淮河淮安段水质的多元统计分析

用主成分分析的方法,找出影响淮河淮安段2007年水质的主成分,计算各样本的主成分得分,用聚类分析的方法将样本水质分类,结合分类结果及水质综合评分对各样本水质进行评价。     

京杭大运河淮安段水质的多元统计分析

以京杭大运河淮安段4个水质监测断面2007年的水质监测数据为样本,用主成分分析的方法,找出影响京杭大运河淮安段水质的主成分,计算各样本的主成分得分,用聚类分析的方法将样本水质分类,根据水质综合评分公式,计算各监测断面各月份水质综合评分,结合分类结果及水质综合评分对各样本水质评价结果为：监测断面黄码大桥的水质最差;另3个监测断面1、3月份的水质最好;而监测断面板闸的水质又好于监测断面五叉河口及大运河桥的水质。     

投影寻踪法在水质评价模型中的应用

本文利用主成分分析来完成投影寻踪过程 ,建立了多指标分类模型。两个实例样本水质评判结果表明 ,用投影寻踪法可以揭示高维数据的结构特征 ,所建立的分类与综合评价模型不仅有效 ,而且结果简单、直观和易于理解。     

投影寻踪法在水质评价模型中的应用

本文利用主成分分析来完成投影寻踪过程，建立了多指标分类模型。两个实例样本水质评判结果表明，用投影寻踪法可以揭示高维数据的结构特征，所建立的分类与综合评价模型不仅有效，而且结果简单、直观和易于理解。     

模糊综合评价法及主成分分析法在额尔齐斯河水质评价中的应用

利用额尔齐斯河2010年监测数据进行水质评价。用模糊综合评级法对水质状况进行评价,判断水质级别;用主成分分析法判断主要污染物类型,确定各污染物的主要贡献率。并将两种方法的评价结果与单项指标评价结果相比较,结果表明：在水质评价中水质级别判断采用模糊综合评价法,水质主要污染物判断采用主成分分析法,用两种评价方法结合起来对水环境质量进行评价,结果较准确。     

张家河水质污染源分析

应用主成分分析法对张家河水质监测数据进行分析，获得了技术该河流断面水质的６个主成分。通过对这６个主成分分析，将污染物进行分类，从中推出该河污染来源。     

春季融雪补给后巩乃斯河水物理化学性质空间分布特征研究

在春季融雪补给后对巩乃斯河19个采样点8个水物理化学指标进行了监测,运用聚类分析(CA)、判别分析(DA)和主成分分析(PCA)方法分析了巩乃斯河水物理化学性质的空间分布特征.聚类分析结果表明,按各采样点之间河水物理化学性质的相似性可将巩乃斯河大致分为3个河段,分别代表河流的上游、中游和下游;判别分析的结果证实了此种分类的可靠性,并表明DO、Cl-以及BOD5是影响这种分类的显著性指标;主成分分析共提取了3个主成分,对应特征值的累积方差贡献率达到86.90%,表明影响河水物理化学性质的主要指标为EC、ORP、NO-3-N、NH+4-N、Cl-和BOD5.对各采样点的主成分得分进行排序,结果显示DO主要影响上游水质,p H主要影响中游水质,其余指标则是影响下游水质的主要因素.主成分综合得分的排序则表明上游水质最优,其次为中游,而下游最差,恰好对应聚类分析所划分的3个河段.人类活动及污染物的沿河积累可能是造成这种空间差异的主要原因.     

主成分分析法和模糊综合分析法在水质评价中的实例比较

在涉及众多因子的水质综合评价中,每种评价方法有其自身的优缺点。将模糊综合分析法与主成分分析法在实例中进行比较,通过比较得出主成分分析法能够客观地确定各个指标的权重,避免了随意性,也避免了计算过程中由于因子众多,数据复杂而造成的人工计算误差,使结果更加可靠。主成分分析将原来的众多的子转化为少数主成分,少数主成分综合的反映水质情况,且各主成分内不同因子之间的相关性关系也十分明确。     

