主权项 |
一种钢铁联合企业废水排放源解析方法,其特征在于:(1)确定调查区域以突发污染事件或受纳水体中某种污染物质突然增加的区域作为重点调查区域;(2)水样采集与全分析将在污染水域采集的水样密封于采样瓶中,在实验室进行水质全分析;(3)建立污染物数据库在前期大量调研的基础上,采用统计方法对收集的数据进行整理归纳,建立污染物信息数据库,包括:钢铁联合企业信息、各工序污染物种类及含量、生产工艺信息和可能产生的污染物信息;(4)识别特征标识物根据生产工艺及废水处理工艺,对已产生的污染物和可能产生的污染物进行分析判断,找到具有代表性的特征污染物;(5)建立各工序废水排放特征的指纹谱图根据指纹谱图具有唯一性的特性,建立能反映各工序废水排放特征的指纹谱图,具体方法为:已知分析得出的样品数据矩阵D,推导出污染源指纹图谱S;其计算公式为:<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><msub><mi>D</mi><mi>i</mi></msub><mo>=</mo><munderover><mi>Σ</mi><mrow><mi>j</mi><mo>=</mo><mn>1</mn></mrow><mi>n</mi></munderover><msub><mi>C</mi><mi>j</mi></msub><msub><mi>M</mi><mi>ij</mi></msub><mrow><mo>(</mo><mi>i</mi><mo>=</mo><mn>1,2</mn><mo>,</mo><mo>.</mo><mo>.</mo><mo>.</mo><mi>m</mi><mo>)</mo></mrow><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>1</mn><mo>)</mo></mrow></mrow>]]></math><img file="FDA0000489084410000011.GIF" wi="1072" he="148" /></maths>式中:m—受体样品中污染物种类数;n—有n类污染源对受体样品有污染贡献;D<sub>i</sub>—受体样品中第i种污染物的浓度;C<sub>j</sub>——第j类污染源对受体样品的污染贡献率;M<sub>ij</sub>—第j类污染源中第i种污染物的浓度;<maths num="0002" id="cmaths0002"><math><![CDATA[<mrow><msub><mi>D</mi><mi>ij</mi></msub><mo>=</mo><munderover><mi>Σ</mi><mrow><mi>k</mi><mo>=</mo><mn>1</mn></mrow><mi>n</mi></munderover><msub><mi>S</mi><mi>ik</mi></msub><msub><mi>C</mi><mi>kj</mi></msub><mrow><mo>(</mo><mi>i</mi><mo>=</mo><mn>1,2</mn><mo>,</mo><mo>.</mo><mo>.</mo><mo>.</mo><mo>,</mo><mi>m</mi><mo>;</mo><mi>j</mi><mo>=</mo><mn>1,2</mn><mo>,</mo><mo>.</mo><mo>.</mo><mo>.</mo><mi>r</mi><mo>)</mo></mrow><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>2</mn><mo>)</mo></mrow></mrow>]]></math><img file="FDA0000489084410000012.GIF" wi="1206" he="164" /></maths>式中:m—受体样品中污染物种类数;n—有n类污染源对受体样品有污染贡献;r—采集的样品数;D<sub>ij</sub>—第j类样品中第i种污染物的浓度;S<sub>ik</sub>—因子载荷即污染源指纹图谱;C<sub>kj</sub>—因子得分即污染源贡献;将公式(2)表示为矩阵形式,有:D=S·C (3)式中:D为m行r列的样品数据矩阵;S为m行n列的污染源组成矩阵;C为n行r列的污染源贡献矩阵;由公式(1)可求得污染源的污染贡献C,根据式(3),求出矩阵S即污染源指纹谱图,将S用图形表示,横坐标代表污染源的污染物种类数,纵坐标代表上述得出的矩阵数值;(6)污染物来源解析初步判断:将水质全分析结果与污染物信息数据库进行对照,从而初步判断出污染源;精确解析:采用模糊聚类模型方法,Matlab软件编程,求出样品与指纹谱图之间的相似系数,根据最大隶属度原则,精确的解析出污染来源;模糊聚类模型方法的计算步骤为:a、将谱图信息转化为计算机能够接受的数量化矩阵设U={A<sub>1</sub>,A<sub>2</sub>,···,A<sub>n</sub>}为对受体样品有贡献的n类污染源,每个污染源含m种污染物,即A<sub>i</sub>={A<sub>i1</sub>,A<sub>i2</sub>,···,A<sub>im</sub>}(i=1,2,···,n),n、m是≥1的整数;于是,得到原始数据矩阵为:<maths num="0003" id="cmaths0003"><math><![CDATA[<mfenced open='(' close=')'><mtable><mtr><mtd><msub><mi>A</mi><mn>11</mn></msub></mtd><mtd><msub><mi>A</mi><mn>12</mn></msub></mtd><mtd><mo>.</mo><mo>.</mo><mo>.</mo></mtd><mtd><msub><mi>A</mi><mrow><mn>1</mn><mi>m</mi></mrow></msub></mtd></mtr><mtr><mtd><msub><mi>A</mi><mn>21</mn></msub></mtd><mtd><msub><mi>A</mi><mn>22</mn></msub></mtd><mtd><mo>.</mo><mo>.</mo><mo>.