重金属污染问题探讨Word下载.docx
《重金属污染问题探讨Word下载.docx》由会员分享，可在线阅读，更多相关《重金属污染问题探讨Word下载.docx（16页珍藏版）》请在冰豆网上搜索。
有了这些信息，如何建立模型解决问题？
问题分析
问题一：
根据采样点的位置和采样点处8种主要重金属浓度来总体估计城区各功能区的污染程度，并且给出8种主要重金属在该城区的空间分布和分析该城区不同区域重金属的污染程度，，要建立起浓度与采样点的位置（X,Y,海拔）的四维空间是有困难的，因此，我们只需利用插值法建立起与区域相关的三维图，通过对三维图的旋转，可以大体确定各种重金属在哪些区域的含量较高，另一方面，通过对各个区点的编号，以编号，某种重金属浓度为坐标轴绘制出各个区的点，通过图形分析各个区点总体位置的高低，进一步确定了该重金属主要集中于哪个区；
对于不同区域内的污染程度，可以先根据指标算法求出每种重金属在不同区的平均指标，然后依照内梅罗法确定各区的污染等级，然后用二维的平面图更直观的表现出各区的污染程度.
问题二：
根据问题一中得出的各种金属在不同区的指标表格来分析每个区哪种重金属污染比较严重，以及每个区的重金属污染程度，进而说明重金属污染的主要原因。
问题三：
通过已知的结论和数据建立的模型必须合理、客观。
建立出来的模型不是很复杂，但具有较好的预测精度，具有实用性，对于不同的输入数据，可以很好的判断该地区的重金属污染属于哪一个级别。
模型的假设
1、将附表中给出的采样点看作是随机分布的独立个体，并且采样点的重金属浓度不再增加，此时的数据很好的反映了该地区的污染物浓度。
2、忽略样本间的空间相关性。
3、某地区影响重金属污染分布的各种因素的影响因子比较均衡。
符号的说明
为综合污染指数；
是各污染物指数的平均值；
为污染物中最大的污染指数；
为检测点污染物含量的实测值；
为污染物含量的评价标准值
模型的建立与求解
问题一的求解
8种主要重金属在该城区的空间分布
图1-1As浓度空间曲面图
图1-2As浓度空间曲面俯视图
图1-3As浓度分区分布图
根据以上三个图可以看出，重金属As的污染程度在工业区、交通区比较严重。
图2-1Cd浓度空间曲面图
图2-2Cd浓度空间曲面俯视图
图2-3Cd浓度分区分布图
根据以上三个图可以看出，重金属Cd的污染程度在生活区、工业区、交通区、公园绿地区都比较严重，只有山区的污染程度比较轻。
图4-1Cr浓度空间曲面图
图3-2Cr浓度空间曲面俯视图
图3-3Cr浓度分区分布图
根据以上三个图可以看出，重金属Cr的污染程度在生活区、交通区比较严重。
图4-1Cu浓度空间曲面图
图4-2Cu浓度空间曲面俯视图
图4-3Cu浓度分区分布图
根据以上三个图可以看出，重金属Cu的污染程度在交通区比较严重，在工业区很严重。
图5-1Hg浓度空间曲面图
图5-2Hg浓度空间曲面俯视图
图5-3Hg浓度分区分布图
根据以上三个图可以看出，重金属Hg的污染程度在工业区、交通区很严重。
图6-1Ni浓度空间曲面图
图6-2Ni浓度空间曲面俯视图
图6-3Ni浓度分区分布图
根据以上三个图可以看出，重金属Ni的污染程度在各区基本一样。
图7-1Pb浓度空间曲面图
图7-2Pb浓度空间曲面俯视图
图7-3Pb浓度分区分布图
根据以上三个图可以看出，重金属Pb的污染程度在交通区、公园绿地区比较严重，在生活区、工业区很严重。
图8-1Zn浓度空间曲面图图8-2Zn浓度空间曲面俯视图
图8-3Zn浓度分区分布图
根据以上三个图可以看出，重金属Zn的污染程度在工业区、公园绿地区比较严重，在生活区、交通区很严重。
图9城区重金属综合污染程度平面图
从上图可以看出重金属综合污染程度在工业区、交通区为重度污染，在生活区和公园绿地区为轻度污染，而山区基本未受到污染。
问题二的求解：
表格的建立：
表1：
重金属含量的评价标准值（mg.kg-1）[2]
As
Cd
Cr
Cu
Hg
Ni
Pb
Zn
8
0.2
35
0.11
