露天煤矿排土场地下水环境监测点优化.pdf

《露天煤矿排土场地下水环境监测点优化.pdf》由会员分享，可在线阅读，更多相关《露天煤矿排土场地下水环境监测点优化.pdf（7页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、http:/-1-露天煤矿排土场地下水环境监测点优化露天煤矿排土场地下水环境监测点优化 肖晗，刘志斌 辽宁工程技术大学环境工程教研室，辽宁阜新（123000）E-mail: 摘摘 要：要：为了长期监测地下水受污染情况，了解其变化规律，在满足地下水监测需要的基础上，应尽可能地节省费用。这就需要选取具有代表性的水井作为监测点，拟采用对应分析法研究监测点和监测项目内在俩逆向和他们之间的因果关系，以实现监测点的优化。本文通过大量真实可靠的数据对阜新市新邱露天矿地下水的 17 个监测点分为四类，选取有代表性的5 个监测点进行监测，大量节省人力物力，完成监测点的优化。关键词：关键词：地下水；监测点优化；对

2、应分析 中图分类号：中图分类号：X5 1 地下水污染区的监测点优化地下水污染区的监测点优化 1.1 监测点优化概述监测点优化概述 地下水水质监测点的布设是一个复杂的过程，它不仅要考虑排放污染物的主要流经途径的下游方向、可能影响到的范围及其敏感地区等，还要恰好深入地下污染层面。因此，为了长期监测地下水受污染情况、了解其变化规律，在满足地下水质监测需要的基础上，应尽可能地节省费用，这就需要选取具有代表性的水井作为监测点，同时去掉一些次要监测点，实现监测过程优化。目前常用的优化方法有聚类分析法1、主成分分析法2、对应分析法等3。阜新新邱露天煤矿排土场淋溶水对附近地区地下水造成了严重污染，为了确定污染

3、区范围，对附近区域 17 眼水井采样并进行了水质分析。为了研究监测点和监测项目的内在联系和它们之间的因果关系，运用对应分析法对它们内在联系和分布特征进行了分析，以实现地下水环境质量监测点的优化。1.2 对应分析法的基本原理及步骤对应分析法的基本原理及步骤 对应分析(Correspondence analysis)也称关联分析、R-Q 型因子分析，是近年新发展起来的一种多元相依变量统计分析技术，通过分析由定性变量构成的交互汇总表来揭示变量间的联系。可以揭示同一变量的各个类别之间的差异，以及不同变量各个类别之间的对应关系。主要应用在市场细分、产品定位、地质研究以及计算机工程等领域中。原因在于，它是

4、一种视觉化的数据分析方法，它能够将几组看不出任何联系的数据，通过视觉上可以接受的定位图展现出来。对应分析是由法国人 Benzenci 于 1970 年提出的，起初在法国和日本最为流行，然后引入到美国。对应分析法是在 R 型和 Q 型因子分析的基础上发展起来的一种多元统计分析方法，因此对应分析又称为 RQ 型因子分析。在因子分析中，如果研究的对象是样品，则需采用 Q 型因子分析；如果研究的对象是变量，则需采用 R 型因子分析。但是，这两种分析方法往往是相互对立的，必须分别对样品和变量进行处理。因此，因子分析对于分析样品的属性和样品之间的内在联系，就比较困难，因为样品的属性是变值，而样品却是固定的

5、。于是就产生了对应分析法。对应分析就克服了上述缺点，它综合了 R 型和 Q 型因子分析的优点，并将它们统一起来使得由 R 型的分析结果很容易得到 Q 型的分析结果，这就克服了 Q型分析计算量大的困难；更重要的是可以把变量和样品的载荷反映在相同的公因子轴上，这样就把变量和样品联系起来便于解释和推断。http:/-2-对应分析的基本思想是将一个联列表的行和列中各元素的比例结构以点的形式在较低维的空间中表示出来。它最大特点是能把众多的样品和众多的变量同时作到同一张图解上，将样品的大类及其属性在图上直观而又明了地表示出来，具有直观性。另外，它还省去了因子选择和因子轴旋转等复杂的数学运算及中间过程，可以

6、从因子载荷图上对样品进行直观的分类，而且能够指示分类的主要参数（主因子）以及分类的依据，是一种直观、简单、方便的多元统计方法。对应分析法整个处理过程由两部分组成：表格和关联图。对应分析法中的表格是一个二维的表格，由行和列组成。每一行代表事物的一个属性，依次排开。列则代表不同的事物本身，它由样本集合构成，排列顺序并没有特别的要求。在关联图上，各个样本都浓缩为一个点集合，而样本的属性变量在图上同样也是以点集合的形式显示出来。其基本步骤如下4,5,6。1.2.1 建立监测数据矩阵建立监测数据矩阵 设有 n 个监测点（样本），每个监测点监测 m 个污染物（变量），则原始监测数据矩阵为 X 如下所示，其

