长江水质的评价及预测模型研究

- 1 - 长江水质的评价及预测模型研究 摘 要： 本文巧妙地解决了长江水质的评价和预测问题，通过对水质状态和输入状态的抽 象，紧扣题目要求建立的一系列新模型，为合理的评价和预测水质、控制水污染提供了 科学的依据。 本文首先建立了关于长江水质评价和预测的模型。文中根据水体类别进行分类别加 权评价，结果显示：水质最差的是江西南昌滁槎——赣江（鄱阳湖入口）地区，其次是 四川乐山岷江大桥——岷江（与大渡河汇合前）地区，再次是四川泸州沱江二桥和湖南 长沙新港地区，这两个观测站点的评价值非常接近。与之相对应的，水质最好的是湖北 丹江口胡家岭——丹江口水库（库体）地区，这个观测站处在长江的支流——汉江上， 而干流上水质最好的是江苏南京林山、江西九江河西水厂和安徽安庆皖河口地区，这三 个观测站点的评价值非常接近。 本文随后建立了基于线性系统的污染源确定模型。文中分析了确定江段的污染来源 ——本江段的污染排放和之前江段的污染扩散，并由此抽象形成了江段污染变化系统、 水质状态和输入状态，构建了线性系统的四个变换矩阵。通过对江段污染变化系统的运 动分析，得到各个江段的排污量情况，高锰酸盐排放量的上限最大的是在鄂湘段，下限 最大的也是在鄂湘段，氨氮排放量的上限最大的是在鄂湘段，下限最大的也是在鄂湘段。 因此，长江干流的高锰酸盐污染和氨氮污染主要位于湖北宜昌和湖南岳阳之间的江段 上。 本文在第三问的水文预报中普遍采用的神经网络算法，建立以各年污水排放总量、 长江总流量以及考察河道长度这三个变量为输入变量，6 个等级水质对应的河道长度比 例为输出的三层BP 神经网络。通过学习前10 年的数据训练出的神经网络函数在预测 未来10 年各个时期各等级水质对应的河道长度比例中得到了比较理想的结果。本文在 第四问中分析了长江年废水排放总量与各个等级水质的河道长度比例之间存在的函数 关系，采用多项式拟合的方法得到函数表达式。然后按照题目中对长江水质的要求得到 每年需要处理的废水总量。最后根据前面四问对于长江水质污染的各个因素的分析，得 出了解决长江水质污染的若干建议。 关 键 词： 长江水质，综合评价，排污预测，神经网络 - 2 - 一 问题重述 1．1 问题背景 水是人类赖以生存的资源，保护水资源就是保护我们自己，对于我国大江大河水资 源的保护和治理应是重中之重。专家们呼吁：“以人为本，建设文明和谐社会，改善人 与自然的环境，减少污染。” 长江是我国第一、世界第三大河流，长江水质的污染程度 日趋严重，已引起了相关政府部门和专家们的高度重视。 题目给出了长江沿线 17 个观测站（地区）近两年多主要水质指标的 检测 工程第三方检测合同工程防雷检测合同植筋拉拔检测方案传感器技术课后答案检测机构通用要求培训 数据，以 及干流上７个观测站近一年多的基本数据（站点距离、水流量和水流速）。通常认为一 个观测站（地区）的水质污染主要来自于本地区的排污和上游的污水。一般说来，江河 自身对污染物都有一定的自然净化能力，即污染物在水环境中通过物理降解、化学降解 和生物降解等使水中污染物的浓度降低。反映江河自然净化能力的指标称为降解系数。 事实上，长江干流的自然净化能力可以认为是近似均匀的，根据检测可知，主要污染物 高锰酸盐指数和氨氮的降解系数通常介于 0.1~0.5 之间，比如可以考虑取 0.2 (单位： 1/天)。在国标(GB3838-2002) 给出了《地表水环境质量标准》中 4 个主要项目标准限 值，其中Ⅰ、Ⅱ、Ⅲ类为可饮用水。 1．2 目标任务 （1）对长江近两年多的水质情况做出定量的综合评价，并分析各地区水质的污染 状况。 （2）研究、分析长江干流近一年多主要污染物高锰酸盐指数和氨氮的污染源主要 在哪些地区? （3）假如不采取更有效的治理措施，依照过去 10 年的主要统计数据，对长江未来 水质污染的发展趋势做出预测分析，比如研究未来 10 年的情况。 （4）根据你的预测分析，如果未来 10 年内每年都要求长江干流的Ⅳ类和Ⅴ类水的 比例控制在 20%以内，且没有劣Ⅴ类水,那么每年需要处理多少污水？ （5）你对解决长江水质污染问题有什么切实可行的建议和意见。 二 问题分析 本题在附件3 中给住了从2003 年6 月到2005 年9 月28 个月的长江流域主要城 市水质检测 报告 软件系统测试报告下载sgs报告如何下载关于路面塌陷情况报告535n,sgs报告怎么下载竣工报告下载 和长江干流主要观测站点的基本数据，报告中详细的列出了长江流域17 个不同观测点的各种污染物的浓度值。通过分析这些数据可以得到长江流域各个监测站 每个月的水质情况，通过对这些观测点的水质变化进行分析可以得到各个地区的水质污 染情况。以各地区的水流量为权值，根据长江的流体模型将各个地区的水质状况进行加 权平均来给出该时期长江流域的水质等级。对于长江干流各段的污染物的来源，仍然根 据流体模型，处理各个断面的流量以及其污染物浓度的数据得到各段流域的污染物质量 的增加量，以质量的增加量的大小来评判污染源的位置。从而给出第(1)、(2)问的 答案 八年级地理上册填图题岩土工程勘察试题省略号的作用及举例应急救援安全知识车间5s试题及答案 。 - 3 - 在附件4 给出了1995 年~2004 年长江流域水质报告，通过BP 神经网络的学习各年的 污水排放量、长江总流量以及考察河道长度与各个等级水质对应的河道长度比例的关 系，来预测未来10 年长江流域水质的变化趋势，然后拟合污水排放量与各水质的河道 长度比例的函数关系得出使得长江水质达标所需要控制的废水排放总量。可求出第(3)、 (4)问的结论。 三 模型假设 1． 水质评价仅采用四项指标：溶解氧、高锰酸盐指数、氨氮指数和 PH，忽略 国家标准中涉及的水温、渗透压、浑浊度、色度、悬浮固体指数、蒸发残渣指数、 盐度指数、硬度指数和化学耗氧量等评价指标。 2． 忽略长江支流的自然净化能力。 3． 假设长江沿岸各个排污点排污速率是定常的，污染物在水中的扩散是稳定 的，忽略沿岸和河床的地形结构对污染物扩散的影响。 4． 假设长江的流速足以使某点的污染物浓度或其他指标仅受到该点的污染排 放和上游的污染排放的影响，其下游的污染物扩散作用则忽略。 5． 假设长江在未来的 10 年中来自于降雨和冰川融雪的水量基本保持稳定，不 存在极端的天气现象，如数十年乃至百年不遇的洪涝灾害或干旱。 四 模型的建立与求解 4．1 长江水质定量综合评价模型 4．1．1 数据预处理 题目中给出的数据具有不同的量纲和取值范围，为了保证各指标项的数据的可计算 性，需要对数据进行预处理。设溶解氧指标为 DOx '' 、高锰酸盐指标为 CODMnx' 、氨氮指 标为 NNHx 3' 、酸碱测度指标为 PHx' 。由于溶解氧指标取大，而高锰酸盐指标和氨氮指标 取小，根据度量标准一致性原则对溶解氧指标进行倒数变换，即 DO DO x x '' 1 '  ，数据中溶 解氧指标的最大值为 2，再进行归一变换，即 2 1 'DO DO x x  。数据中高锰酸盐指标的最大 值为 15，对高锰酸盐指标进行归一变换，即 15 'CODMn CODMn x x  。数据中氨氮指标的最大 - 4 - 值为 2，对氨氮指标进行归一变换，即 2 ' 3 3 NNH NNH x x    。酸碱测度指标具有特殊性—— 生物普遍适应于中性水质，此时 7PH ，因此取题设 PH 区间的中值 7.5 作差分变换， 即  1,05.7' 3 2  PHPH xx 。 4．1．2 指标综合评价模型 按照国标 GB3838－2002 的规定，地表水水质共分为 6 个类别：Ⅰ类、Ⅱ类、Ⅲ类、 Ⅳ类、Ⅴ类和劣Ⅴ类，每个类别中的每个评价指标都有确定的取值区间。所检测的水样 的各个指标值都将进入确定的某个类别的对应指标取值区间，这些指标中最高的类别即 为水样的类别。因此，不仅不同类别的水样具有很大的差别，而且同一类别的水样在污 染物含量上也具有较大的差别，在建立综合评价指标模型，既要区分水样的类别差异， 也要区分同类别水样的污染物含量差异。所以，采用分类别加权法来确定相应的污染评 价值。设 L表示水样的类别，类别加权函数为                    类劣 类 类 类 类 类 VL VL IVL IIIL IIL IL L 6 5 4 3 2 1  同时考虑到高锰酸盐和氨氮是长江水的主要污染物，因此，设某地区某月的水质综 合评价函数定义为        LxLxLxLxP PHNNHCODMnDO  2.03.03.02.0 3   根据 2003 年 6 月至 2005 年 9 月的 17 个观测站点的共计 28 组检测数据，可以计 算出各观测站点的水质评价值如表 1 所示。表 1 中对评价值由小到大进行了排序，数值 越大代表水质越差、污染越严重。 表 1 各观测站点的水质评价值 观测站点 断面情况 评价值 湖北丹江口胡家岭 丹江口水库（库体） 5.7449627 江苏南京林山 干流 7.8250831 江西九江河西水厂 干流 8.7499939 安徽安庆皖河口 干流 9.2589551 湖北宜昌南津关 干流 11.427035 重庆朱沱 干流 12.651588 四川攀枝花龙洞 干流 13.345852 江苏扬州三江营 夹江（南水北调取水口） 13.692663 湖北武汉宗关 汉江（入长江前） 14.424871 湖南岳阳城陵矶 干流 14.546261 江西九江蛤蟆石 鄱阳湖出口 16.19772 - 5 - 湖南岳阳岳阳楼 洞庭湖出口 19.178072 四川宜宾凉姜沟 岷江（入长江前） 19.300404 湖南长沙新港 湘江（洞庭湖入口） 29.109635 四川泸州沱江二桥 沱江（入长江前） 31.970853 四川乐山岷江大桥 岷江（与大渡河汇合前） 38.895128 江西南昌滁槎 赣江（鄱阳湖入口） 142.80427 由表 1 可以看出各个观测站点的江水污染情况，水质最差的是江西南昌滁槎——赣 江（鄱阳湖入口）地区，其次是四川乐山岷江大桥——岷江（与大渡河汇合前）地区， 再次是四川泸州沱江二桥和湖南长沙新港地区，这两个观测站点的评价值非常接近。与 之相对应的，水质最好的是湖北丹江口胡家岭——丹江口水库（库体）地区，这个观测 站处在长江的支流——汉江上，而干流上水质最好的是江苏南京林山、江西九江河西水 厂和安徽安庆皖河口地区，这三个观测站点的评价值非常接近。 4．