基于关联规则算法的水体污染预警研究

董文倩 张麒 彭佳红

摘要：关联规则是一种重要的数据挖掘技术，结合水体污染的特点，应用关联挖掘中的Apriori算法，分析水体污染排放量和水体中重金属含量之间的关系，同时分析工业、生活分别与水体重金属含量之间的关系，对水体重金属污染物有一定的预警作用。

关键词：数据挖掘；Apriori算法；水体污染；重金属；预警

中图分类号： TP301 文献标识码：A 文章编号：1009-3044（2014）25-5985-03

1 概述

随着社会经济的迅猛发展和工业化程度的不断提高，污染物的排放已使环境日趋恶化，直接或间接给生物的生存带来威胁，并危及人类健康。重金属污染与其他有机化合物的污染不同，具有富集性，很难在环境中降解。近年来，工矿业废水、生活污水等未经适当处理即向外排放，污染土壤和废弃物堆置场受流水作用，以及富含重金属的大气沉降物输入， 城市生活污水、工业废水和矿山开采、金属冶炼等所产生的污染物通过不同方式进入水中， 使水体中的重金属含量急剧升高，如随废水排出的重金属汞（Hg）、铜（Cu）、铬（Cr），导致水体受到重金属污染[1]。我国各大江河湖库普遍受到不同程度的重金属污染，其底质的污染率高达80.11%[2]，而且已经开始影响到水体的质量，严重影响着人类及其它生物的健康与生存。

数据挖掘是从大量的数据中提取隐含在其中的、人们事先不知道的、但又潜在的有用信息和知识的过程。数据挖掘得到的信息和知识的表现形式为规则、概念和模式等，它可以帮助决策者分析历史数据以及当前数据的特征和规律，以便进一步预测未来。[3]关联挖掘作为数据挖掘的一个重要研究分支，其主要研究目的就是从大型数据集中发现隐藏的、有趣的、属性间的规律，即关联规则。[4]本文采用数据挖掘的关联规则技术从现有的生活、工业两方面的废水排放量、化学需氧量排放量、氨氮排放量以及水体中汞、镉、铅的含量数据进行处理，并用关联规则中的Apriori算法获取相应的关联规则，形成水体污染预警知识，便于水体重金属污染的预防和治理。

2 材料与方法

2.1 数据来源

本文数据来源于2011年环境统计年报[5]。选取六个对于水体重金属污染有一定作用的影响因子：工业废水排放量、生活废水排放量、工业化学需氧量排放量、生活化学需氧量排放量、工业氨氮排放量、生活氨氮排放量，并选取了汞、镉、铅三种最具重金属代表性的元素作为分析因子，具体数据如表1所示。

2.2 关联规则及Apriori算法描述

1994年由R.Agrawal等人提出来的Apriori算法是关联规则挖掘的一个经典算法[6]，关联规则挖掘发现大量数据中项集之间有趣的关联或相关联系。关联规则侧重于确定数据中不同领域之间的联系，找出满足给定支持度和置信度阈值的多个域之间的依赖关系[7]。关联规则能够从大量数据的项集之间发现有趣的、频繁出现的模式、关联和相关性。为了在数据挖掘任务中得到有用的和可靠的规则，需要通过支持度和置信度两个阈值来保证。关联规则 X=>Y 在 D 中的支持度是 D 中事务包含 XUY 的百分比，即概率 P（XUY），它是对关联规则重要度的衡量，表示关联规则的频度。关联规则X=>Y 在 D 中的置信度是包含 X 的事务中同时包含 Y的百分比，即条件概率 P（X=>Y），它是对关联规则准确度的衡量，表示关联规则的强度[8]。Apriori算法的核心思想是把发现关联规则的工作分为两步：第一步通过迭代检索出事务数据库中的所有频繁项集，即频繁项集的支持度不低于用户设定的阈值；第二步从频繁项集中构造出满足用户最低信任度的规则[9]。对于满足最小支持度和最小置信度要求的关联规则称为强规则[10]。

2.3 数据处理

利用Weka软件，采用关联规则中的Apriori算法，对表1的数据进行处理，得到的关联规则如所示：

Apriori

Minimum support： 0.25 （2 instances）

Minimum metric： 0.9

Number of cycles performed： 15

Generated sets of large itemsets：

Size of set of large itemsets L（1）： 24

Size of set of large itemsets L（2）： 28

Size of set of large itemsets L（3）： 24

Size of set of large itemsets L（4）： 16

Size of set of large itemsets L（5）： 6

Size of set of large itemsets L（6）： 1

Best rules found：

1. Ammonia emissions from industrial='（-inf-29.82]' 3 ==> Mercury='（-inf-1.505]' 3 conf：（1）

2. COD emissions of industrial='（-inf-452.07]' 2 ==> Lead='（482.96-525.73]' 2 conf：（1）

3. Lead='（482.96-525.73]' 2 ==> COD emissions of industrial='（-inf-452.07]' 2 conf：（1）

4.Industrial wastewater emissions='（233.43-237.82]' 2 ==> Ammonia emissions from industrial='（-inf-29.82]' 2 conf：（1）

