长江水质问题 - 图文

长江水质的评价和预测模型

摘要

本文是一个关于长江流域水质评价和预测的数学模型。

对于问题1，分别采用统计分析模型和模糊综合评价模型。前者利用Excel对附件3中的数据进行统计分析，从而得出17个观测站28个月4种指标的平均值，进而得到整个长江流域在这段时间内各种水体等级所占的百分比以及各观测站的水体等级，简单，直观，明了。但这种统计分析的方法始终是利用单项指标来确定水体的等级，精确性不高。后者利用模糊隶属度及权重将各指标综合成一个总的评价标准，得出江西南昌的水质最差，重庆朱沱的水质最好，长江干流从上游到下游水质有变差的趋势的结论。实用性较强。

对于问题2，在假设流量和流速分段均匀的情况下，采用完全混合模型。找出了干流第i观测站污染物数量的平衡关系式，结合附件3的数据，得出高锰酸盐的污染源主要在湖南岳阳城陵矶地区, 氨氮的污染源主要在湖南岳阳城陵矶地区。

对于问题3，采用回归模型。首先利用附件4所给的数据，对水文年干流的数据进行回归分析，利用Matlab中的regress函数分别对长江总流量与时间，废水排放量与时间，干流河总长与时间，各类水质百分比与长江总流量、废水排放量、干流总河长的线性回归，并进行了假设检验，以确定它们之间是否存在显著的线性关系，结果表明它们之间的线性关系显著，由此根据回归得到的参数即可对未来10年长江水质污染做出预测，结果见表9。结果发现第一类水体在未来10年的百分比出现负值，因此对第一类体采用指数回归，通过检验表明关系显著，由此预测出了第一类水体未来的发展趋势，结果见表13。

对于问题4，采用线性规划模型。在满足约束条件的情况下，对未来10年 每年的废水排放量求最大值，则每年需处理的废水量即为未来10年每年的废水量预测值与采用规划模型求出的各年废水量的差值。每年需处理的废水量见表11。

根据所求的结果，我们提出了对解决长江水质污染的一些可行性建议与意见，详见5.5。

关键词：统计评价 模糊分析 混合模型 回归分析 预测 线性规划

一、问题重述

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。2004年10月，由全国政协与中国发展研究院联合组成“保护长江万里行”考察团，从长江上游宜宾到下游上海，对沿线21个重点城市做了实地考察，揭示了一幅长江污染的真实画面，其污染程度让人触目惊心。为此，专家们提出“若不及时拯救，长江生态10年内将濒临崩溃”（附件１），并发出了“拿什么拯救癌变长江”的呼唤（附件2）。

附件3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)。附件4是“1995~2004年长江流域水质报告”给出的主要统计数据。下面的附表是国标(GB3838-2002) 给出的《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。

请你们研究下列问题：

（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、条件假设

1. 长江干流的污染物自然净化能力是近似均匀的。

2. 长江干流或支流上观测点的水质污染主要包括本地区的排污和上游的污水。 3. 对长江的评价项目主要是溶解氧（DO），高锰酸盐指数（CODMn），氨氮（NH3-N）

和PH值这4种单项指标。

4. 长江水的流速和流量可认为是分段均匀的,即i观测站到i+1观测站之间任

一位置的流速和流量是一定。 5. 附件中所给的数据真实可靠。

6. 在未来的十年中，长江不发生特大洪水。

三、符号说明

1. 2. 3.

vi： 长江干流i观测站的流速(13个月的平均值)

i观测站的流量(13个月的平均值)

Qi： 长江干流ci,j(j=1为高锰酸盐，j=2为氨氮)： 表示第i观测站的2年多（2003年6

月到2005年9月）j类污染物指数的平均值 4.

si,j(j=1

为高锰酸盐，j=2为氨氮)： 表示第i观测站的j类污染物经过河

流的自净作用到达i+1观测站所剩余的污染物 5.

ni： 表示污染物由第

i观测站到达i+1观测站所经历的天数(13个月的平

均值) 6.

Ti,j( j=1为高锰酸盐，j=2为氨氮)： 表示第i观测站的j类污染物数量,

包括从上游流下来的和本身排出的 7.

pi,j（j=1

为高锰酸盐，j=2为氨氮）： 表示第i观测站支流或本身所排出的

j类污染物数量

8. ?： 长江水的自净系数(可认为是一常数,具体计算时取为0.2) 9.