2 长江干流主要污染源确定的模型 根据长江干流上的 7 个观测站点：四川攀枝花龙洞、重庆朱沱、湖北宜昌南津关、 湖南岳阳城陵矶、江西九江河西水厂、安徽安庆皖河口和江苏南京林山将长江干流分为 6 段，分别为：川渝段、渝鄂段、鄂湘段、湘赣段、赣皖段和皖苏段。 根据基本假设 4，某个江段的污染物是由两个方面的污染扩散而成的：一是本江段 排放的污染物，二是上游江段排放的污染物扩散。因此，某个江段的水质与本江段的污 染物排放量和上游江段的水质密切相关。但是，某个江段内的排污口的个数和具体方位 是未知的，故要计算精确的总排污量是非常困难的。然后，实际上并没有计算精确排污 量的必要，我们认为，当所有的排污都集中在这个江段的起始位置时将对这个江段造成 最大的污染，相反所有的排污都集中在这个江段的结束位置时将对这个江段造成最小的 污染——甚至没有污染，这两种情况下的排污量分别设为某个江段的排放量上限和下 限。设内部状态变量  ixMAXCODMn 、  ix MIN CODMn 、  ix MAX NNH 3 、  ixMIN NNH 3 分别表示第 i江段的高锰 酸盐污染物排放量的上限、下限和氨氮污染物排放量的上限、下限。由于题目中要求仅 分析主要污染物高锰酸盐指数和氨氮指数，因此，在题设条件下，由上述四个内部状态 变量组成的内部变量组具有最小性，即上述状态变量是为完全表征江段的污染变化所必 须的变量的最小个数，缺失任何变量将破坏表征的完全性，而增加变量则是完全表征江 段的污染变化所不需要的。那么，设江段为江段污染变化系统，完全的表征某个江段的 水质变化的最小内部变量组                           ix ix ix ix ix MIN NNH MAX NNH MIN CODMn MAX CODMn 3 3  定义为该江段污染变化系统的水质状态。 同理，完全的表征某个江段的前一江段的水质变化的最小内部变量组 - 6 -                               1 1 1 1 3 3 ix ix ix ix iI MIN NNH MAX NNH MIN CODMn MAX CODMn 定义为该江段污染变化系统的输入状态。 水质状态具有的完全性使得只要给定  ix  的初始值和  im  在 1i 各江段的值，则系 统中任何一个变量在 0ii  时的运动行为也就随之完全确定了。根据一维水质模型，输入 状态引起的水质状态变化是具有微分运动形式的过程，因此可以表示为一阶非线性时变 微分方程组  iIxfx ,,    。设  iy 表示第 i江段向下游扩散的污染量，由于输入状态和水 质状态影响向下游扩散的污染量的变化是具有变量转换形式的过程，因此可以表示为可 以表示为一阶非线性时变微分方程组  iuxgy ,,   。因此，江段污染变化系统的水质状态 模型为           iixiixixf di idx MIN NNH MAX CODMn MIN NNH MAX CODMn MAX CODMn ;1,,1;,, 331              iixiixixf di idx MIN NNH MAX CODMn MIN NNH MAX CODMn MIN CODMn ;1,,1;,, 332              iixiixixf di idx MIN NNH MAX CODMn MIN NNH MAX CODMn MAX NNH ;1,,1;,, 33 3 3               iixiixixf di idx MIN NNH MAX CODMn MIN NNH MAX CODMn MIN NNH ;1,,1;,, 33 3 4               iixiixixgiy MIN NNHMAXCODMnMIN NNHMAXCODMn ;1,,1;,, 33    假设江段污染变化系统满足线性系统的条件，那么模型可以简化为具有线性性质的 情况，即为             miDxiCy miBxiAx LS   : ( 1i ) 其中： (1)  iA 表征水质状态对自身变化的影响，定义为系统的水质保持矩阵。 (2)  iB 表征输入状态对水质状态变化的影响，定义为上游扩散分布矩阵。 (3)  iC 表征水质状态对向下游扩散的污染量的影响，定义为水质扩散矩阵。 (4)  iD 表征输入状态对向下游扩散的污染量的影响，定义为下游扩散分布矩阵。 - 7 - 设长江干流的污染物浓度为       L mg C ，平均流速为   s mV ，弥散系数为D，降解系 数为 2.0K ，流体中的一维水质模型为 KC x C V x C D t C          2 2 在稳态条件下，扩散作用可以忽略，简化的一维水质模型为 KC x C V    如果初值设为   00 CC  ，那么以为水质模型的解为 V x k eCC   0 设第 i江段上共有 n个排污口，第 j个排污口的污染物浓度平均流速和流量分别为 jc 、 jv 和 jq ，那么 i j i j V x k i j i j i j i ji j qQ eCQqc C i j i j 2 11 1 1        i j i j V x k i j i j i j i j i j i j qQ eCQ qQ qc i j i j 2 11 2 1 1        