水厂水源水质监测及其评价探析构建

刘静

【摘要】论文针对水厂水源水质影响因素展开整理，结合水厂水源水质监测系统构建要点，包括SQL SERVER数据库设计、数据通信模块设计、信息处理模块设计、确定污染信息等级等，通过研究确定污染评价指标、计算各指标权重、进行事前检验、水质组合评价、进行事后检验等水质评价模型构建要点，目的在于积累有价值的应用数据，为后续水厂运营策略的拟定提供参考。

【关键词】水质监测;水源流速;数据通信模块

【DOI】10.12334/j.issn.1002-8536.2022.05.044

水作为维持机体生命特征的重要来源，供水安全性一直都是社会关注的重要内容。水厂作为饮用水处理的“第一道防线”，对于水源的处理质量，也将直接影响到区域居民的饮水健康。但是受到多方面因素影响，水源水质一直处于波动变化的情况，这也需要采取可靠措施来得到准确监测数据，以便于后续相关工作的展开。通过建立水厂水源水质监测及评价模型，可以对水源污染情况进行及时预警，采取对应措施进行处理，对于提高水源水质安全性，提高居民饮水安全性有着积极作用。

1、水厂水源水质影响因素分析

1.1降水影响

在讨论水源水质与降水关系时，可以通过分析水源地中氮元素含量、氨氮含量、NO3-、NH4+含量和NOx之间的关系。以氨氮和总氮指标为例，例如，某地区水源氨氮指标在降水前水质属于Ⅲ类水质，降水时水质属于Ⅳ类水质，而降水后水质属于Ⅲ类水质。该区域水源总氮指标降水前水质属于Ⅲ类到Ⅳ类之间的水质，在发生降水时水质属于Ⅳ类水质，而降水后水质属于Ⅳ类水质。由此可看出区域降水会使水源中总氮与氨氮含量增加，降水时间越长、降水量越大，带来的影响性也越明显。为了确保该地区供水水质的合规性，需要在治理活动中做好雨水排放管理，尤其是存在较多重工业或具有一定环境污染性的地区，城市道路中的雨水应考虑截留或存储处理，以此来降低雨水对于水质的影响性。

1.2上游来水影响

根据以往应用经验得知，水源水质也会受到上游来水的影响。安菱水务科技有限公司的取水地，上游有许多支流汇入，为了更好地验证水质和上游来水之间的相关性，选取氨氮指标、五日生化需氧量、高錳酸盐指数作为讨论对象，统计相关数据后展开相关性分析。根据分析结果可以得知，出水源地取水口与来水部分指标之前保持着良好的关联性，并且水源地取水口水质在一定程度上会受到上游来水的水质影响，例如，某地区上游来水水质属于Ⅲ类水质，而出水源地取水口水质属于Ⅲ类到Ⅳ类之间的水质，上游水质等级越高，出水源地取水口水质也会增加。为了确保该地区供水水质的合规性，需要在治理活动中做好上游水质质量控制，提高水源取水地和上游水源治理的联动性，以此来确保有关活动的顺利进行。

2、水厂水源水质监测系统构建要点

2.1 SQL SERVER数据库设计

在水厂水源水质监测活动中，所需要采集的数据种类、数量众多，因此需要建立相匹配的数据库，以满足后续的数据查询、提取等要求。SQL Server数据库在应用中属于关系数据库管理系统，依靠SQL语句来展开各类操作，满足不同情况下的应用需求，并且在数据库应用中，也具备了以下应用优势：1）高性能应用优势，能够充分发挥出WindowsNT应用优势;2）系统先进性较强，可以利用Windows图形化工具展开工作，同时系统可满足本地与远程管理需求;3）具备较强的事务处理能力，可借助各类方法来提高数据完整性，具备更强的应用价值。在数据库设计中，常见的分类指标包括设备名称、位置坐标、水体PH值、电导率、温度、浊度、溶解氧情况、设备编号等，可根据实际情况来做调整，以满足相应使用需求。4）存储优势强，水厂水源水质监测数据具有连续性、丰富性等特点，需要匹配存储性能较强的数据库，SQL SERVER数据库的应用，可以在短时间内对数据完成整理、分类、存储，并且在云数据库辅助下，可以储存海量数据，满足后续数据查询需求。

