多元统计分析技术在水质监测中的应用

《多元统计分析技术在水质监测中的应用》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第26卷第11期中国给水排水V0I．26No．1l2010年6月CHINAWATER＆WASTEWATERJun．2010多元统计分析技术在水质监测中的应用张旋，王启山，于淼，吴京(南开大学环境科学与工程学院，天津300071)摘要：基于聚类分析(CA)和判别分析(DA)探讨了水质空间差异的分析方法，旨在为水质监测网络优化提供参考。以香港新界西南部和九龙的五条河溪为例，对2000年_2007年的l6个监测点的23个水质监测指标进行了研究。首先利用层次聚类分析进行空间相似性分析，将16个采样点分为3类，分别代

2、表水质良好、轻度污染和重度污染类型。采用判别分析方法证明了聚类分析结果是可靠和有效的，逐渐筛选变量模式具有良好的指标降维能力，仅需考虑l0个显著差异性指标，即可达到96．1％的判断正确率。因此可从3类采样点中分别选择1个或多个典型的采样点，监测10个显著性污染指标即可全面反映该地区的水质特征，从而优化了水质监测网络。关键词：水质监测；聚类分析；判别分析中图分类号：X703文献标识码：C文章编号：1000—4602(2010)11—0120—04ApplicationofMultivariateStatist

3、icalTechniquestoWaterQualityMonitoringZHANGXuan，WANGQi—shan，YUMiao，WUJing(Co~egeofEnvironmentalScienceandEngineering，NankaiUniversiO"，Tianjin300071，China)Abstract：Basedonclusteranalysis(CA)anddiscriminantanalysis(DA)，ananalysismethodofthespatialvariationof

4、waterqualitywasdiscussedinordertooptimizethemonitoringnetwork．TakingfivewatercoursesintheSouthwestNewTerritoriesandKowloon，HongKongforexample，23monitoringparametersat16differentsitesfrom2000to2007werestudied．HierarchicalCAgrouped16monitoringsitesintothreeg

5、roups，namelyexcellent，lowlyandhighlypolluted．DAprovidedthereliabilityfortheresultofCA．Thestepwisemethodprovidedabetterdatareductionthanthestandardmethodbecauseitonlyused10parametersforspatialanalysis．affordingabout96．1％correctassignations．Therefore。itispos

6、sibletooptimizethemonitoringstrategyinthefuturewithonlyone(ormore)ofeachgroupofsam—piingsitesand10discriminantparameters，whichcanreflectthewaterqualityofthisarea．Keywords：waterqualitymonitoring；clusteranalysis；discriminantanalysis有效保护水环境，及时准确地反映水体水质和热点，国外在

7、海水、地下水和地表水等方面生态状况，都需要建立合适的水质监测网络。随着进行了大量的研究，国内的类似研究则相对较监测网络尺度的扩大，监测成本增加，同时也产生了少。笔者以香港新界西南部和九龙的5条河溪在庞大而复杂的监测数据。因此如何对长时问、多指2000年_2O07年的水质监测数据为实例，采用聚类标、多断面的大量监测数据进行有效分析，从中挖掘分析(CA)方法对各采样点水质的空间相似性进行有效信息，并以此来优化监测网络和确定水质监测了分析；并采用判别分析(DA)方法检验了CA法分指标，成为水质监测和评价的研究重点

8、和难点。多类的可靠性，识别出可反映水质空间差异性的显著元统计分析技术的应用有效解决了上述问题，目前，指标，以期为优化水质监测网络、合理确定水质监测多元统计分析技术在水质分析中的应用已成为研究指标提供理论依据。·120·张旋，等：多元统计分析技术在水质监测中的应用第26卷第11期1分析方法不进行研究，因此笔者主要考察其他16个采样断1．1数据特征分析及处理面，基本覆盖了整个研究区域，能有效揭示该区域的由于某些多元分