而   iinii ii ii ii i n i n MAX CODMn QCQ qQ CQ qQ qc qcix 111 10 00 10 11 11                i n i Ni n i N V x k ii ni n V x k ii i n ii i n i n MIN CODMn eQCQ Q eQC Q qc qcix 1 1 1 1 111 1 11 1 11 11                           iinii ii ii ii i n i n MAX NNH QCQ qQ CQ qQ qc qcix 111 10 00 10 11 113                i n i Ni n i N V x k ii ni n V x k ii i n ii i n i n MIN NNH eQCQ Q eQC Q qc qcix 1 1 1 1 3 111 1 11 1 11 11                         代入线性系统得到 - 8 -                     ii i n i n iii i i n ii i n i n iii i i n qc Q Q cqc Q Q qc Q Q cqc Q Q iA 11 1 1 111 0 1 11 1 1 111 0 1 11                            ii i n V x k i iii i i ii i n V x k i iii i i qc Q eQ cqc Q Q qc Q eQ cqc Q Q iB i j i j i j i j 11 1 1 111 0 1 11 1 1 111 0 1 1 1 1 1 11                                   1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 11 ii i n i n iii i i n ii i n i n iii i i n qc Q Q cqc Q Q qc Q Q cqc Q Q iC                                            1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 11 ii i n V x k i iii i i ii i n V x k i iii i i qc Q eQ cqc Q Q qc Q eQ cqc Q Q iD i j i j i j i j 江段污染变化系统满足线性系统的解的存在唯一性条件，因此把江段污染变化系统 在初始水质状态和输入作用下的状态运动分解成为两个单独的分运动，即由初始水质状 态引起的自发运动和由输入引起的扩散运动。 自治方程  xtAx     00 xtx   的解定义为系统的自发运动  0,,, 00 xtt   强迫方程    mtBxtAx     00 tx  的解定义为系统的强迫运动  mtt  ,0,, 0 若  0,tt 为系统的状态转移矩阵，那么     0000 ,0,,, xttxtt   - 9 -          t t dmBtmtt 0 ,,0,, 0   设系统在自发运动、强迫运动时的输出响应分别为  0,,, 00 xtt    0,,, 00 xtt   那么       0000 ,0,,, xtttCxtt                tmtDdmBttCmtt t t    0 ,,0,, 0  [16] 系统由初始水质状态和输入作用所引起整体状态响应、整体输出响应符合叠加原理，那 么            t t dmBtxttmxtt 0 ,,,,, 0000                    tmtDdmBttCxtttCmxtt t t    0 ,,,,, 0000  即为江段污染变化系统的解。 根据题目所给的数据——长江干流主要观测站点的基本数据，代入江段污染变化系 统，解得 表 2 各江段的高锰酸盐排污量上限 江段 断面情况  ixMAXCODMn 川渝段 干流 49.03 渝鄂段 干流 68.07 鄂湘段 干流 78.72 湘赣段 干流 49.04 赣皖段 干流 18.58 皖苏段 干流 40.15 表 3 各江段的高锰酸盐排污量下限 江段 断面情况  ixMINCODMn 川渝段 干流 31.32 渝鄂段 干流 30.07 鄂湘段 干流 39.12 湘赣段 干流 20.29 赣皖段 干流 14.15 皖苏段 干流 23.16 表 4 各江段的氨氮排污量上限 - 10 - 江段 断面情况  ixMAX NNH 3 川渝段 干流 63.12 渝鄂段 干流 83.58 鄂湘段 干流 113.09 湘赣段 干流 60.78 赣皖段 干流 22.05 皖苏段 干流 28.11 表 5 各江段的氨氮排污量下限 江段 断面情况  ixMIN NNH 3 川渝段 干流 28.11 渝鄂段 干流 30.47 鄂湘段 干流 42.52 湘赣段 干流 22.52 赣皖段 干流 15.79 皖苏段 干流 8.47 由表 2－5 可以看出各个江段的排污量情况，高锰酸盐排放量的上限最大的是在鄂 湘段，下限最大的也是在鄂湘段，氨氮排放量的上限最大的是在鄂湘段，下限最大的也 是在鄂湘段。