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。     

宜宾市“九河”水质评价及综合分析

文章应用综合污染指数法和主成分分析法对2003年宜宾市“九河”水质监测数据进行评价和综合分析。综合污染指数评价结果表明，粪大肠菌群、总氮、高锰酸盐指数、BOD5和总磷为“九河”的主要污染因素，长宁河、箭板河、古宋河和南广河的污染程度较其他河流严重。通过主成分分析，分析了“九河”污染物的主要来源，并提出了相应的防治措施。     

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。     

北京北运河水系水质污染特征及污染来源分析

以北运河水系主要干支流2011年1～12月23项指标的监测数据为依据,采用水质类别法和平均综合污染指数法,对水质污染特征进行综合评价,运用主成分分析和系统聚类分析法,对水质指标主成分以及水质差异进行分类,并进一步对不同干支流污染来源进行分析.结果表明,北运河水系由于排污量大,地表水污染严重,除城市中心区部分河流水质为Ⅲ~Ⅳ类外,城市排水河流、远郊河流水质均为劣Ⅴ类.水质由3个主成分组成,COD、CODMn、BOD5、NH3-N、TP等为第一主成分;汞为第二主成分;石油类为第三主成分.干支流水质分为4类:第1类为清洁水源类河流,主要集中在城市中心区,降雨地表径流、雨污合流管网溢流引起的非点源污染是影响其水质达标的重要污染源;第2类为再生水水源类河流,主要集中在城市排水上游河流,城镇污水处理厂排水是其主要污染源;第3类为再生水与污水混合水源类河流,主要集中在城市排水下游河流及部分远郊区河流,由于城市下游排水管网不健全,远郊区污水集中处理率低,生活源和农业源的污染贡献率较高,水质污染严重;第4类为污水水源类河流,分布于远郊区县,农业污染占比较大,水质污染最严重.     

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。     

因子分析法在天津市主要河流水质污染程度综合评价中的应用

因子分析法作为一种常用的多元统计分析方法,可以有效地分析河流水质的变化趋势,准确地反映水体的污染状况和污染程度。本文将因子分析法应用于天津市主要河流的水质评价中,得出了天津市主要河流水质状况的综合评价结果和污染程度排名,该研究可为水环境管理与决策工作提供依据。     

大连湾海域水质污染变化趋势分析

本文以大连湾海域水质１９８５－１９９２年１６个测站，１９个监测项目，７０００多个监测数据为基础，采用综合污染指数和Ｓｐｒｅａｍａｎ秩相关系数等方法，分析了湾内水质变化趋势，并详细分析了四个重点污染测站无机氮、油、活性磷酸盐三项指标的污染现状及变化趋势。分析结果表明：近年来，大连湾海域水质主要污染物无机氮、油、活性磷酸盐污染都有程度不同的加重，其中无机氮增长趋势显著，１５、１测站的无机氮、１测站的油     

基于改进的主成分分析法对水质定量化综合评价

为客观、准确地评价饮用水水质综合状况,针对传统主成分分析法对数据非线性处理效果不理想及综合评价时表达信息的片面性.提出相应的改进方法:对原始数据进行中心化对数比处理,采用协方差矩阵代替相关系数矩阵.充分反映数据的变异性特征.在保留原始管网信息的基础上得到表征水质状况的综合指标量。结合实例对比改进前后2种方法的综合评价效果,证明改进的主成分分析法更能真实反映水质情况。     

应用遥感技术监测和评价太湖水质状况

利用遥感信息和有限的实地监测数据建立了太湖水质参数预测模型 ,该方法可以用于太湖水质污染的预测、分析和评价 ,能够较好地反映水质的空间分布特征 ,尤其适合于大范围水域的快速监测 .研究结果表明 ,利用单波段、多波段因子组合以及主成分分析等手段可以使遥感信息得到更充分的利用 ,从而使预测结果更加精确 .预测结果显示 ,太湖流域已经呈现了严重的富营养化趋势 ,且空间分布不均衡 .东太湖以及靠近无锡和苏州的湖体附近相对污染更为严重 .     

常州市河流水质评价及污染特征分析

结合单因子评价与多元统计分析方法,对常州市河流在丰水月和枯水月分别进行水质评价与污染特征分析.采用单因子评价法对监测断面进行水质类别划分,对整体河流水质进行定性分级;采用主成分分析与聚类分析结合的综合分析法,分析河流断面污染特征并进行断面聚类.分析结果表明,常州市河流整体水质状况为轻度污染,但枯水月水质相对较差;有机污...     