Xj：水文年干流第j类水的百分比

10. wr： 表示某年长江水的总流量 11. ws： 表示某年废水排放量

12. d ： 表示某年水文年干流河流总长度 13. t ： 表示时间（单位为年）

注：其他局部变量符号在文中均有说明

四、问题的分析

本问题是一个长江水质的评价及预测模型。评价水质的标准有很多，根据某种污染物的浓度标准即可根据该单项指标确定水质的等级，由于实际水体各单项水质指标的评价结果常常是不相容的（如：利用指标1得到的水体等级为L1,利用指标2得到的水体等级为L2,且L1?L2），直接利用水质评价标准表进行水体质量等级评判缺乏实用性。

4.1 对于问题1，利用Excel对附件3中的数据进行统计分析，对长江流域干流及支流17个观测站分别求出28个月4种指标的平均值，根据附表确定各观测站的水体等级。同时还统计出各观测站在这28个月内出现各种水体等级的次数，从而综合确定了整个长江流域在这段时间内各种水体等级所占的百分比，简单、直观。但这种统计分析的方法始终是利用单项指标来确定水体的等级，为此采用

模糊综合分析方法对长江水体进行评价，利用模糊隶属度及权重将各指标综合成一个总的评价标准，实用性较强。

4.2 在问题2中，我们采用完全混合模型，目的在于寻找干流第i观测站本身排出污染物数量的关系式，根据每个观测站的污染物的平衡关系,即: 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。长江流域示意图如下：长江干流某个观测站的污染物（如：2观测站），其污染物的量（可考虑为28个月的平均值）=1观测站处的污染物经1~2段的自净剩余量+2观测站支流及干流的排放量。

图1

4.3 问题3中要利用过去10年的主要统计数据，对未来江水的水质污染发展做出预测分析，主要是提取有价值数据，并进行回归分析从而对未来做出预测。 4.4 在第4问中，根据第3问所得结果，运用线性规划模型，得出在满足约束条件下的结果求得废水排放量的最大值，某年要处理的污水量=该年的污水排放预测值-该年求得的废水排放量最大值。

五、模型的建立和求解

5.1 问题1：长江水质的综合评价

5.1.1 根据前面的分析，附件3中给出了2年多长江流域17个观测站的4个指标的观测值，建立了一个统计模型，利用Excel对附件3中的数据进行统计分析。得出17个观测站28个月水质等级的总和统计以及平均值，见表1和表2。根据表1，我们可以清晰的看到每个站点28个月来水质的综合情况。通过表2，

我们得出了每个站点4个指标28个月来的平均值和水质的等级。 表1 28个月水质分类统计 序号 点位名称 断面情况 劣I II Ⅲ Ⅳ V V 1 四川攀枝花 干流 8 15 3 2 2 重庆朱沱 干流（川-渝省界） 20 8 3 湖北宜昌南津关 干流（三峡水库出口） 25 3 4 湖南岳阳城陵矶 干流 18 10 5 江西九江河西水厂 干流（鄂-赣省界） 2 26 6 安徽安庆皖河口 干流 1 26 1 7 江苏南京林山 干流（皖-苏省界） 2 25 1 8 四川乐山岷江大桥 岷江（与大渡河汇合前） 4 9 9 2 4 9 四川宜宾凉姜沟 岷江（入长江前） 19 4 1 3 10 四川泸州沱江二桥 沱江（入长江前） 3 13 4 4 4 11 湖北丹江口胡家岭 丹江口水库（库体） 20 8 12 湖南长沙新港 湘江（洞庭湖入口） 3 15 10 13 湖南岳阳岳阳楼 洞庭湖出口 15 10 3 14 湖北武汉宗关 汉江（入长江前） 18 9 1 15 江西南昌滁槎 赣江（鄱阳湖入口） 3 10 15 16 江西九江蛤蟆石 鄱阳湖出口 19 5 4 17 江苏扬州三江营 夹江（南水北调取水口） 20 7 1 然后利用Excel生成长江流域水质分类比例图示,见图2 表2 4个指标28个月的平均值 平序均点位名称 断面情况 号 pH* DO CODMn NH3-N 水质 8.2561 9.1543 2.4321 0.18286 II 1 四川攀枝干流 花 -渝省7.9118 8.9304 2.0964 0.33179 II 2 重庆朱沱 干流（川界） 干流（三峡水库7.7507 8.5054 2.875 0.26429 II 3 湖北宜昌南津关 出口） 7.8168 8.6832 3.7857 0.33 II 4 湖南岳阳干流 城陵矶 江西九江干流（鄂-赣省7.4243 7.7536 2.4286 0.16036 II 5 河西水厂 界） 7.4525 7.4496 2.5786 0.22286 II 6 安徽安庆干流 皖河口 干流（皖-苏省7.6554 7.4714 2.1929 0.16286 II 7 江苏南京林山 界） 岷江（与大渡河7.5021 5.6525 5.2429 0.89286 Ⅲ 8 四川乐山岷江大桥 汇合前） 岷江（入长江8.0639 8.9586 2.7571 0.43 II 9 四川宜宾凉姜沟 前） 沱江（入长江7.6957 6.9307 3.2143 0.81 Ⅲ 10 四川泸州沱江二桥 前） 丹江口水库（库7.8518 9.2307 2.0357 0.12321 II 11 湖北丹江口胡家岭 体） 0.89429 Ⅲ 12 湖南长沙湘江（洞庭湖入7.1014 7.1186 2.575 新港 口） Ⅲ 13 湖南岳阳洞庭湖出口 7.7275 8.2436 4.0571 0.38036 岳阳楼 0.23321 II 汉江（入长江7.9039 7.41 14 湖北武汉宗关 前） 3.2429 赣江（鄱阳湖入7.1354 5.745 2.3846 4.5986 劣V 15 江西南昌滁槎 口） 7.6093 7.9321 3.8071 0.28857 II 16 江西九江鄱阳湖出口 蛤蟆石 夹江（南水北调7.7257 8.3679 3.0893 0.31286 II 17 江苏扬州三江营 取水口）