因此，长江干流的高锰酸盐污染和氨氮污染主要位于湖北宜昌和湖南岳阳 之间的江段上。 4．3 长江流域水质预测和控制模型 4．3．1 基于神经网络的水质预测模型 根据国家标准，Ⅰ、Ⅱ、Ⅲ类水为饮用水，Ⅳ、Ⅴ、劣Ⅴ类水为非饮用水。因此， 将统计数据中的水质分成可饮用水和非饮用水——饮用水的比例为Ⅰ类、Ⅱ类、Ⅲ类的 比例之和，非饮用水的比例为Ⅳ类，Ⅴ类，劣Ⅴ类的比例之和。 对长江水质的预测就是以1995年到2004年这10年来长江上各个水质观测站对于长 江水质的检测数据为依据，建立相应的预测模型来预测如果不对长江流域的污染源采取 相应的人为措施，长江水质的变化趋势。该预测数据对于人们对长江流域水资源进行科 学管理和污染防治提供决策依据，在地区可持续发展中具有重要意义。 基于附件4 中的长江在1995年到2004年这10年中，各等级水质对应的河段长度的 比例，可以找出长江水质在这十年来各等级水所对应河段长度的变化趋势，并利用数据 拟合的方法得出水质的变化曲线图以及对应的函数关系，然而在拟合的过程中可以发 现，由于长江各年的水文变化较大，不宜于用单一的函数来拟合10 年的各类数据，考 虑到神经网络模型的自我学习能力以及分析能力，采用BP 神经网络模型来预测长江各 等级水质对应的河段长度的变化趋势已经成为现代水文预测的一种通用的重要方法。 由于长江整体水量的变化，废水排放总量的变化以及观测河段的长度变化存在一定 的规律，因此需要采用数据拟合的办法拟合出长江在这20年的年总流量Q，废水排放总 量W，观测全流域河段长度L，观测干流河段长度Lg的函数关系式。 通过观察废水的排放量，得到排放量近似满足指数增长。用最小二乘拟合出曲线： - 11 - xey 597.096.155 对于流量的预测，由于1998的数据和其他数据差别太大，故去掉后再进行线性拟合。考 虑到流量每年会有随机的波动故加入振幅为500 的随机白噪声。 对于观测全流域河段长度 L以及观测干流河段长度Lg，其前十年的数据点图如图1，可 以发现其前10 年的变化趋势满足形如   rt MIN MAX MAX e X X X tf          11 的函数图像，其中 MAXX 代表观测长度可能取到的最大值， MINX 代表观测长度的最小值，r为待定常数，根据经 验值以及数据的拟合程度，在全流域干流河段长度L的拟合中令 2 1 r 。式中t代表观测 的年份t∈[1，20]，且t∈N，得到的拟合函数为 221 1.6503 t e L    而在全流域支流河段长度L的拟合中令 2 1 r 。式中t 代表观测的年份t∈[1，20]，且t∈N， 得到的拟合函数为 2101 1.35030 t e L    根据实际情况以及题给数据表格可以发现，长江中的污染是由于污染物超标废水的 排放造成的。污染物超标的废水流入长江中，与江水混合形成长江流域的污染。污水中 各种指标的浓度则是本题中衡量长江水质等级的标准，因此长江流域的各河段的水质等 级与长江的年总流量和污染物超标污水总排放量相关。而各个等级的水质对应得河段长 度还与观测河段的总长有关。现在要利用BP 反馈网络来预测未来的水质变化趋势，不 难想到以长江一年的总流量Q，该年污水的排放总量W 以及观测河段的长度L，3 个变 量作为神经网络的输入学习变量，而以该时期（丰水期，枯水期，水文年）该流域（全 流域，干流，支流）的各个等级水质对应的河段长度作为输出。建立神经网络，来分析 1995年到2004年这10年来水质的变化规律，得出未来10年在没有人为治理的情况下， 长江水质的变化趋势。 为了验证本模型的合理性，首先以前8年（1995~2002）的数据作为实验的样本集。 输出量有6 个，分别为水文年全流域的各个水质的百分比。首先得到8年的输入量（每 一列为一个输入，分别代表L,Q,W）： 9925 10037 9992 10958 30466 30312 34146 35386 9205 9513 9171.3 13127 9513 9924 8892.8 10210 174 179 183 189 207 234 220.5 256 由于L,W,Q 的数值差别很大，所以首先进行归一化处理        XX XiX X G minmax min    归一化后的值作为训练的输入值。对于隐层结点数和传输函数的选择，通过多次测试最 - 12 - 后选定用15 作为隐层结点数，三层之间的传输函数分别为        xe Sigmoid 1 1 ,Sigmoid, 线性函数。利用Matlab 的神经网络工具箱对这8 个样本进行训练，均方误差(mse)达到 10-5 的数量级，训练效果较好。用训练好的网络预测2003 和2004 水文年全流域各个 水质的百分比得到如下结果： 年份 Ⅰ类 Ⅱ类 Ⅲ类 Ⅳ类 Ⅴ类 劣Ⅴ类 2003 实际值 4.7 41.5 31.3 6.4 5.8 10.3 2003 预测值 5.2988 39.208 30.579 10.014 5.0197 9.614 2004 实际值 1.2 26.9 39.9 14.8 5.9 11.3 2004 预测值 5.051 40.575 29.909 9.948 4.5292 9.7619 可以看出对2003年预测效果比较准确，而对2004就有较大偏差。