水质有度，中国有道

一、国内外研究现状和发展动态

1.国内研究现状和发展动态

水资源是促进中国现代化进程的必然选择，水质安全问题也是当下环境发展的关键问题。水质检测是一个广泛而活跃的领域，许多研究团队在不同的流域和水体中应用各种方法和指标进行水质评价。

2.国外研究现状和发展动态

国外对于水质检测和评价的研究也有许多专业的学者和团队。

二、研究内容及技术路线

1.水资源安全管理体系成熟度调查

团队通过查阅资料，了解当下中国的水资源安全管理评价体系；通过现场考察，了解试点自来水厂供水规模、供水人口、水源类型、水处理工艺等情况；通过问卷调查，了解供水行业经验丰富的专家和管理人员关于水质评价体系建立、水资源安全管理的建议。

2.基于AHP 和熵权法的水利工程现代化评价体系

水利建设现代化程度与水处理工艺、水质化验技术的完善程度紧密相关，影响着水质的优劣。项目团队基于层次分析法和熵权法构建了水利工程现代化程度评价体系，并进行空间异质性分析，对不同区域的水资源安全管理提供个性化建设性建议。

根据已有的水利评价体系，本文先对各个指标进行相关性分析。同时，为了消除原始数据与各指标单元之间量纲的差异，本文对指标进行标准化，再利用AHP 与TOPSIS 的算术平均值来进行权重衡量，根据每个评价对象的权重与标准化后的值，从而对水利现代化进行分区评估与综合评估，得到水利现代化综合得分如下表：

总磷、总氮、浊度、高锰酸盐指数，因此本文将从这 7 个维度对水质进行测度。该模型构建思路如图3：

（1）基于贝叶斯模糊网络的水质测度体系① 基于熵权法结合改进模糊变量算法的水质评价等级体系

当下利用熵权法的主流水资源评价体系仅关注指标的统计意义，并未与水资源评价指标的现实意义相结合，构建的水质评价熵权模型结果偏差较大。为解决这一问题，项目团队结合模糊变量算法优化熵权法构建了水资源安全管理评价体系，将水质根据不同标准分为 I～V 等级。

本研究首先以熵权法为基础构建指标客观权重体系，通过信息熵量化各水质指标 （pH，溶解氧等）的离散程度，这种方法可以消除主观干扰，计算初始权重 a_i ： “

其中 p_ij 为第 i 个指标在第 j 站点的标准化值。

为了能够度量污染物包含信息内容从而进行权重分配，本文引入模糊变量算法进行分析。虽然熵权法排除了主观认知的干扰，但是它并没有与水资源的现实意义相结合。因此，本文结合WQI 并利用熵权法，得到专门用于评价水质的熵权模型（CWQI），生成第j 个站点的综合水质得分。并且本文针对熵权法的局限性提出了以下改进：

（1）考虑空间异质性因素影响

引入熵权-地理加权因子 ω_s，i=a_i×GW_i ，其中 GW_i 通过GIS 空间分析量化区域特征（如工业分布，植被覆盖率），修正综合水质得分：

（2）引入动态权重机制

然而一般来讲，在水环境中通常存在着许多模糊概念，很难用精确的阈值加以区分。针对传统熵权法未能充分结合水质指标时空动态特性的局限，本研究提出一种自适应某变量算法。首先将熵权法初始指标 a_i 与各指标历史数据的变异系数 CV_i 结合，生成自适应参数β_i=a_i×CV_i ，用于模糊隶属函数：

当 CV_i 增大时， β_i 增大，对突发污染事件响应迅速。

② 构建基于静态贝叶斯网络的水质测度体系

项目团队将上述模型得到的结果与静态贝叶斯网络相结合，进一步对当下中国的水资源进行评估。项目团队结合爬山算法和 BIC 评分确立了贝叶斯网络的最优结构，并将不同时期的水质数据作为输入得到各个时期污染水质的主要因素和水质等级。

