Page 63 - 水资源保护技术与方法

Water Resources Protection Technology and Methods
水资源保护技术与方法

化为对不同水质类别的隶属程度。以某河流断面评价为例，选取COD、氨氮、总磷、
溶解氧、pH 值共 5 项指标，建立三级评价体系（Ⅰ ~ Ⅲ类为清洁，Ⅳ类为轻度污染，
Ⅴ类为重度污染）。采用层次分析法（AHP）确定权重：COD（0.3）、氨氮

（0.25）、总磷（0.2）、溶解氧（0.15）、pH 值（0.1）。通过隶属度函数计算
得到各指标对不同类别的隶属度矩阵，经加权平均后得出综合评价结果。某研究
团队运用该方法对长江某支流评价显示，其对Ⅱ类水的隶属度为 0.62，判定该河
段水质等级为Ⅱ类，与实际监测结果一致。

2. 灰色关联分析法
该方法通过计算各水质指标序列与参考序列（理想水质或标准水质序列）
的关联度，量化污染程度和确定主要污染因子。在黄河中游某流域评价中，选取
高锰酸盐指数、氨氮、总磷、氟化物等 10 项指标，以《地表水环境质量标准》

Ⅲ类水为参考序列。计算得出各指标关联度排序：氨氮（0.85）＞高锰酸盐指数
（0.78）＞总磷（0.72），表明氨氮是首要污染因子，为精准治理提供依据。灰
色关联分析法尤其适用于数据量少、信息不完全的场景，但权重确定主观性较强。
3. 人工神经网络评价法

以 BP（反向传播）神经网络为例，其通过输入层、隐含层、输出层的神经
元连接，模拟人脑神经元的信息处理过程。在珠江三角洲河网水质评价中，构建
“8—15—5”结构的三层神经网络：输入层包含溶解氧、COD、氨氮、总磷、pH 值、
电导率、浊度、高锰酸盐指数 8 项指标；隐含层设置 15 个神经元；输出层对应

5 个水质类别（Ⅰ ~ Ⅴ类）。经过 1000 次迭代训练，模型对验证集的预测准确
率达 92%，能够实时输出水质等级并预警污染趋势，为河网动态管理提供智能决
策支持。
在实际应用中，单一评价方法往往存在局限性。理化指标法可精确定量污染

物浓度，但难以反映生态效应；生物评价法能直观体现生态影响，却缺乏污染物
浓度数据；综合评价法虽全面，但计算复杂、参数依赖性强。因此，多方法联用
成为主流趋势。例如，在长江流域水质评价中，先通过理化指标快速筛查污染点
位，再用生物指数法评估生态损害，最后借助模糊综合评价法得出整体水质等级，

为“精准治污、科学治污”提供全方位数据支撑。 a

a 孙萍 . 水污染评价方法与治理探讨 [J]. 环境与发展，2018，30（8）：231，234.

46