由于影响水质变 化的因素有很多，最主要的是废水的排放量。但是由于废水排放的地点随时间的变化很 紊乱，另外测试水流的地段的信息也缺少。所以仅凭借总流量Q，排放总量W，河段的 长度L等确定的信息只能给出水质大致的变化趋势。基于上面的分析，预测长江未来10 年的水质状况，得到如下分别反映了长江流域的全流域、干流、支流在水文年、枯水期、 丰水期的各个等级水质对应河段长度比例的预测数据： 水文年全流域 Ⅰ类 Ⅱ类 Ⅲ类 Ⅳ类 Ⅴ类 劣Ⅴ类 年份 评价 河长 ％ 河长 ％ 河长 ％ 河长 ％ 河长 ％ 河长 ％ 河长 2005 39257 17.0 6692.7 29.0 11378.1 41.2 16163.2 8.3 3275.2 2.9 1137.5 1.4 560.7 2006 40118 14.7 5885.4 25.0 10031.3 45.7 18329.1 9.7 3890.6 2.9 1147.7 1.9 771.3 2007 40662 13.9 5644.4 24.1 9819.8 46.2 18781.9 10.5 4283.8 2.8 1148.4 2.3 927.9 2008 40999 11.1 4548.0 25.5 10461.9 41.8 17132.0 15.1 6201.1 2.4 999.5 4.1 1693.8 2009 41208 5.4 2214.7 35.2 14505.6 36.5 15036.6 13.2 5444.6 5.7 2357.5 4.2 1728.0 2010 41334 3.8 1569.0 43.8 18092.8 28.8 11895.6 8.7 3586.5 3.6 1506.2 11.3 4650.6 2011 41412 2.0 844.1 42.3 17514.8 32.0 13250.2 4.0 1648.5 5.9 2432.0 13.8 5719.1 2012 41460 1.9 772.4 42.1 17466.1 32.4 13416.5 3.5 1446.6 6.1 2536.2 14.0 5822.3 2013 41488 1.9 771.1 42.1 17474.4 32.4 13431.7 3.5 1439.8 6.1 2542.3 14.0 5828.6 2014 41506 2.0 815.9 42.1 17472.5 32.3 13420.8 3.6 1485.7 6.1 2538.5 13.9 5772.6 水文年干流 Ⅰ类 Ⅱ类 Ⅲ类 Ⅳ类 Ⅴ类 劣Ⅴ类 年份 评价 河长 ％ 河长 ％ 河长 ％ 河长 ％ 河长 ％ 河长 ％ 河长 2005 6438 0.6 36.1 52.2 3357.7 28.0 1801.0 11.2 724.0 7.3 471.4 0.7 47.8 2006 6463 1.6 105.4 41.5 2681.0 27.5 1777.3 18.9 1223.6 7.5 484.2 3.0 191.5 2007 6479 2.1 133.2 27.9 1805.5 37.4 2425.3 17.9 1160.1 7.8 507.4 6.9 447.5 2008 6488 1.5 94.6 26.3 1707.1 39.6 2568.8 16.5 1071.0 7.8 507.5 8.3 539.1 2009 6494 1.3 81.3 25.9 1683.2 40.4 2624.9 15.9 1031.7 7.8 505.9 8.7 567.0 2010 6497 1.7 111.5 25.1 1632.7 42.8 2783.4 14.6 947.7 7.5 489.6 8.2 532.2 2011 6499 1.7 111.2 18.4 1196.9 52.2 3389.9 14.0 907.7 5.1 332.4 8.6 560.9 2012 6501 1.8 115.3 17.4 1133.3 53.3 3465.3 15.4 1000.3 4.3 279.7 7.8 507.1 2013 6501 3.1 199.5 21.6 1404.5 45.3 2942.8 17.4 1131.6 7.1 460.3 5.6 362.2 2014 6502 3.8 246.2 35.0 2274.9 26.1 1693.8 21.7 1407.9 3.7 240.0 9.8 639.2 - 13 - 水文年支流 Ⅰ类 Ⅱ类 Ⅲ类 Ⅳ类 Ⅴ类 劣Ⅴ类 年份 评价 河长 ％ 河长 ％ 河长 ％ 河长 ％ 河长 ％ 河长 ％ 河长 2005 32819 20.3 6656.6 24.4 8020.4 43.8 14362.0 7.8 2551.2 2.0 666.0 1.6 512.9 2006 33655 17.2 5779.9 21.8 7350.3 49.2 16552.0 7.9 2667.0 2.0 663.5 1.7 579.8 2007 34183 16.1 