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。     

基于综合主成分及径向基网络的环境质量评价

运用综合主成分分析对监测数据进行处理,集成径向基函数人工神经网络(RBF-ANN),参考国家环境质量评价标准设定RBF的学习样本,从而构建区域环境质量综合评价模型,对安徽省合肥市新站综合开发试验区进行环境质量综合评价。实例分析结果表明,运用综合主成分法可以精准的统计出一个区域的环境综合数据,而且在matlab环境下运用RBF-ANN模型既可以准确,客观的评定环境质量的等级,又可以表现其环境污染的具体程度,能在同一评价等级内对不同环境质量的评价对象进行更加细微的污染程度的比较。结果表明,合肥市新站综合开发试验区环境综合质量介于轻度污染和中度污染的标准极限值之间,属于中度污染。     

白洋淀污染的主成分分析

在上游多种污染物排放的影响下,白洋淀的污染呈现了富营养化和沼泽化等多种表象。文章以白洋淀为研究对象,采用基于因子分析的主成分分析方法,将白洋淀水质监测数据概括为5个主成分,即:富营养化特征指标、有机物污染指标、藻类生物量指标、生物生长环境指标、水体酸碱度指标。经分析得出:富营养化污染最严重,有机污染次之。文章进一步分析讨论了各主成分的内涵和湖泊的污染净化机理,为白洋淀水体污染的科学治理提供依据。     

地表水环境的灰色聚类分析

在环境质量评价中,环境系统包含的信息是不完全的和非确定性的,因此环境系统是一个灰色系统。传统的评价方法已不能满足要求,灰色聚类分析方法正是考虑了环境系统这一特点,因此现已被成功地运用于环境质量评价中。采用灰色聚类分析对西安某河流进行评价,并运用主成分分析各年之间的污染程度以及各污染指标之间相互关系,有效地提取了信息。     

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。     

漳卫南运河流域水质时空变化特征及其污染源识别

采用聚类分析、季节性Kendall法分析了漳卫南运河流域的水质时空演变特征及水质变化趋势,采用因子分析/主成分分析法和多元回归分析法定性识别了流域水质污染的主要污染源并对其贡献率进行了计算.空间聚类和站点因子得分计算后发现,漳卫南运河流域水质空间上可以分为两大类,一类是位于流域西北部漳河中上游区域,该区域水质优良;第二类为卫河流域及漳卫南运河东部平原区,该区域水体受污染严重,水质较差,且沿途接纳点源排放口排入的污染物,水质空间变化较大.时间聚类和季节性Kendall趋势分析表明:流域水质在2002～2009年间可分为3个阶段2种变化趋势,2002～2003年为水质恶化阶段,卫河及漳卫南运河东部平原区干流水质严重污染,漳河上游及中游岳城水库水质也呈恶化趋势,但总体水质良好;2004～2006年为水质好转期,2007～2009年为第三阶段,水质进一步好转期.在2004～2009年间,流域整体水质虽然好转,但西南部的卫河流域及漳卫南运河东部平原干流区水环境状况依然堪忧.因子分析/主成分分析和多元线性回归分析结果表明,造成漳卫南运河流域水质污染的污染物主要来源于市政污水、重工业废水、化学工业废水、天然污染源和采矿活动,汛期农业生产引起的农业非点源排放以及暴雨径流引起的非点源排放也占相当比例.采用主成分多元线性回归方法评价了各种污染源的贡献率.结果可以为漳卫南运河流域水污染控制战略制定提供有益的参考.     

九龙甸水库水质评价及富营养化趋势分析

根据1998—2007年的水质监测资料,对九龙甸水库进行水质现状评价和富营养化现状及其变化趋势分析。结果表明,九龙甸水库水质良好,目前属中营养化。富营养化趋势不明显,但有水质恶化的趋势,各部门应加大对九龙甸水库的保护以及周边环境治理的力度,保证城乡居民饮用水安全。     

通过主成分分析法对松花江肇源江段水质进行评价

基于主成分分析法,以松花江肇源江段5个例行监测断面为例,对水温、pH值、溶解氧、高锰酸盐指数、生化需氧量、氨氮、石油类、化学需氧量和总磷9个水质指标进行研究。计算各断面的综合得分,根据得分越大污染越重的原则,得出该江段各断面的相对污染程度。主成分分析法较单因子评价法对同一类别的断面间比较相对污染程度具有明显的优势,是一种切实可行的水质综合评价方法。     

基于主成分分析法的黄河口及其邻近水域水质评价

于2013年6、7、10月在黄河口及邻近水域进行了3个航次的环境调查,获取了盐度、营养盐、COD及重金属等指标数据,利用主成分分析法(PCA)研究该海域的水质状况,并分析影响该海域水质的主要驱动因子.结果表明:应用主成分分析将14项调查指标转换提取为4种主成分,共解释了67.31%的结果.相关分析表明,影响该水域水质的主要驱动因子为氮营养盐、盐度、SiO32--Si和砷.主成分综合得分分析表明,黄河口及邻近水域2013年10月、7月、6月水质污染状况依次降低;空间上总体呈现出以黄河入海口为中心,向邻近海域递减,河口附近及南部水域污染较严重的格局.黄河径流污染物是主要污染源,应加强黄河口及其上游的水环境保护,从而改善黄河口及邻近水域水质状况.     

因子分析法在水质评价中的应用

因子分析法是主成分分析方法的推广和深化,用于研究样本中变量之间的相关关系,把原来的多个变量化为少数几个综合指标的一种多元分析方法。用该法对嘉陵江顺庆段水质进行评价,结果表明该水体受到了不同程度的有机物污染,其中NO-3-N、SS、BOD5和非离子氨所占的负荷最大,这为环境治理提供了科学的依据。