1.2　水质综合评价研究现状

水质综合评价可以为水体进行科学管理和污染防治提供决策依据，根据各水质指标，对水体的水质等级进行的综合评定，对地区水资源可持续利用具有重要意义。其主要任务是评价水质优劣并对其进行分析得出水质变化规律。在进行水质综合评价时，要求定量反映水质优劣。评价依据为国家或地区制定的水质分级标准、水质监测资料，评价手段为数理统计、人工神经网络、模糊数学等。

国外水质评价工作最先开始于德国、美国等发达国家。早在20世纪初，德国的科学家发起了水环境质量评价体系的分类方法研究，主要采用的是生物学方法。而后英国科学家最先提出了使用化学性水体指标对河流的水质优劣进行分级。美国也是进行水质评价研究比较早的国家，20世纪60年代Horton在对水环境质量进行评价过程中首次提出了质量指数的概念，随后Rvown R M等提出了水环境质量指数，并应用到实际水体的水质评价实例计算，得到较好的效果。水环境质量评价工作在我国起步较晚，但发展至今，在水质评价理论与方法的研究工作中已经积累了丰富经验，同时也获得一些突出的研究成果，为水质科学管理和水资源合理利用做出了巨大的贡献。

目前，国内外已存在多种多样的评价方法，主要分为单因子评价法、多因子综合评价法、数学模式计算法三个大类。其中单因子评价法计算过程方便简单，但不能综合地对水质进行评价，考虑的水质评价因子单一；多因子综合评价法主要包含有机污染物指数法、水质综合评价法、内梅罗污染指数法等，主要优点为可以进行比较简单的水质综合评价，但有些方法存在适用的评价范围较小、不够客观或对污染状况评价结果偏重等问题。目前，研究较多的主要是数学模式计算法，属于多指标综合评价范畴，而在多指标综合评价或分析的过程中，指标数量多，计算效率低，多指标间相关性复杂，是研究的主要制约问题。数学模式计算法包括主成分分析法、层次分析法、模糊水质评价法、灰色评价法、聚类分析法和BP人工神经网络法等。

① 主成分分析法　也称为主分量分析法，是指在尽可能保证数据丢失最少的原则下，将多维变量分析问题转化为低维综合变量分析问题的方法。其基本原理是通过数学方法将原始指标体系转变为一些相互不相关联的综合指标，这些综合指标是原来多个指标的线性组合，并根据一定原则，筛选出尽可能多的包含原始指标体系信息的少数几个新指标。

② 层次分析法　运用层次分析的理论，将定性与定量相结合的，相对系统进行有层次的分析。水质层次分析法主要遵循的是最大权重的原则，根据综合权重来确定水质级别，对水质监测值进行分析评价。

③ 模糊水质评价法　该方法的理论基础是运用模糊数学，对水质评价中的污染程度、水质类别等模糊现象和模糊概念进行综合的、定量的评价。该评价法引用了模糊矩阵复合运算法。

④ 灰色评价法　主要原理是依据水质监测指标的浓度与各级水质标准的关联度大小，对其水质级别进行判定，主要包含了灰色聚类分析法、灰色关联分析法、灰色决策评价法等。

⑤ 聚类分析法　该方法根据对象之间的彼此相似程度达到“物以类聚”的目的，其中层次聚类分析法应用最为广泛。相似程度的计算包括样本间距离和小类间距离两类。聚类分析法在进行水质评价时，先按样本的相似程度进行聚类分组，再采用方差分析验证聚类分析结果的可靠性，最后结合采用综合水质标识指数法进行水体的综合水质评价，该方法具有简化计算、客观反映综合水质信息，分辨率高以及既可进行定性评价也可进行定量评价的特点。

⑥ BP人工神经网络法　主要是根据人脑或神经网络一些基本特点（自学习、自适应）的抽象化与模拟，进行分布式并行信息处理的算法数学模型。应用到水质综合评价的主要步骤为数据训练、内部连接作用的权重确定、监测数据进行分类综合评价。