5511.2 23.4 8014.3 47.9 16357.0 9.1 3123.7 1.9 641.0 1.4 480.4 2008 34511 12.9 4453.4 25.4 8754.8 42.2 14563.0 14.9 5130.2 1.4 492.0 3.3 1154.8 2009 34714 6.1 2133.3 36.9 12822.0 35.8 12412.0 12.7 4412.9 5.3 1851.5 3.3 1161.0 2010 34837 4.2 1457.5 47.2 16460.0 26.2 9112.2 7.6 2638.8 2.9 1016.6 11.8 4118.4 2011 34913 2.1 733.0 46.7 16318.0 28.2 9860.2 2.1 740.9 6.0 2099.6 14.8 5158.2 2012 34959 1.9 657.1 46.7 16333.0 28.5 9951.2 1.3 446.3 6.5 2256.5 15.2 5315.2 2013 34987 1.6 571.7 45.9 16070.0 30.0 10489.0 0.9 308.2 6.0 2082.0 15.6 5466.323 2014 35004 1.6 569.7 43.4 15198.0 33.5 11727.0 0.2 77.8 6.6 2298.5 14.7 5133.4 枯水期全流域 Ⅰ类 Ⅱ类 Ⅲ类 Ⅳ类 Ⅴ类 劣Ⅴ类 年份 评价 河长 ％ 河长 ％ 河长 ％ 河长 ％ 河长 ％ 河长 ％ 河长 2005 39257 0.5 215.7 35.3 13860.6 32.8 12883.3 17.3 6799.0 5.2 2037.0 9.2 3610.7 2006 40118 1.5 588.5 33.0 13243.4 39.5 15828.4 11.4 4578.5 6.4 2550.3 7.7 3082.3 2007 40662 2.2 874.6 31.8 12929.7 41.2 16762.5 7.2 2907.3 4.2 1722.2 12.1 4908.9 2008 40999 2.4 964.8 31.1 12753.5 41.8 17138.4 5.6 2304.1 3.1 1263.8 14.5 5937.3 2009 41208 2.3 950.2 30.6 12628.9 42.0 17307.4 5.5 2265.7 2.7 1093.5 15.5 6368.9 2010 41334 2.1 883.9 30.3 12526.9 42.0 17371.5 6.1 2505.1 2.6 1075.9 15.7 6480.8 2011 41412 1.9 785.4 30.0 12430.1 42.0 17378.1 7.0 2910.4 2.8 1143.0 15.5 6417.7 2012 41460 1.6 654.7 29.7 12324.7 41.8 17343.7 8.4 3472.6 3.1 1276.2 15.0 6224.9 2013 41488 1.2 488.5 29.4 12197.9 41.6 17275.6 10.1 4210.2 3.5 1472.1 14.3 5916.4 2014 41506 0.7 290.0 29.0 12034.0 41.4 17184.1 12.4 5127.2 4.2 1723.0 13.3 5513.7 枯水期干流 Ⅰ类 Ⅱ类 Ⅲ类 Ⅳ类 Ⅴ类 劣Ⅴ类 年份 评价 河长 ％ 河长 ％ 河长 ％ 河长 ％ 河长 ％ 河长 ％ 河长 2005 6438 2.4 154.5 47.3 3048.1 34.5 2222.3 12.2 782.6 3.0 193.2 0.6 37.2 2006 6463 2.0 129.0 43.9 2837.5 33.9 2192.3 12.9 830.9 4.2 268.8 3.2 204.5 2007 6479 1.2 78.2 40.5 2625.3 31.5 2043.9 10.4 676.8 6.3 406.4 10.0 648.5 2008 6488 2.5 165.4 40.2 2607.3 23.4 1517.4 14.6 945.1 6.0 386.4 13.4 866.3 2009 6494 1.0 62.0 45.0 2922.6 20.9 1359.5 13.3 864.7 5.4 353.0 14.4 932.2 2010 6497 1.3 84.9 40.7 2644.3 23.3 1510.9 18.2 1179.3 4.4 285.6 12.2 792.0 2011 6499 1.0 65.3 28.5 1851.4 35.5 2309.4 19.0 1234.5 7.3 471.4 8.7 567.1 2012 6501 0.3 20.9 26.9 1751.4 36.6 2379.4 19.4 1259.8 7.9 516.6 8.8 573.0 2013 6501 0.0 1.0 25.6 1665.7 37.7 2450.2 21.3 1381.9 