水质风险综合评判模型研究

董会娇

0 引言

水源是人们赖以生存和社会文化经济发展的基础，直接关系到人们的身体健康[1]。如今由于城市的快速发展，人们生活水平得到提高，工业、农业和生活污水排放前并未及时有效处理，导致城市水源污染严重[2-4]。由于水体水质污染严重，提前找出水质变化趋势，预测水质水污染风险变得水十分重要，水质风险评价已成为了现如今相关研究的热点[5]。

截止到目前，层次分析法、SPA法、模糊评价法等方法已被广泛应用到水质综合评价当中。杨渺等[6]采用了线性变换法，在钱塘江支流对水质进行了综合评价，指出线性变换法可大幅度降低工作量，同时其计算结果更符合客观实际；宋述军[7]基于模糊评价法对沱江流域地表水质进行了综合评价，通过建立不同指标的相对隶属度矩阵，计算不同指标的权重，得出沱江有3处达到重污染程度，结果具有一定的客观性；徐晨光等[8]基于SPA法建立了地表水质量综合评价模型，并以山东省为例，验证了模型的适用性，研究结果表明该方法具有一定的科学性；卢文喜等[9]基于层次分析法，得到了水质综合评价模型，算出的结果与实际状况相符。

目前针对水质综合评价的方法已有了部分研究，但这些方法多从主观意识出发，计算不同指标的主观权重，但得出的结果仅能反映人们的主观意识，对客观事实的反映并不全面，同时对水质风险综合评价的研究较少，本文基于改进信息熵权法及灰色聚类分析法建立水质风险综合评价模型，以实测水质数据为基础建立水质风险综合评价指标体系，对水质风险进行等级分类，得出的结果可为水质治理措施的制定提供科学依据。

1 研究方法

1.1 信息熵权法

本文基于改进信息熵权法对水质风险进行评价，同时发出100份问卷调查，调查不同专家学者对各指标权重的评定，将信息熵权重（客观权重）与专家权重（主观权重）进行综合，得出综合权重，该权重既可以反映客观事实，也可反映主观专家意见，具有一定的代表性，客观权重与综合权重计算过程如下：

假设有m个对象，n个被评价指标，熵定义为：

式中：Hj代表计算的信息熵；m为评价对象个数；n为待评价指标个数；bij为计算的相对隶属度；fij为相对隶属度所占比例。

对各项指标进行无量纲化处理，得出相对隶属度：

式中：bij为所求的相对隶属度；aij为每个计算指标；ajmax为某项指标最大值；ajmin某项指标最小值。

计算第j项指标的变异度：

式中：Dj为所求的变异度；Hj代表指标的信息熵。

计算该指标所对应的熵权重（客观权重）：

式中：ωbj为所求的客观权重；Dj为某项指标的变异度。

根据专家经验得出的主观权重与计算得出的客观权重，得出综合权重：

式中：ωj为所求的综合权重；ωaj为通过问卷调查所得的主观权重；ωbj为所求的客观权重。

1.2 灰色聚类分析法

不同水质指标划分采用《地表水环境质量标准》（GB3838-2002）为依据。作为多指标评价，各评价指标由于量纲及标准值取值范围的差异性，使得评价过程中部分指标的作用被削弱或者忽略，因而依照相关分级标准将水质风险划分为V1、V2、V3、V4、V5五类灰类区间，分别对应低、中、高、较高、极高风险等级。假设共有n个风险等级，不同分级划分区间确定过程如下：

（1）当k=1时，对应等级指数型函数为：

（2）当2≤k≤n-1时，对应等级指数型函数为：

（3）当k=n时，对应等级指数型函数模型为：

公式中 i=1,2,3…m；j=1,2,3…l；，Mij表示第 j年内、第 i个指标的评分值；Mimax、Mimin定义为第i个指标评价等级标准值区间上限、下限值；Mi(k,1)和Mi(k,2)分别代表第i个指标对应K类风险等级标准值下限和上限，评价区间定义为[Mi(k,1),Mi(k,2)]。

1.3 水质风险评价指标体系构建

本文将水质风险评价指标体系分为3个方面，分别为水环境方面、生态环境方面和水中沉积物方面，具体指标体系见图1。分别选取总氮含量C11、总磷含量C12、氨氮含量C13、高锰酸盐指数 C14、挥发性酚 C21、COD 含量 C22、BOD 含量 C23、浮游生物指数C24、石油类C31、六价铬含量C32、有机碳含量C33、硫化物 C34共12项指标，综合判定区域水质风险，并给出风险等级划分。