5. Industrial wastewater emissions='（233.43-237.82]' 2 ==> Mercury='（-inf-1.505]' 2 conf：（1）

6. Cadmium='（-inf-38.14]' 2 ==> Industrial wastewater emissions='（233.43-237.82]' 2 conf：（1）

7. Industrial wastewater emissions='（233.43-237.82]' 2 ==> Cadmium='（-inf-38.14]' 2 conf：（1）

8. Lead='（-inf-183.57]' 2 ==> Industrial wastewater emissions='（233.43-237.82]' 2 conf：（1）

9. Industrial wastewater emissions='（233.43-237.82]' 2 ==> Lead='（-inf-183.57]' 2 conf：（1）

10. Wastewater discharge life='（-inf-245.25]' 2 ==> Ammonia emissions from industrial='（39.9-42.42]' 2 conf：（1）

11. Cadmium='（102.46-inf）' 2 ==> Wastewater discharge life='（-inf-245.25]' 2 conf：（1）

12. Wastewater discharge life='（-inf-245.25]' 2 ==> Cadmium='（102.46-inf）' 2 conf：（1）

13. Lead='（482.96-525.73]' 2 ==> Wastewater discharge life='（-inf-245.25]' 2 conf：（1）

14. Wastewater discharge life='（-inf-245.25]' 2 ==> Lead='（482.96-525.73]' 2 conf：（1）

15. COD emissions of industrial='（-inf-452.07]' 2 ==> Mercury='（-inf-1.505]' 2 conf：（1）

相应的规则解释如下：

规则1：工业氨氮排放量<29.82万吨时，则汞排放量<1.505吨，置信度为100%；

规则2.3：工业化学需氧量排放量<452.07万吨时，则铅排放量<183.57吨，置信度为100%；

规则4：工业废水排放量为233.43-237.82亿吨时，则工业氨氮排放量<29.82万吨，置信度为100%；

规则5：工业废水排放量为233.43-237.82亿吨时，则汞排放量<1.505吨 ，置信度为100%；

规则6.7：工业废水排放量为233.43-237.82亿吨时，则镉排放量<38.14吨， 置信度为100%；

规则8.9：工业废水排放量为233.43-237.82亿吨时，则铅排放量<183.57吨， 置信度为100%；

规则10： 生活废水排放量<245.25亿吨，则工业氨氮排放量为39.9-42.42万吨 置信度为100%；

规则11.12：生活废水排放量>245.25亿吨时， 则镉排放量>102.46吨 置信度为100%；

规则13.14：生活废水排放量<245.25亿吨时，则铅排放量为482.96-525.73吨 置信度为100%；

规则15：工业化学需氧量排放量<452.07万吨时，则汞排放量<1.505吨 置信度为100%；

3 结果分析

由关联规则Apriori算法得出的15条规则结果分析，可以得到如下结论：

1） 重金属与氨氮排放量关系。当工业氨氮排放量<29.82万吨时，则汞排放量<1.505吨，说明工业氨氮排放量较低时，重金属元素汞的排放量低；

2） 重金属与废水排放量关系。当工业废水排放量为233.43-237.82亿吨时，则汞排放量<1.505吨，镉排放量<38.14吨，铅排放量<183.57吨，说明工业废水排放量较低时，重金属汞、镉、铅的排放量较少；当生活废水排放量>245.25亿吨时， 则镉排放量>102.46吨，说明生活废水排放量比较高时，重金属镉的含量比较高。生活废水排放量<245.25亿吨时，则铅排放量为482.96-525.73吨，说明当生活废水排放量比较高时，重金属铅的含量比较高。

3） 重金属与化学需氧量排放量关系。工业化学需氧量排放量<452.07万吨时，则汞排放量<1.505吨，说明当工业化学需氧量排放量比较少时，重金属汞的含量比较低。工业化学需氧量排放量<452.07万吨时，则铅排放量<183.57吨，说明化学需氧量排放量较少时，铅的排放量较少。

4 结论

水体中金属污染具有富集性、不可降解性等特点，已经对我国各大江河湖库造成了严重污染，影响人类和其他生物的健康和生存，因此，提高对水体中重金属污染的成因认识，了解水体污染物排放对几大重金属的影响，加强对水体重金属污染排放的控制，显得尤为重要。采用数据挖掘关联规则Apriori算法，对近十年来的全国污染物和重金属排放量数据利用weka进行离散化处理后，获取相关的关联规则知识，分析了工业、生活两方面的废水排放量、氨氮排放量、化学需氧量与水体重金属汞、镉、铅含量之间的关系 ，从而对水体重金属污染进行预警，对水体重金属污染的预防和治理的决策上起到了一定的指导作用，帮助控制环境污染。

参考文献：

[1] 邱小香，朱海燕.水体重金属的污染及其处理方法[J].湖南农业科学，2010（14）：34-35.

[2] 周启艳，李国葱，唐植成.我国水体重金属污染现状与治理方法研究[J].轻工科技，2013（4）：98-99.

[3] 李梅，张阳，蔡晓妍.关联规则挖掘在学生成绩分析中的应用[J].中国电力教育，2014（20）：94-95.

[4] 司晓梅.数据挖掘中关联规则的研究及应用[D].武汉：武汉理工大学，2007.

[5] 罗毅.中国环境统计年报2011[N].中国环境科学出版社，2012-12-1（1）

[6] 秦亮曦，史忠植.关联规则研究综述[J].广西大学学报：自然科学版，2005，30（4）：310-317.

[7] 吴昊.基于关联规则的道路交通事故数据挖掘的研究[D].长春：吉林大学，2005.

[8] 何兵.关联规则数据挖掘算法的相关研究[D].成都：西南交通大学，2001.

[9] 罗凤娥.基于Web的农业数据挖掘平台技术研究[D].长沙：湖南农业大学，2010.