模拟结果与实际值相吻合,并利用模型对2015年需水量进行了预测.     

基于主成分分析的南京市水资源承载力研究

为了探求南京市水资源承载力的状况,选取14个指标构建水资源承载力评价指标体系,运用主成分分析法对南京市2003-2012年的水资源承载力水平进行比较分析和综合评价。结果表明:人口与经济发展、水资源禀赋、资源利用效率是影响南京市水资源承载力的主要因素;2003-2012年南京市水资源承载力基本呈不断上升的趋势,但在2004年出现了波动。总体上,目前南京市的水资源承载力的发展态势是良好的,但还是存在一定的上升空间。     

基于层次分析法的渭河流域水环境质量综合评价

渭河流域的水环境问题日益严重，已严重制约了区域的经济发展。本文应用层次分析法对渭河水体的水环境质量进行评价，确定其水质优劣次序，为污染优先控制奠定基础。     

基于改进模糊数学法的河流水环境质量评价

为克服传统河流水质评价方法结果失真、水质标准均化和主观任意性影响较大等缺点,选取2014-2016年大清河14个监测断面8个评价指标,运用改进模糊数学法与单因子评价法相结合的方法,进行水环境综合质量评价.结果显示:2014年及2015年不符合GB 3838-2002《地表水环境质量标准》中V类功能区标准的断面为新盖房、...