基于主成分分析的喀斯特山区河流水质评价及水质时空特征分析:以贵州省张维河为例

为了探求喀斯特山区河流水质状况及水质时空特征,选取贵州省平寨水库的支流张维河上的8个监测点,于2017年8月—2018年5月,对13项水质指标进行分季节监测。通过SPSS软件,利用主成分分析法,从13项指标中降维得出影响张维河水质的4个主成分,根据各主成分的方差贡献率及主成分的得分进行分析。结果表明:张维河上游主成分综合得分为-4. 158,下游得分为4. 221,上游水质总体上优于下游;全流域冬季主成分得分为2. 327,夏季得分为-0. 787,枯水期污染情况比丰水期严重;点源污染与非点源污染并存,并且以点源污染为主。     

基于主成分分析的太湖水质时空分布特征研究

以太湖为样区,选取2003～2010年26个测站的9项水质参数,按年分组,分别对参数年均值进行主成分分析,得出前3个主成分的累计贡献率均大于85％,且第1主成分所包含的水质参数均相同.因此,用第1主成分来反映太湖水质状况.根据测站点位置,使用ArcGIS创建泰森多边形,以相应泰森多边形所占太湖湖区的面积比例为权重,计算站点第1主成分的面积比例加权值作为新的水质评价指标,并进行克里格插值研究水质时空分布状况.     

主成分和聚类分析应用于淮南矿区地下水水质评价

运用主成分方法分析淮南矿区23个地下水样的7个水样指标，提取出4个主成分，应用聚类分析对该4个主成分的得分进行聚类。在此基础上，将主成分得分与其对应的特征值相乘，得到水质综合评价指数。聚类分析后水样划分为5类，对每一类的水质综合评价指数取平均值，从而确定水质等级。     

环境监测优化布点的综合因子得分法

在主成分分析的基础上提出了一种新的环境优化布点的方法——综合因子得分法。该方法先将多维环境指标矩阵投影到其主成分空间,然后将其与对应的方差贡献率进行加权求得综合因子得分,综合因子得分值越大表示该监测点综合环境质量越差,根据综合因子得分值的大小就可对监测点样本集进行合理分类。应用实例表明,该方法用于环境监测优化布点,具有计算简便、快速,计算结果稳健,分析合理,易于推广等优点。     

用主成分分析法研究评价地下水质量——以邯郸市为例

运用主成分分析法(PCA)对邯郸市地下水主要污染指标年均值进行了探索性评价研究。分析结果表明,前5个主成分综合携带了全部信息的91.374%。通过对这5个新的综合指标进行分析,确定了地下水的主要污染物,同时根据其综合得分对地下水进行分级,分析了其变化趋势,为地下水资源的有效利用和保护提供了科学依据。     

长荡湖水质的因子分析

利用长荡湖4个监测断面数据进行分析,根据主成分分析结果,利用聚类分析对断面水质状况进行综合评价,总体看水质较好。并结合有机污染型的实际情况对控制湖体污染提出合理建议。     

乌梁素海污染现状及驱动因子分析

乌梁素海湖泊位于我国北方半干旱地区的河套灌区内,属于典型的草型浅水湖泊。由于所处地区的特殊水文气象条件与灌区的影响,乌梁素海的水环境污染问题必定有其特殊性,文章将实测的湖泊水质监测数据与空间数据结合,采用基于因子分析的主成分方法将乌梁素海的水质参数概括为5个主成分,即:污染特征指标、湖泊形态特征指标、植物生长环境指标、水体酸碱指标、水体藻类生物量指标。进一步分析讨论各主成分的意义以及结合地区特征指出湖泊污染的驱动因子,为湖泊水体的合理利用与污染的治理提供科学依据。     

主成分分析法用于环境质量评价的探讨

文章将主成分分析法用于某河流水质评价,得出该河流历年水质变化趋势,但得到的水质评价等级却与实际情况不符。通过对主成分分析法原理进行研究,得出两个结论:主成分分析法可用于比较不同时间或不同地点的环境质量优劣;主成分分析法不能评价出环境质量等级。这主要是由主成分分析法的本质特点所决定。     

长春南湖环境水化学动态变化及其影响因素分析

应用最大方差旋转因子分析法分析了长春南湖2004年监测的10项水化学指标,提取到三个主因子代表原信息的90.23%,利用24个观测量在第一和第二主因子上的得分对其进行聚类,各观测量均聚到相应月份中.结果显示在时间变化上7月富营养化程度最高,8月水体有机污染程度相对较低,分析水质在空间分布上的特征中得到,外源污染对水体质量影响深刻,不同监测点位的有机物污染和富营养化程度存在较大差异.