42
40
110
表2：
污染程度等级划分标准
污染级别
未污染
轻度污染
中度污染
重度污染
极度污染
P
p<
=1.0
1.0<
=2.0
2.0<
=3.0
3.0<
p,=5.0
p>
5.0
表3各功能区数据统计
最大值
平均值
污染指标
污染等级
生活区
0.7838
1.4498
0.8627
1.4115
0.8458
0.4367
1.7277
2.1546
1.2091
1.747
轻度
工业区
0.9064
1.9656
0.6676
3.6439
5.8396
0.4717
2.326
2.5266
2.2934
4.4362
重度
山区
0.5055
0.7616
0.487
0.4948
0.3723
0.3679
0.9139
0.6663
0.5712
0.7621
交通区
0.7135
1.8001
0.7257
1.7776
4.062
0.4195
1.5884
2.2078
1.6618
3.1033
公园绿地区
0.783
1.4027
0.5454
0.8626
1.0484
0.364
1.5177
1.4022
0.9907
1.2816
总体
0.71
1.512
0.6689
1.572
2.7246
0.411
1.5435
1.8291
1.3724
2.1569
中度
表3数据说明：
某种重金属列下的数据为相对应区该种重金属的平均指标，计算公式为
，最大值为该区各种重金属平均指标中的最大值，平均值为该区各种重金属平均指标的平均值，污染指标是根据内梅罗法公式
[1]计算重金属污染指数得出,污染等级则根据分级标准进行划分。
数据分析：
由污染等级可以得出该城市城区为中度污染，其中重金属Hg对该城市城区影响最大，污染最严重，其次为重金属Zn，Cu;
其中工业区，交通区重金属污染最为严重，其次为生活区，公园绿地区。
山区环境未受污染;
在工业区和交通区，重金属Hg污染最为严重，在生活区，重金属Zn和Pb污染最为严重，在公园绿地区，重金属Pb和Zn污染最为严重。
污染来源：
从重金属污染总体分析，重金属的污染主要来源工业污染，其次是交通污染和生活垃圾污染。
工业污染方面，由于城市工业化的迅速发展，我国加大了在重金属的开采[3]，在其开采，冶炼、加工过程中，造成不少重金属如Pb、Hg、Zn，Cu等对土壤的污染，与此同时大量的工业废水涌入河道，使城市污水中含有的许多重金属离子，随着污水灌溉而进入土壤，加剧了土壤的污染程度；
交通污染方面，，汽车轮胎磨损产生的大量含重金属的有害气体和粉尘，燃料的燃烧，汽车尾气的排放，造成燃料中的重金属随大气进入土壤，使得土壤污染加重；
生活垃圾污染方面，尘土和可堆腐有机物，如塑料，报纸，电池等含重金属量较多，大部分未得到有效处理，从而融入土壤中，造成土壤中重金属超标。
从重金属种类分析，重金属Hg对该城区污染最为严重，汞污染主要源自工业区，交通区，生活区，如工业区的仪表厂、食盐电解厂、贵金属冶炼厂、煤碳厂等，交通区的汽车尾气等，生活中使用的化妆品、照明用灯、齿科材料等；
其次为重金属Zn，Zn污染主要来源也是工业区，交通区，生活区，如锌矿开采、冶炼加工、机械制造以及镀Zn、仪器仪表、有机合成和造纸等工业的排放；
然后是重金属铜，其主要来源依然是工业区，交通区，生活区，主要是由于Zn矿开采、冶炼加工、机械制造以及镀Zn、仪器仪表、有机会合成和造纸等工业的排放[4]；
还有重金属Pb污染对该城市的公园绿地区影响比较大，主要是受工业区和交通区的影响。
总结：
重金属污染主要来源于工业区的工业污水排放以及煤炭的燃烧，交通区的机械车辆尾气的排放，生活区产生的生活垃圾。
重金属污染的传播特征是从工业区、交通区向四周扩散，并且与距离呈正相关。
问题三求解：
Hopfield网络又称为全互连网络,即在该网络中,各个神经元之间均相互连接,且神经元之间的连接是双向的。
研究表明,当连接权矩阵无自连接及具有对称性质时,网络是收敛的[5]。
整体的思路设计是：