在进行模糊变量评级后，本文将其运用在贝叶斯网络中进行水质测度。其中，贝叶斯网络的建立，本文使用了爬山算法进行网络可能结构的搜索。具体流程如图4：

该贝叶斯网络的节点为影响水质的7 个指标（pH 值、溶解氧、氨氮、总磷TP、总氮TN、浊度、高锰酸盐指数）。并利用BIC 指标进行最终网络结构的选取。其中BIC 的公式如下：

，在上式中，k 为模型参数个数，n 为样本数量，L 为似然函数。根据上述流程得到最终的网络结构如图5 所示：

接着，由于河流的不同时期通常会导致水质级别的变化。因此，本文将各个指标细化到不同时期重新扩充网络结构。扩充网络结构后，发现该网络能够更好地反映中国目前水质情况，并得到中国水质现代化等级为Ⅱ类的结论。

（2）基于高阶动态贝叶斯模糊网络的水质测度模型

动态贝叶斯可以利用先验概率分布来反映历史数据的分布，从而根据预测的结果观察影响水质的各个评价指标（如浊度等）是否需要加强监管。项目团队将三个不同年份的静态贝叶斯，按照时间顺序排列构建高阶动态贝叶斯模糊网络的水质测度模型。

考虑到动态贝叶斯可以利用先验概率分布来反映历史数据的分布，本文将通过构建动态贝叶斯网络，来对水质进行最终评估，并得出水质处于Ⅱ类的结论。网络结构示意如图6：

（3）基于主成分分析法的污染源分析

项目团队根据河流分布将中国空间区域主要划分为黄河流域、长江流域、珠江流域、辽河流域以及淮河流域五大区域，并通过主成分分析法得出影响该流域水资源质量最大的污染源成分，并根据不同区域的污染源成分特点提出个性化建设性建议。

为了推断未来一段时间内的水质情况，本文通过拟合影响水质的因素分布作为其先验分布，随后拟合结点的未来值，并进一步预测追至的未来情况。在得到预测之后带入贝叶斯网络中，得出我国未来水质情况极可能下降至Ⅲ类的结论。因此本文利用主成分分析法对污染源进行分析。

为了能够针对不同流域有针对性地提出建议，本文先按照地理区域进行空间聚类。主要划分为黄河流域、长江流域、珠江流域、辽河流域以及淮河流域五大区域，随后使用主成分分析法来寻找对于污染源的最优解释，从而提出相应政策。

先将水质影响因素记为 x₁，x₂，x₃，…，x₇ ，它们分别代表了PH 值、溶解氧、氨氮、总磷、总氨、浊度和高锰酸盐指数。因为以上影响因素之间可能存在着相关性，为了保证结果更加可靠，本文将使用主成分分析法对污染源进行分析。但在这之前要先确定主成分分析法是否可行，所以本文先进行了 KMO 和巴特利特检验结果如表2：

KMO 统计量为 0.639，变量间的相关性较强，偏相关性较弱，主成分分析效果较好，且MSA 为 0.998，接近 1 代表变量之间存在较强的相关性，并在主成分分析中具有很高的适用性。接下来，对他们进行标准化并分解为若干主成分，并得到标准化数据矩阵 D 。随后根据矩阵 D 求出其相关系数矩阵，计算其特征值，并将它们从大到小排列。通过计算得出前 3 个公共主成分的积累贡献率为超过 70% ，因此可以认为公共主成分个数为 3 是合适的。并输出主成分载荷图和载荷结果图7 所示：

根据表 3 结果得出，在第一个主成分中，浊度、总磷和高锰酸盐的正载荷比较大，说明该主成分与水的浑浊度、富营养化程度和氧化还原性等因素密切相关，因此将其命名为水体富营养化主成分；在第二个主成分中，总氮和氨氮的正载荷比较大，将其命名为水体氮污染主成分；在第三个主成分中，PH 和溶解氧的在水质检测中，通过主成分分析得出PH 和溶解氧的正载荷比较大，并命名为水体水质变化主成分。