2.2数据通信模块设计

在进行数据通信前，需要借助不同类型传感器（如温度传感器、酸碱度传感器、浊度传感器、溶解氧传感器、电导率传感器等）来获取基础数据，而且利用多台数据采集器来获取采集信息，同时也需做好信息采集间隔设计，在数据传输前剔除重复数据、不完整数据，随后对这些数据进行打包整理，展开集中化处理。在通信系统应用中，它的工作是传递已采集的数据信息，同时数据通信系统还兼顾着调整指令、反馈信息传递工作，这也是稳定信息运行环境的重要保障。目前在数据通信系统应用中，主要预留的通信系统有线通信系统和无线通信系统两种类型，可根据地铁运行环境对参数进行合理选择。以无线通信系统的选择为例，在具体使用过程中，会使用到GPES网络技术、4G/5G通信网络技术、数据控制电台等结构来进行应用。需注意的是，数据通信系统在应用过程中也需注意抗干扰能力优化设计，以确保参数信息传递过程完整性。同时也需要做好通信格式统一处理，避免数据格式不统一带来的负面影响。另外，也需要设置信号兼容设备和转换设备，以提高信息传输结果的完整性与准确性。

2.3信息处理模块设计

2.3.1神经网络预测模型

由于水源地水质参数复杂多样，神经网络具有模糊信息处理优点，可通过水质参数之间的模糊关系建立输出和输入之间非线性模型，预测容氧量值，该模型应用流程如下：（1）网络结构的确定。在网络模型中，确定了神经网络输入和输出之后，为使仿真误差和网络性能都达到最佳，隐含层神经元个数通过经验公式来确定，常用公式为： ，其中m，a，b表示隐层神经元个数、输入神经元个数和输出神经元个数，n的数值一般会在1-10随机选择。（2）参数设置。根据选取的输入参数和输出参数值，隐含层神经元个数会利用上无数公式进行计算，而所得结果也会通过Sigmoid函数进行映射处理，使其可映射到（0，1）之间，随后输入到下一层。（3）对神经网络进行训练，在多次训练工作中积累学习经验，从而减少误差数值，提高分析结果准确性。过程中也会借助迭代算法、蚂蚁遗传算法来筛选学习内容，不断提高学习内容的复杂度与丰富度，这样也可以促使神经网络模型的快速升级，使其可以预测出更加准确的分析结果。9AD4D60A-5422-4593-85AF-B82A4E2257F3

2.3.2 ABC-BP预测模型

在数据分析过程中，也会使用到ABC-BP预测模型。此模型在应用中，主要使用ABC算法来对BP神经网络模型中的权值与阈值展开优化分析，以此提升网络预测结果精准度。在此模型应用中，主要流程如下：（1）搭建一个ABC-BP预测模型，细化模型相关参数。（2）利用种群和算法当中最新大循环搜索次数MCN，limit，对初始种群N展开初始化整理，在种群N中的解也会存在一个D维向量，此向量可记作Xi（i=1，2，3，...，n），表示其中存在的连接权值与阈值，维度D公式如下：D=i×n+n+n×a+a，在式中n、i、a表示隐层神经元、输入神经元和输出神经元数量。（3）雇佣蜂按照公式进行新解计算，以此得到各个解相匹配的适应度值，结合贪婪法来计算出新解 。（4）跟随蜂也会基于公式来计算收益率，根据收益率完成新解搜索，同时根据分析结果选择可靠新解，得到相应适度值。（5）对解更新失败次数进行整理，同时将统计结果与limit数值比较，如果统计结果大于limit数值，会借助新公式来计算新解，并对最优解进行保存。（6）对于循环次数进行判断，查看数值是否达到最大，如果已达到最大数值，则计算工作结束，反之返回步骤（3）。（7）对于BP神经网络展开训练，不断减少训练误差，提高模型分析结果可靠性。