7、中ijx(i=1，2，n；j=1，2，m)为第 i 个采样点第 j 个污染物浓度。X=nmnnmmxxxxxxxxxLMOMMLL212222111211 1.2.2 对原始数据做标准化处理对原始数据做标准化处理 X 按行求和：=mjijixx1 i=1，2，n (1-1)X 按列求和：=niijjxx1 j=1，2，m (1-2)总和：=nimjijxT11 (1-3)1.2.3 对原始数据作对应变换对原始数据作对应变换 jijiijijxxTxxxz=i=1，2，n；j=1，2，m(1-4)其中，ijx为数据阵 X 中的元素，ijZ为新数据阵中的元素。1.2.4 矩阵矩阵 Z 的协方差阵的

8、协方差阵 R nmijTrZZR=)(1-5)http:/-3-其中，=nkkjkiijzzr1 i，j=1，2，m 1.2.5 R-型因子载荷阵型因子载荷阵 A 和和 Q-型因子载荷阵型因子载荷阵 B 首先求协方差阵的特征值i，并由大到小排列，即021 m，以及与其对应的特征向量ie（i=1，2，m）；然后确定临界概率临p（一般取 0.850.90），由临界概率确定主因子个数 k，使其累积贡献率临p，既：=mjikii11 临p (1-6)则 R-型因子载荷阵 A 为：A=kmkmmkkkkeeeeeeeeeLMOMMLL221122221211212111 其中，ije(i=1，2，m，j

9、=1，2，k)为主因子相应的特征向量。由于 R-型和 Q-型的非零特征值相同，上面所求出的特征值也是 Q 的特征值，Q 的特征向量ijv(i=1，2，n，j=1，2，k)为矩阵 B=TZZ的特征向量，从而到得 Q-型因子载荷阵 B：B=knknnkkkkvvvvvvvvvLMOMMLL221122221211212111 1.2.6 点图分类点图分类 R型的最大和次大的两个特征值1和2及其相应的特征向量为1e和2e，而 Q 型的最大和次大的两个特征值也是1和2，其相应的特征向量1v和2v，在Rm 空间以11e，22e分别记为 F1 和 F2，在Rn 空间以11v，22v分别记为 G1 和 G2

10、。于是，每一个污染物（变量）和监测点（样本）分别在因子平面 F1-F2 和 G1-G2 上对应于一点。使两个因子平面的两条直角坐标轴重合，这样，样本和变量点标在同一个因子平面上，并将邻近的样本点（监测点）和变量点（污染物）归为一类，从而可以进行优选样本点和变量点并对其进行解释和推断。http:/-4-1.3 研究区的地下水监测点优化研究区的地下水监测点优化 表 1-1 研究区各监测点位地下水水质分析结果（mg/L）Tab.1-1 Research area various test points position ground water analysis result 测点 总硬度 SO42

11、-Cl-溶解性总固体 高锰酸盐指数 NO3-N Na+1#193.5 54.6 41.6 420 0.90 16.20 14.00 2#157.5 62.4 15.6 320 1.08 6.40 15.00 3#193.5 80.6 36.4 650 1.17 9.60 17.00 4#139.5 63.2 62.4 670 0.75 19.80 27.00 5#306.0 109.2 80.6 650 1.05 27.40 16.00 6#501.0 261.3 38.7 829 0.87 23.56 26.19 7#744.0 208.8 177.5 1551 0.93 33.12 39.

12、34 8#1100.0 549.6 226.9 2111 1.48 30.95 57.51 9#929.0 408.7 109.0 1887 1.03 28.40 85.36 10#789.0 423.4 56.7 1068 1.34 18.85 58.27 11#1520.0 710.0 292.0 3036 1.34 37.39 40.78 12#859.0 317.4 195.2 1889 1.25 34.90 26.80 13#649.0 223.2 157.2 1402 1.56 30.38 55.30 14#1478.0 435.2 608.7 2490 1.53 42.86 10

13、3.58 15#647.0 364.2 35.5 984 1.30 6.66 36.25 16#623.0 291.1 137.8 1348 1.06 27.90 55.11 17#608.0 383.5 17.5 927 1.18 7.30 31.35 根据新邱露天矿排土场地下水各监测点统计资料见上表，将上表中的监测点和监测项目按公式（1-1）（1-4）进行计算。变换后德新数据矩阵 Z：=0015.00015.00013.00178.00423.00483.00148.00102.00042.00005.00046.00011.00003.00099.00012.00114.00016.00

14、167.00356.00375.00059.00089.00045.00028.00223.00953.00341.00096.00217.00063.00017.00093.00083.00207.00068.00189.00027.00012.00152.00051.00182.00074.00270.00110.00039.00048.00042.00088.00017.00136.00043.00009.00286.00318.00402.00251.00177.00039.00023.00072.00281.00007.00015.00064.00063.00016.00048.00

15、016.00155.00014.00049.00065.00016.00120.00109.00313.00010.00018.00091.00004.00098.00270.00220.00100.00043.00232.00032.00040.00096.00127.00048.00126.00166.00021.00321.00059.00238.00381.00005.00003.00050.00272.00116.00161.00224.00083.00018.00075.00040.00138.00033.00001.00218.00167.00045.00069.00010.00