创新点与项目特色

1.巧用专业知识、以建设完备体系，

随着国家加快推进新时代水利现代化，水治理体系和治理能力现代化成为中国式现代化的重要组成部分，水资源测度体系的建设也愈加受到重视。党的二十大提出统筹水资源、水环境、水生态治理，2024 年中央一号文件则强调“ 智慧水利” 建设，推动水资源治理向数字化、智能化升级。然而，目前尚缺乏一套系统完备的水资源测度体系以衡量中国现代化进程。本项目的创新之处在于将静态贝叶斯网络拓展为分时期的高阶动态贝叶斯模糊网络，提升水资源评估结果的动态适应性与预测可靠性。项目融合水利现代化建设与时空评估，采用AHP+TOPSIS 方法量化水利现代化水平，识别空间异质性；同时结合改进模糊变量算法与贝叶斯模型，借助水质指数进行测度，建立动态水质测度体系，为国家水资源管理提供科学支撑。

2.聚焦社会热点，以实现应用价值。

本项目紧跟全球环境保护潮流，聚焦水质测度，引起公众对环境保护的更多关注。同时，项目聚焦于日本核污水排放事件，促进国际社会的理解与合作，推动环境保护和资源管理的国际交流。此外，项目蕴含潜力，具备极高的应用价值。通过构建科学的水资源测度体系，项目可提供关键数据支撑，帮助管理者掌握水资源状况、变化趋势与潜在风险，制定更具针对性的治理策略。同时，项目为水资源智能评估、区域污染预警等方向提供方法基础，在环境保护、政策制定与国际合作等方面具有广泛应用前景。

四、总结与未来展望

本文聚焦水质测度，构建了基于动态贝叶斯网络的水资源时空测度模型，并建立了多层次的水资源安全评价体系。针对不同地区的水资源安全管理，本项目采用AHP 和熵权法建立水利工程现代化程度评价体系。同时，针对传统熵权模型仅关注指标离散性、忽视现实意义的问题，项目引入改进的模糊变量算法，构建了分等级的 CWQI 水质测度模型，提升了评价结果的准确性与适应性。最后，借助主成分分析法分析不同区域的污染源。

该项目对推动中国现代化进程、应对全球水资源威胁具有重要意义。它为水资源安全管理和水质评估提供了科学方法和决策支持。通过个性化建议，不同地区可以根据自身情况进行针对性的水资源管理，提高水利工程现代化水平。同时，建立的水质评价体系和测度体系可帮助监测和评估水质状况，为改善水资源状况提供指导。项目还通过分析污染源，提供了有针对性的建议，有助于减少污染物排放和改善水环境质量。

参考文献

[1]廖杰，王文圣，丁晶.贝叶斯公式在河流水质综合评价中的应用[J].四川师范大学学报（自然科学版），2007，（04）：519-522.

[2]陈守煜，郭瑜.水质综合评价的模糊可变集合方法[J].水资源保护，2005，（06）：23-26.

[3]龙腾锐，郭劲松，霍国友.水质综合评价的 Hopfield 网络模型[J].重庆建筑大学学报，2002，（02）：57-60.

[4]徐若诗，逄勇，罗缙等.基于WQI 的南水北调东线江苏段水质评价及时空分布特征[J/OL].环境科学，1-13[2024-02-27].https：//doi.org/10.13227/j.hjkx.202309174.

[5]Babayan G. H. and Zhukova A. A. and Veres Yu.K.. Calculation of Water Quality Index and Its Use for Water Quality Assessment in Lake Sevan[J]. Water Resources， 2023， 50（6） ： 894-900.

[6]El MorabetRachida et al. Geospatial distribution and machine learning algorithms for assessing water quality in surface water bodies of Morocco[J]. Scientific Reports， 2023， 13（1）

[7]Zhang Han et al. Water quality assessment and pollution source apportionment using multi-statistic and APCS-MLR modeling techniques in Min River Basin， China.[J]. Environmental science and pollution research international， 2020， 27（33） ： 1-14.

[8]Yang Sihang et al. A novel assessment considering spatial and temporal variations of water quality to identify pollution sources in urban rivers[J]. Scientific Reports， 2021， 11（1） 1： 8714-8714.

课题来源：该文章受到大学生创新创业训练计划项目资助 ，课题名称：水质有度，中国有道— 基于动态贝叶斯网络的水资源时空测度 + 课题号 ：202511047030。