8.4 545.2 7.0 457.1 2014 6502 0.6 42.1 18.9 1230.9 37.3 2424.7 25.4 1649.6 8.8 570.3 9.0 584.6 枯水期支流 Ⅰ类 Ⅱ类 Ⅲ类 Ⅳ类 Ⅴ类 劣Ⅴ类 年份 评价 河长 ％ 河长 ％ 河长 ％ 河长 ％ 河长 ％ 河长 ％ 河长 2005 32819 0.2 61.2 32.9 10812.0 32.5 10661.0 18.3 6016.4 5.6 1843.8 10.9 3573.5 2006 33655 1.4 459.5 30.9 10406.0 40.5 13636.0 11.1 3747.6 6.8 2281.4 8.6 2877.8 2007 34183 2.3 796.4 30.1 10304.0 43.1 14719.0 6.5 2230.5 3.8 1315.8 12.5 4260.4 - 14 - 2008 34511 2.3 799.4 29.4 10146.0 45.3 15621.0 3.9 1359.0 2.5 877.3 14.7 5071.0 2009 34714 2.6 888.2 28.0 9706.2 45.9 15948.0 4.0 1401.1 2.1 740.5 15.7 5436.7 2010 34837 2.3 798.9 28.4 9882.7 45.5 15861.0 3.8 1325.9 2.3 790.3 16.3 5688.8 24 2011 34913 2.1 720.1 30.3 10579.0 43.2 15069.0 4.8 1675.9 1.9 671.7 16.8 5850.6 2012 34959 1.8 633.8 30.2 10573.0 42.8 14964.0 6.3 2212.8 2.2 759.6 16.2 5651.9 2013 34987 1.4 487.5 30.1 10532.0 42.4 14825.0 8.1 2828.3 2.6 926.9 15.6 5459.4 2014 35004 0.7 247.9 30.9 10803.0 42.2 14759.0 9.9 3477.7 3.3 1152.8 14.1 4929.1 丰水期全流域 Ⅰ类 Ⅱ类 Ⅲ类 Ⅳ类 Ⅴ类 劣Ⅴ类 年份 评价 河长 ％ 河长 ％ 河长 ％ 河长 ％ 河长 ％ 河长 ％ 河长 2005 39257 6.4 2511.9 35.2 13799.2 36.5 14326.4 12.8 5007.2 4.0 1564.9 5.2 2047.3 2006 40118 7.6 3054.1 31.7 12724.2 37.5 15037.4 14.3 5739.7 3.7 1492.8 5.2 2070.1 2007 40662 9.1 3705.6 29.8 12122.6 37.3 15154.7 15.2 6199.3 3.3 1352.4 5.2 2127.7 2008 40999 10.5 4320.5 30.8 12644.9 35.3 14476.3 14.6 5977.2 3.1 1289.5 5.6 2291 2009 41208 10.2 4204.9 30.6 12597.7 35.7 14727.7 13.0 5349.2 4.4 1828.3 6.1 2500 2010 41334 9.0 3709.0 29.7 12296.0 37.6 15554.8 12.3 5080.4 5.3 2179.2 6.1 2514.6 2011 41412 3.1 1281.8 28.5 11789.2 38.9 16124.6 19.7 8142.4 7.6 3139.4 2.3 934.6 2012 41460 1.3 536.9 27.8 11514.7 39.6 16421.1 18.8 7777.1 7.3 3007.1 5.3 2203.5 2013 41488 1.1 437.4 21.9 9087.5 40.2 16679.4 20.2 8393.4 5.3 2213.8 11.3 4676.5 2014 41506 5.4 2260.1 9.3 3877.4 42.2 17526.7 25.9 10734.7 1.7 701.9 15.4 6405.2 丰水期干流 Ⅰ类 Ⅱ类 Ⅲ类 Ⅳ类 Ⅴ类 劣Ⅴ类 年份 评价 河长 ％ 河长 ％ 河长 ％ 河长 ％ 河长 ％ 河长 ％ 河长 2005 6438 8.9 572.2 29.7 1910.9 34.0 2188.9 21.1 1359.2 3.0 193.6 3.3 213.2 2006 6463 9.1 585.9 35.3 2281.5 28.4 1832.8 19.8 1276.4 5.1 328.7 2.4 157.6 2007 6479 3.3 213.9 35.3 2289.3 32.4 2098.3 17.7 1145.2 6.8 438.7 4.5 293.6 2008 6488 3.3 214.4 32.1 2082.6 39.7 2572.5 12.4 801.3 7.7 500.5 4.9 316.7 2