</mo></mtd><mtd><msub><mi>A</mi><mrow><mn>2</mn><mi>m</mi></mrow></msub></mtd></mtr><mtr><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd></mtr><mtr><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd></mtr><mtr><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd></mtr><mtr><mtd><msub><mi>A</mi><mrow><mi>n</mi><mn>1</mn></mrow></msub></mtd><mtd><msub><mi>A</mi><mrow><mi>n</mi><mn>2</mn></mrow></msub></mtd><mtd><mo>.</mo><mo>.</mo><mo>.</mo></mtd><mtd><msub><mi>A</mi><mi>nm</mi></msub></mtd></mtr></mtable></mfenced>]]></math><img file="FDA0000489084410000021.GIF" wi="615" he="285" /></maths>其中,A<sub>nm</sub>表示第n个污染源的第m个污染物的原始数据;b、对数据进行标准化处理,消除量纲的影响采用平移标准差变换法,对数据进行标准化处理,即:<maths num="0004" id="cmaths0004"><math><![CDATA[<mrow><msubsup><mi>A</mi><mi>ik</mi><mo>′</mo></msubsup><mo>=</mo><mfrac><mrow><msub><mi>A</mi><mi>ik</mi></msub><mo>-</mo><mover><msub><mi>A</mi><mi>k</mi></msub><mo>‾</mo></mover></mrow><msub><mi>S</mi><mi>k</mi></msub></mfrac><mrow><mo>(</mo><mi>i</mi><mo>=</mo><mn>1,2</mn><mo>,</mo><mo>.</mo><mo>.</mo><mo>.</mo><mo>,</mo><mi>n</mi><mo>;</mo><mi>k</mi><mo>=</mo><mn>1,2</mn><mo>,</mo><mo>.</mo><mo>.</mo><mo>.</mo><mo>,</mo><mi>m</mi><mo>)</mo></mrow></mrow>]]></math><img file="FDA0000489084410000022.GIF" wi="1110" he="171" /></maths>其中<maths num="0005" id="cmaths0005"><math><![CDATA[<mrow><mover><msub><mi>A</mi><mi>k</mi></msub><mo>‾</mo></mover><mo>=</mo><mfrac><mn>1</mn><mi>n</mi></mfrac><munderover><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>n</mi></munderover><msub><mi>A</mi><mi>ik</mi></msub><mo>,</mo><msub><mi>S</mi><mi>k</mi></msub><mo>=</mo><msqrt><mfrac><mn>1</mn><mi>n</mi></mfrac><munderover><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>n</mi></munderover><msup><mrow><mo>(</mo><msub><mi>A</mi><mi>ik</mi></msub><mo>-</mo><mover><msub><mi>A</mi><mi>k</mi></msub><mo>‾</mo></mover><mo>)</mo></mrow><mn>2</mn></msup></msqrt></mrow>]]></math><img file="FDA0000489084410000023.GIF" wi="1129" he="200" /></maths>经过变换后,每个变量的均值为0,标准差为1;c、建立模糊相似矩阵,求出样品与污染源数据的模糊相似系数R借用传统聚类的相似系数法计算A<sub>i</sub>与A<sub>j</sub>的相似程度r<sub>ij</sub>=R(A<sub>i</sub>,A<sub>j</sub>),<maths num="0006" id="cmaths0006"><math><![CDATA[<mfenced open='' close=''><mtable><mtr><mtd><msub><mi>r</mi><mi>ij</mi></msub><mo>=</mo><mfrac><mrow><msubsup><mi>Σ</mi><mrow><mi>k</mi><mo>=</mo><mn>1</mn></mrow><mi>m</mi></msubsup><msub><mi>A</mi><mi>ik</mi></msub><mo>·</mo><msub><mi>A</mi><mi>jk</mi></msub></mrow><mrow><msqrt><msubsup><mi>Σ</mi><mrow><mi>k</mi><mo>=</mo><mn>1</mn></mrow><mi>m</mi></msubsup><msubsup><mi>A</mi><mi>ik</mi><mn>2</mn></msubsup></msqrt><mo>·</mo><msqrt><msubsup><mi>Σ</mi><mrow><mi>k</mi><mo>=</mo><mn>1</mn></mrow><mi>m</mi></msubsup><msubsup><mi>A</mi><mi>jk</mi><mn>2</mn></msubsup></msqrt></mrow></mfrac></mtd><mtd><mrow><mo>(</mo><mi>j</mi><mo>=</mo><mn>1,2</mn><mo>,</mo><mo>.</mo><mo>.</mo><mo>.</mo><mo>,</mo><mi>n</mi><mo>)</mo></mrow></mtd></mtr></mtable></mfenced>]]></math><img file="FDA0000489084410000031.GIF" wi="988" he="180" /></maths>跟据最大隶属度原理,取最大相似系数,从而判断出污染物来源;(7)确定有效治理方案找到了污染物来源即排污单位,根据其排放的废水中污染物的特征,有的放矢的制定治理方案,并应用于现场实践。 |