2.4确定污染信息等级

为提升数据评价结果准确性，需提前确定污染信息等级。在具体划分活动中，将实测数据与标准数据对比，从中选择水质最差的类别作为评价结果，该方法评价相对简单，过程中也会使用到内梅罗指数法，该方法的应用思路在于先对不同因子的分指数进行求解，随后在计算出每一个分指数对应的平均值，根据所得计算结果来划分水质类别展开污染指数分级，参考分级指数为权重内梅罗标准污染指数。

具体分级结果如下：Ⅰ级：Q<0.55;Ⅱ级，0.55≤Q<0.69;Ⅲ级，0.69≤Q<1.00;Ⅳ级，1.00≤Q<3.53;Ⅴ级，3.53≤Q。

2.5监测中心设计

在整个监测系统设计中，也需做好监测中心设计，考虑该水厂水源监测过程所需监测事项较多。因此在监测活动中，会借助GPRS无线网络来辅助整个自动化监测活动。目前在信息技术不断完善的背景下，依托于光纤来加快信息传输速度，并將光纤与无线网络关联在一起，随后在GPRS技术应用背景下，也可顺利实现网络远程通信，搭配远程电源管理，提升所得监测结果可靠性。并且对监测软件进行选择时，主要以SMOS监测系统软件为主，此软件属于自动化水平较高的监测软件，能够支持多类型应用数据，期间多种类型系统可完成实时检核，并在软件辅助下加快数据分析，搭配实时差分改正技术，对现场中无规律的气象条件、外界条件进行分析，从而提高所得测量值准确性。另外，所建立的监控系统还需在短时间内处理多个监测任务，以此得到准确的计算结果，从而提升系统运行状态稳定性与安全性。

2.6数据发布系统设计

除上述提到的几类内容外，在实际应用中也需做好数据发布系统设计，主要工作内容是直面展示数据信息反馈情况，而且在已建立的系统中，也会根据实际应用情况，对在不同监测时期、水源不同位置处的参数信息进行整理，这样也可提高信息交互结果顺利性，提升数据处理结果可靠性。而且在互联网技术体系快速完善背景下，也可进一步加快信息传输速度，同时对提升数据传输质量也有积极的意义。现阶段所使用的分布系统主要以WEB平台为主，而且在设立web平台中，也会录入数量众多的HTML文本，并且对其他类型数据展开多形式呈现，从而满足不同状态下的检测需求，以提升所得数据信息的应用价值。

3、水厂水源水质评价模型构建要点

3.1确定污染评价指标

在对水厂水源水质评价模型进行构建时，首要任务便是确定污染评价指标，基于以往应用经验，所需设置的评价指标如下：（1）一般污染水平指标，在该项指标基础上展开进一步分析，可以细分为单项指标，即溶解氧指标、高锰酸盐指标、生化需氧量指标、氨氮指标和粪大肠菌群指标。（2）有毒污染水平指标，该指标在应用中则可以进一步细分，包括挥发酚指标、石油类指标、硝酸盐氮指标、氟化物指标、砷元素指标、汞元素指标、镉元素指标、六价铬指标、铅元素指标、氰化物指标。（3）富营养化水平指标，在此基础上可以得到相应的分指标，即叶绿素含量、总磷含量、总氮含量等。在完成基础指标整理后进入指标权重计算环节。

3.2计算各指标权重

为了确保所得指标权重计算结果准确性，需做好相应计算工作：（1）计算单项指标指数（记作ll），可以利用公式进行计算，具体计算函数如下：ll=[（Ca-Cai）/（Cai+1-Cai）]+Li，式中Ca表示第a项评价项目对应的实测浓度;Cai表示第a项评价项目所对应的i级标准浓度;Cai+1表示第a项评价项目所对应的i+1级标准浓度;Li表示第a项评价项目的i 级指数数值。（2）计算指标的综合指数（记作Q），该数值用来计算各单项指数对应的算术平均值，所用计算公式如下：Q=∑ni=1（Li/m），其中i=1，2，3，...，m，其中m表示参与到评价中的指标数。（3）做好细节方面处理工作，内容涉及溶解氧指标、多级标准值、有毒项目计算、富营养化化项目等。在对这些项目进行整理时，会使用到主成分分析法参与分析。以溶解氧指标分析为例，指标数值越大，所对应水质水平也越高。因此展开分析时，所使用到的计算公式与常规计算公式相反。而且水体中溶解氧浓度不会无限增大，会有一个饱和上限值，假定水体中上限饱和值为12.5mg/L，那么利用ll=[（Ca-Cai）/（Cai+1-Cai）]进行计算时，如果出现计算结果大于12.5mg/L的情况，那么ll全部记作为0[1]。