16、170.00028.0Z 应用公式(1-4)(1-6)算得的特征值及其贡献率如表 1-2 所示。由表 1-2 可知，特征值1、http:/-5-2的累积贡献率已接近 0.85，故主因子个数 k=2。解得的载荷因子矩阵 A、B 如下。表 1-2 特征根及其贡献率 Tab.1-2 Characteristic root and technical progress factor 污染因子 特征根 贡献率 累积贡献率 1 0.0229 0.598 0.598 2 0.0096 0.251 0.849 3 0.0032 0.084 0.933 4 0.0015 0.039 0.972 5 0.0008

17、 0.021 0.9916 6 0.0002 0.005 0.9968 7 0.0001 0.003 1 以第一主因子 F1(G1)的载荷为横坐标,以第二主因子 F2(G2)载荷为纵坐标，将 17 个监测点(样本)和 7 个污染物(指标)标定在同一个直角坐标系上，如图 1-1 所示。经综合分析可知，污染物（变量）和监测点（样本）可以分为四类：第类包括 1、3、5、6、7、8、9、11、12、13、16 号监测点和 5、6、7 号污染物（高锰酸盐指数、NO3-N、Na+），第类包括 10、15、17 号监测点和 1、2 号污染物（总硬度、SO42-），第类包括 14 号监测点和 3号污染物（Cl

18、-），第类包括 4 号监测点和 4 号污染物（溶解性总固体）。其中，在第类中，1、3、5、6、8、9 号监测点与污染物偏离相对较远，可以去掉，在其余的点中，2、11、16 号监测点可选择 12 个，主要监测高锰酸盐指数和 Na+，7、12、13 号监测点可以选择12 个，主要监测 NO3-N；在第类中，15、17 号监测点偏离较大，可以去掉，10 号监测点主要监测总硬度和 SO42-；第类中 14 号监测点主要监测 Cl-；第类中 4 号监测点主要监测溶解性总固体。这样，通过对应分析，揭示出监测点和监测项目间的关系，最终实现二者优化。http:/-6-F1 F2 G1 G2=0115.0068

19、3.00072.00038.00024.00534.00606.00844.00122.00229.00160.00197.00012.00084.00242.00583.00189.00201.00092.00099.00247.00149.00002.00356.00082.00195.00433.00332.00378.00102.0016.00072.00134.00149.0B 16543210778912345611121314151617F1(G1)F2(G2)监测点污染物 图 1-1 对应分析因子载荷平面图 Fig1-1 Corresponding analysis facto

20、r loading horizontal plan 2.分析讨论分析讨论 应用对应分析法对研究区地下水水质监测点进行了分析，并将监测点和污染物同时反映到同一因子轴的图形上，使变量间、样本间、变量与样本间的关系变的一目了然，清晰直观地表述了监测点和污染物间的内在联系和分布特征。通过分类，去掉一些重复的监测点，并指出了主要的监测项目，可以在满足地下水质监测需要的基础上，既节省了监测费用，又减少了人力和物力需求，最终使监测点实现了优化。总之，对应分析法综合了 R-型(研究对象=0020.00020.00204.00197.00204.00013.00586.00284.00541.01106.000

21、36.00943.00431.00240.0Ahttp:/-7-是变量)和 Q-型(研究对象是样本)因子分析的优点，应用于监测点优化，具有一定的优越性。参考文献参考文献 1 梁伟臻,叶锦润,杨静.模糊聚类分析法优化城市河涌水质监测点J.环境监测管理与技术,2002,14(3):6-7 2 蒲文龙,郭守泉.主成分分析法在环境监测点优化中的应用J.煤矿开采,2004,9(4):6-7 3 王琳娜,张晋昕,沈秀廷.对应分析法在大气颗粒物微量元素分布特征研究中的应用J.中国公共卫生,1996,12(3):134-136 4Xiangxing Shen,Dongmin Li,Chong Shen.Eva

22、luating Chinas university library Web sites using correspondence analysis J.Journal of the American Society for Information Science and Technology,2006,57(4):493-500 5 马费成,李东旻.对应分析法对差异性网站评价的比较研究J.情报科学,2005,23(3):321-328 6 王琳娜等.对应分析法在综合评价中的应用J.上海预防医学,1995,7(2):63-64 Opencut coal mine row of depot gro

23、und water environment test point optimization Xiao Han,Liu Zhibin College of Resource and Environment Engineering,Liaoning Technical University,Fuxin,Liaoning(123000)Abstract Is polluted for the long-term monitor ground water the situation,understands its change rule,in satisfies in the foundation w

24、hich the ground water monitor needs,should as far as possible the saving of expense.This needs to select has the representative water well to take the test point,plans to use the corresponding analytic method to study the test point and the monitor project intrinsic pairs reversion and between them

25、the causal relation,realizes the test point optimization.This article divides into four kinds through the massive real reliable data to the Fuxin new Qiu strip mine ground waters 17 test points,the selection has the representative 5 test points to carry on the monitor,saves the manpower and resources massively,completes the test point the optimization.Keywords:The ground water,monitoring points optimization,corresponding analysis.作者简介作者简介：肖晗，女，1984 年生，硕士研究生，研究方向环境质量评价。