矿区地下水质量评价及预测∗

苗鑫淼王 飞公 亮

(1.中国矿业大学资源学院,江苏省徐州市,221116; 2.四川省地质工程勘察院,四川省成都市,610000)

矿区地下水质量评价及预测∗

苗鑫淼1王 飞2公 亮1

(1.中国矿业大学资源学院,江苏省徐州市,221116; 2.四川省地质工程勘察院,四川省成都市,610000)

为了保证矿区合理、安全利用地下水资源,科学选取水源井位置,实验选取西部某矿区21个水样点,分别利用模糊模式识别法、熵权模糊综合评判法等方法,对矿区地下水水质等级进行了评价,并预测了矿区水质演化趋势。结果表明,模糊模式识别法对矿区地下水水质的评价更为合理,其评价结果为今后矿区水源井位置的选取提供了参考和依据。

模糊模式识别模型 相对隶属度 地下水质量 水质演化预测

随着矿区生产规模的不断扩大,其对地下水的需求量也在持续增大。地下水资源不合理的开发利用,往往会导致地下水水位下降、水质恶化等环境问题,制约了矿区的发展,影响了矿区群众的生活。因此,为保证矿区合理、安全利用地下水资源,需要对地下水尤其是饮用水质量做出科学可靠的评价及预测。

国内外目前针对地下水的质量评价方法主要有单因子评价法、灰色聚类评价法、多元统计分析法、内梅洛综合指数法和模糊综合评判法等。由于以上方法在评价模型、评价标准和评价内容等方面存在差异,因此其对地下水质量评价的过程和结果各有不同。地下水质量评价是一个典型的模糊概念,需依据模糊数学的方法将研究系统中水质类别、分类界限和污染程度等模糊概念通过隶属度加以量化。通过对模糊综合评判法进行改进,对矿区第四系含水层进行了水质评价及预测,并为矿区第四系饮用水水源地位置的选取、开发与利用提供了科学依据。

1 模糊模式识别模型的建立及其评价

1.1 水质评价样本及标准的确定

根据矿区水源井的实测资料建立污染物实测样本矩阵:

式中:m、n——评价指标和实测水源井的样本数;

xij——第j个水源井中第i个评价指标的实测值,i＝1,2,…,n;j＝1,2,…,n。

根据《地下水质量评价标准》对m项指标进行分级标准评价,评价等级分为5级。

1.2 确定模糊关系矩阵

在水质评价过程中,由于水质污染程度和水质分级标准都是模糊的,因此采用相对隶属度对其进行刻画是合理的。按各指标隶属各水质等级,可以规定指标i的m级标准值对污染的相对隶属度为:

式中:yim——指标i的m级标准值对污染的相对隶属度。

对于实测浓度值愈大污染愈重的指标i,其对于污染的相对隶属度为:

式中:rij——指标i对于污染的相对隶属度。

根据各因子的隶属函数,依次计算,得出实测指标相对隶属度与指标标准相对隶属度矩阵Rm×n＝(rij)以及指标标准相对隶属度

1.3 建立权重模糊矩阵

由于取样点不同,评价指标的重要性可能不同,因此在模糊矩阵的建立中,需要考虑评价指标的权重。矩阵Wm×n＝(wij)给出样本超过环境标准的相对隶属度,隶属度不仅可以表示为权重,也可以描述超标指标的权重:

式中:xi——第i种评价指标的实测值;

Wi——权重因子,Wi≥0;

ɑij——第j个水源井中第i个评价指标的允许浓度值。

水源井以相对隶属度zhj隶属于h级环境标准,则有水源井对于环境标准相对隶属度矩阵Z5j＝(zhj),满足的约束条件为:≤1。由矩阵Rm×n、Sm×5可知,实测水源井j的i个评价指标相对隶属度rij分别与评价指标标准相对隶属度sih行向量逐一进行比较,可得评价指标每个相对应级别的区间,区间的上下限为minb1j和maxc1j。则样本与评价标准间的差别用权距离法来计算表示:

式中:dhj——第j个水源井与评价标准级别h的广义权距离;

sih——环境标准为h级的评价指标标准相对隶属度;

p——距离参数,取欧拉距离2;

θi——第i种指标的权向量。

建立相对隶属度zhj对模糊事件A的最优相对隶属度目标函数:

式中:α——优化准则参数,取2或1;

zhj——第j个水源井对于环境标准级别h的相对隶属度;

bj——第j个水源井的级别下限值;

cj——第j个水源井的级别上限值。

根据目标函数式和约束式构造拉格朗日函数,求得相对隶属度zhj对模糊事件A的最优相对隶属度公式:

结合式(4)(5)(6)(7),最终求得样本j对于h级环境评价标准的最优相对隶属度模糊模式识别理论模型:

式中:sik——评价指标标准对评价标准级别的相对隶属度;

wij——样本超过环境标准的相对隶属度。

2 基于熵权法的模糊综合评判

熵值赋权法是通过各评价指标的检测值构成的判断矩阵来确定各指标的权重的方法。由于其弱化了因子权重的主观性影响,可以使评价结果更趋近于实际情况。

权重具体计算过程如下:

(1)建立构造判别矩阵:

(2)将判断矩阵进行归一化处理,得到归一化的判断矩阵:

式中:Hj——第j个水源井的归一化判断矩阵;

fij——归一化的判别函数;

bij——归一化判断矩阵元素;

xmin——j个不同水源井中的第i评价指标的最差值;

xmax——j个不同水源井中的第i评价指标的最优值。

为使lnfij有意义,须假设当fij＝0时,fijlnfij＝0,又因为当fij＝1时,fijlnfij＝0,为了与熵的含义不相悖,对fij修正为:

(3)计算评价指标的熵权

式中:kj——样本j的熵权值。

因此得到权重向量K＝(kj)1×n

3 矿区第四系地下水质量评价

为了系统全面地调查矿区松散层的水质情况,在矿区范围内共选取了21个样本点。以《地下水质量标准》作为评价依据,分别对各水样点的总硬度、铁、锰、铜、锌和挥发酚类等21项指标进行评价,这些指标均是数值愈大污染愈重的指标。

通过分别计算得出模糊识别模型的判别矩阵zhj,在综合考虑最大隶属度原则的基础上,得出研究区各水样点的地下水质量分级情况,见表1。

表1 模糊模式识别法评价结果

4 评价结果综合分析

从模糊模式识别法计算出来的结果显示,4＃水样点、11＃水样点、17＃水样点和21＃水样点的综合水质最好,其他取样点水样次之。通过与水质单项指标评价结果相比较,模糊模式识别法的评价结果使水质级别趋于平均化。个别取样点虽然某些指标严重超标,但总体评价结果却是Ⅲ级。而模糊模式识别法与内梅洛指数法、熵权法模糊综合评判法的评价结果相比,其水质的评价等级在总体上优于其他两种方法的评价等级,具体评价结果见表2。

内梅洛指数法易受控于某项高污染评价指标,评价结果往往向污染严重方偏离;熵权法模糊综合评判法由于其模糊算子采用相乘取大的原则,突出显示了水质评价指标中超标的指标,导致评价结果也会向污染重的方向偏离;模糊模式识别法在对评价指标标准的相对隶属度划分中,不能很好的区分Ⅳ类和Ⅴ类,从而导致某些评价结果向污染轻的方向偏离。综合分析以上几种方法可知,模糊模式识别法得出的评价结果更能客观的反映实际水质情况。

表2 水源地地下水质量评价结果分析表

5 水质演化趋势预测

水质预测是对地下水资源进行规划、评价与管理工作的基础。由于水质评价系统具有灰色性,故分别将水质样本指标与水质分级标准指标组成参考数列与被比较数列,用灰色关联度表示样本与各级别的贴近程度,运用广义加权距离构造目标函数,进而建立水质综合评价模型。

根据灰色模式计算步骤,结合矿区的实测数据可以预测出未来3年内氨氮、铁、锰、氯化物、硫酸盐和氟化物6种污染物的浓度值。预测结果见表3。

表3 矿区污染物浓度预测值

从预测结果可以看出,矿区第四系水氯化物浓度、矿化度和氟化物等3种水质指标在3年内均会出现超标现象。

6 结论

在对矿区用水条件进行调查取样的基础上,分别运用了内梅洛指数法、熵权模糊综合评判法、模糊模式识别法对西部某矿区第四系水质进行了综合评价。评价结果表明内梅洛指数法和熵权模糊综合评判法由于强化了评价指标主要污染因子的作用,使得其他污染指标贡献率得到弱化或者丢失,故水质总体上较差;而模糊模式识别法考虑了评价指标的相对隶属度的优化,使得评价结果更加符合实际情况。

从水质评价本身存在着灰色性的特性出发,建立了基于加权距离法的灰色理论模型,对矿区水源井的水质进行预测,矿区第四系水氯化物浓度、矿化度和氟化物等3种水质指标在3年内均会出现超标现象。

通过分析研究,为矿区今后饮用水水质评价以及水源井位置的选取提供了合理的方法。结合水质取样点在矿区的分布位置以及水质评价结果,建议矿区今后的水源井向4＃水样点、11＃水样点、17＃水样点、21＃水样点方向布设;矿区其他区域取水时,建议采用阳离子吸附等方法对水源井进行水质处理,使其满足相关标准,保证矿区用水安全。

[1] 孟宪萌,胡和平.基于熵权的集对分析模型在水质综合评价中的应用[J].水利学报,2009(3)

[2] 刘燕,吴文玲,胡安焱.基于熵权的属性识别水质评价模型[J].人民黄河,2005(7)

[3] 李喜林,王来贵,赵奎等.矿井水水质评价中模糊综合评价法的改进及其应用[J].水资源与水工程学报,2009(5)

[4] 赵春虎.蒙陕矿区采煤对松散含水层地下水资源影响的定量评价[J].中国煤炭,2014(3)

[5] 谭博,高艳卫.基于多元统计分析的矿井水源的Bayes逐步判别及混合模型[J].中国煤炭,2013(5)

Groundwater quality evaluation and prediction in a mining area

Miao Xinmiao1,Wang Fei2,Gong Liang1
(1.College of Resources,China University of Mining and Technology,Xuzhou,Jiangsu 221116,China; 2.Geological Engineering Investigation Institute of Sichuan Province,Chengdu,Sichuan 610000,China)

In order to ensure reasonable and safe using groundwater resources,and ensure scientific selecting the location of water well,the authors selected western mining area 21 water samples and assessed the mining area groundwater quality level by using fuzzy pattern recognition method and entropy fuzzy comprehensive review method,and then predicted the evolutionary trend of coal mine water quality.The results showed that the fuzzy pattern recognition method was more reasonable,and it provided a reference and basis for the selection of water well location in the future.

fuzzy pattern recognition mode,relative membership degree,groundwater quality,water quality evolution prediction

TD－993

A

苗鑫淼(1990－),男,山东枣庄人,中国矿业大学在读硕士研究生,研究方向为矿井水害防治、地下水资源评价。

(责任编辑 孙英浩)

国家重点基础研究发展规划(973计划)资助项目(2013CB227901)