3.3进行事前检验

在实际应用分析中，也会使用到事前检验工作。在具体评价过程中，为确保最终评价结果准确性，会使用到多种评价模型来对得分值和排序情况进行汇总，从而得到相应计算结果。而目前使用综合污染指数法所得到的评价结果，会和既定评价值之间保持接近，而使用到的主成分分析法对应评价值处于变化程度较高的情况，但是两者理论上会处于非常接近的状态，如果出现差异性非常大的情况，那么此时则可以使用斯皮尔曼等级相关系数来完成事前检验，从而评价两种方法是否保持一致性，一般所得数据分析结果在区间（0，1），所得数值越接近于1，那么所得结果相关度越高[2]。9AD4D60A-5422-4593-85AF-B82A4E2257F3

3.4水質组合评价

完成上述工作内容后，进入到水质组合评价工作。在具体分析活动中，也会使用到模糊 Borda 法来搭建评价模型。并且在模型应用中，会对评价得分差异进行整理，并对排序名次进行考量，具体评价过程如下：（1）计算隶属度，基于相应计算公式来完成模糊频数和模糊频率计算，得到基础数据。（2）对所得到的数值进行排序，多按照由大到小顺序进行整理。（3）利用公式来计算Borda数值，随后对其进行排序，期间也会使用3.3中的算法来综合组合模型，以此提高水质组合评价结果可靠性，满足相应使用需求[3]。

3.5进行事后检验

完成上述工作内容后，进入到事后检验阶段，此阶段主要工作在于客观评价分析结果可靠性，并利用各种公式来完成参数评估，以提高分析结果的可靠性与实用性。具体计算公式如下：① S=∑ni=1Ri2-1/n（∑ni=1Ri）2，②W=S/（1/nK2（N3-N））。将相应数值代入到其中后，可以得到肯达尔相关系数，一般所得数据分析结果在区间（0，1），所得数值越接近于1，结果相关度越高[4]。

3.6拟定应对措施

根据得到的评价结果，来讨论目前水厂水质中存在的问题，围绕问题来拟定应对措施，起到不断优化水厂供水水质的作用。在措施拟定过程中，应满足以下原则：第一，针对性原则，对于评价中发现的水质问题，如氨氮含量过高、NO3-、NH4+含量超标、浊度偏大等，那么在应对处理措施时，需要确保所拟定措施可以针对性解决此类问题，有序改善水厂生产环境。第二，关联性原则，经过上文分析可以得知，氨氮含量、NO3-、NH4+含量和NOx之间存在一定的关联性，因此在拟定应对措施时，可以考虑这些内容之间的相关性，采取综合性较强的处理措施，以此来减少问题处理成本，加快问题的处理速度。

结语：

综上所述，在开展水厂水源水质监测及评价活动时，需建立相匹配的应用模型，在模型具体应用中，需对各分项内容进行整理，做好各分项内容整理和细化工作，不断提高分析结果细化度。一方面，可以获取更加准确的监测数据和评价数据，了解目前水源水质情况;另一方面，能从中筛选出价值数据，为后续决策活动快速推进奠定良好基础。

参考文献：

[1]何建强，韩美林，陈垚.基于ABC-BP模型的丹江水源地水质监测系统设计[J].计算机测量与控制，2021，29（12）：39-45.

[2]马秋乐.农村饮用水源河道水质状态及富营养化特征研究[J].水利科学与寒区工程，2021，4（6）：24-28.

[3]肖凯.水质自动监测技术在水环境保护中的应用[J].化工管理，2021（32）：44-45.

[4]古正光.基于物联网的水源水质监测技术探讨[J].中华建设，2021（11）：140-141.9AD4D60A-5422-4593-85AF-B82A4E2257F3