将若干典型的分类等级所对应的评价指标逐渐趋近于Hopfield神经网络的平衡点的过程。
学习完成后，Hopfield神经网络存储的平衡点即为各个分类等级所对应的评价指标，即网络的状态不再变化时，平衡点所对应的便是待求的分类等级。
考虑到采样点的给出是离散的，所以采用二值型Hopfield网络建立重金属评价模型。
为加速网络的收敛速度，文章中采用了一种特殊型态的能量函数———李亚普洛夫（Liapunovfunction）函数。
具体实现过程为：
（1）设定网络的记忆模式，即将预存储的模式进行编码。
由于Hopfield神经网络神经元的状态只有1和-1两种状况，所以将评价指标映射为神经元的状态时，需要将其进行编码。
编码规则为：
当大于或等于某个等级的指标值时，对应的神经元状态设为“1”，否则设为“-1”。
其中“●”表示第y个参数已达到第x级标准,反之用“○”表示。
理想的评价指标编码如图10的第一行所示。
（2）以污染级别（5个）为横轴,土壤环境质量标准（GBStandardForSoil）参数（8个）为纵轴,构成5×
8的网络
（3）建立网络,即运用matlab工具箱提供的newhop函数建立Hopfield网络
（4）将采样点的实测指标值转化为网络的欲识别模式,即转化为二值型的模式,将其设为网络的初始状态,运用matlab提供的sim函数进行多次迭代使其收敛。
（5）输出网络的稳定状态y,根据y可得到各测点重金属污染的综合评价结果。
（6）结果显示与分析：
为了更加直观的显示仿真结果，用图形的形式将结果显示出来。
图10待分类的采样点重金属等级评价指标编码仿真结果
其中，第一行表示5个理想的等级评价指标编码，第二行表示采样点中功能区五（公园绿地区）里面编号为213、253、294、307、308的采样点的等级指标编码，第三行为设计的Hopfield神经网络分类的结果。
从图中可以清晰的看出，设计的网络可以有效的进行分类，与之前问题一中分析的重金属在该城区的空间分布情况一致，属于轻度污染区域，可以对某一地区的重金属污染程度进行客观公正的评价。
问题四求解：
本文中设计的模型具有很强的自组织、自学习、自适应能力，能够很好的评价采样点的污染等级，从而为土壤重金属的信息化监测与分析提供了科学依据，可以使当地政府和相关部门能够对全区的农田土壤重金属分布和污染状况有一个全面的了解，从而对农田环境质量的状况做出科学的判断，可以更好的服务于农产品安全政策的制定、农业生产咨询、种植结构布局规划等。
由于时间和水平有限，建立的模型仍然存在着不足之处，比如：
计算量大，对于不同的实测数据，要先根据的本文的编码方法编码才可以给出判断；
有如：
没有给出一个直接的结论，每次仿真的结果都要和理想的编码比较以后才可以得出结论；
还有就是：
当某地区受一些因素影响很大，而另外一些因素影响很小的时候Hopfield神经网络寻找不到与之最为接近的平衡点，因此无法将其准确分类。
为了克服以上的缺点，在建立模型的时候还需要收集该采样地区的土壤土壤胶状态、风风速、空气密度、以及采样点的经纬度坐标
可以做出如下的改进：
（1）在编码的时候加入采样点的经纬度。
（2）可以在评价结果中加入隶属度值，从而从结果中就可以直接看出评价级别与哪一类级别相近。
参考文献
[1]内梅罗:
《StandardforLour,Medium,andHigh-expansion》Foam[S].NFPA,1993，27;
2630－2633
[2]黄春雷，宋明义等：
基于环境背景值的重金属污染地块划[J].生态与农村环境学报
2010，26（6）：
605－609.
[3]陈怀满。
土壤－植物系统中的重金属污染[M].北京：
科学出版社，1996：
71－85.
[4]吴燕玉，陈涛，等.张士灌区镉污染及其改良途径[J].环境科学学报，1984，4（3）：
275－282
[5]胡守仁,余少波,等.神经网络导论[M].北京:
国防科技大学出版社,1993
升级会员 