图1 水质风险评价指标体系构建

2 工程实例分析

试验区域位于河北省唐山市，以当地实测数据为依据，分析2009年、2011年、2013、2015和2017年5年的数据，根据式（3）确定不同指标的相对隶属度矩阵，结果见表1。根据表1中的数据，可根据统计数据的客观性与2.1节中的公式计算各指标的客观权重，与专家调查的主观权重相比，信息熵权法计算结果基本与主观权重一致，由主观权重和客观权重，可综合得出第三层指标的初始综合权重，结果见表2。

根据表2中的数据，综合得出第二层指标的相对隶属度矩阵，从而计算出第二层指标的计算权重，其中水环境指标的权重为0.37，生态环境指标的权重为0.33，水中沉积物指标权重为0.30。根据第二层指标权重与第三层指标的初始综合权重，求得第三层指标的最终权重，结果见表3。

表1 第三层指标相对隶属度矩阵

表2 第三层指标初始综合权重

表3 第三层指标最终综合权重

表4 不同年份水质风险排名

根据表4中的结果可知，将不同年份的水质风险综合评价结果按最大到小排列依次为：2009年0.919、2011年0.684、2013年0.388、2015年0.240和2017年0.040，表明该区水质风险逐年降低，水质呈现逐年变好的趋势，尤其是2009年之后，上升显著，与当地实际情况相符，因此计算过程正确，该方法具有一定的科学性。

结合《地表水环境质量标准》提出的地表水质指标限值，通过公式（7）～（9）计算得出适用于水质风险综合评价分级标准，见表5。根据不同水质指标的相对隶属度矩阵与综合权重，可得出基于信息熵理论的各项水质指标综合评价指数，结果见表6。

表6显示，水质风险呈逐年降低趋势，尤其在2017年达到了无风险级别，而在2009和2011年的水质风险较高，达到了极高风险等级，表明近几年水环境系统有了很大程度的改善，水质防治措施实施效果显著。

表5 江苏省滆湖地表水质量综合评价指数分级标准

表6 江苏省滆湖不同分区地表水质量综合评价结果

3 结论

本文基于信息熵权法与灰色聚类分析法的综合分析方法，构建了水质风险综合评价模型，建立了水环境方面、生态环境方面和水中沉积物方面3个层面共12项指标的评价指标体系。通过计算不同指标的综合权重和风险级别判定区间，得出不同时间水质风险级别，该方法最大程度上消除了评价方法的主观性，同时对2009、2011、2013、2015和2017年的水质风险等级进行了评价，指出2017年的水质风险最低，达到了无风险级别，符合实际要求，证明了该方法的准确性。

[1]李慧.黑河流域水质评价及变化趋势分析[D].兰州理工大学，2010.

[2]Lau SSS,Lane SN.Biological and chemical factors-influencing shallow lake eut rophication:a long-term study[J].The Science of the Total Environment,2002,288:167—181.

[3]Zhou M,Shen Z,Yu R.Responses of a coastal phytoplankton community to increased nut rient inputf rom the Changjiang(Yangtze)River[J].Continental Shelf Research,2008,28:1483—1489.

[4]朱剑锋.淀浦河水体中氨氮、总氮和总磷污染变化趋势及相关性分析[J].北方环境，2013，(6)：155—159.

[5]吴义锋，薛联青，吕锡武.基于未确知数学理论的水质风险评价模式[J].环境科学学报，2006，26(6)：1047—1052.

[6]杨渺，谢强，王维，等.基于线性变换的水质综合评价方法[J].长江流域资源与环境，2015，24(1)：156—161.

[7]宋述军，周万村.沱江流域地表水水质的模糊综合评价[J].水土保持研究，2007，14(6)：128—130+134.

[8]徐晨光，艾尼瓦尔·艾买提，杜青辉.基于SPA和信息熵的可变模糊集水质评价方法[J].人民黄河，2013，35(6)：56—58.

[9]卢文喜，李迪，张蕾，等.基于层次分析法的模糊综合评价在水质评价中的应用[J].节水灌溉，2011，(3)：43—46.