利用Excel生成各站点污染物分布图，见图3

图2

长江流域水质分类比例图示Ⅳ9%V劣V0%5%I8%Ⅲ19%II59%

图3

各站点污染物分布图25污染物浓度值201510501234567891011121314151617站点顺序

NH3-NCODMnDOpH*图中1至17同表1中的顺序 5.1.2 模糊综合评价模型

由于水环境中客观存在的模糊性和不确定性，可以用模糊综合评价法对水质问题进行评价。应用模糊数学进行水质评价时，对一个断面只需要一个由P项因子指标组成的实测样本，由实测值建立各因子指标对各级标准的隶属度集。如果水质级别为Q级，则构成P×Q的隶属度矩阵，再把因子的权重集与隶属度矩阵

进行模糊积，获得一个综合判集，表明断面水质对各级标准水质的隶属程度，反映了综合水质级别的模糊性。 模糊综合评价模型的建立[1]：

?a1?aB=A·R??2???ak?R1???R2?????Rk?

其中A各因子权重，R为隶属矩阵，B为模糊综合评价指标矩阵。 （1） 确定评价标准集?，本模型采用6级评价作为评价级： ?=｛Ⅰ，Ⅱ，Ⅲ，Ⅳ，Ⅴ，劣Ⅴ｝

（2） 根据长江各观测站断面的实际情况，同时考虑2003年6月到2005年9

月的检测资料，选取4个水质参数，因素集UiU1,U2,U3,U4??U1,U2,U3,U4?；

分别表示pH,DO,CODMn,NH3-N的水质参数。

（3） 建立隶属函数，求出各观测点位的判别矩阵Ri，选用降半梯形公式：

???? ry??2??2??1?ci??10?0???1??cici??1?ci??2??2?

?式中ci——第i种因素的实测值；

?1,?2——水质分级代表值

???R??ri1????r?n1将计算结果构造隶属矩阵R，则有：

r12?r1m??r11?ri2?rn2?????rim?nm???????n?mn=476,m=4

（4） 确定各因子权重，求出各观测点位的权重集A。利用环境质量分子指数确

定因子权重，并将权值归一化，这种赋权方法既可以突出环境质量评价中主要因子的作用，又考虑了不同污染物标准值的差异，且容易计算。由此

得到权重集合Ai??a1,a2??an?。

ai?cicm

归一化后：

aoi?ain

ai?i?1 式中 ai——第i种污染物标准指数； aoi——归一化后第i种污染物权重； ci——第i种污染物实测浓度值 mg/L

coi——第i种污染物环境质量标准值 mg/L

（5）距阵B的合成

5.1.3 模型1的求解（求解程序详见附录2）

将矩阵B中同一观测站，同一指标的综合评价，不同月份的值相加即得到各个观测站的综合指标见表3 表3 观测站序综合指标 号 1~6 0.17124 0.1817 0.1655 0.17219 0.15316 0.1487 7~12 0.13741 0.15475 0.18034 0.15067 0.17565 0.16369 13~17 0.17021 0.15077 0.13415 0.16359 0.15402 利用Matlab[2]画出各观测站综合指标的图形

图4

由上图中可清楚地看出长江流域水质好坏程度，江西南昌的水质最差，重庆朱沱的水质最好，在长江干流（站点序号1~7）从上游到下游水质有变差的趋势。

5.2 问题2：江水完全混合模型

干流上共有7个观测站,由假设知长江水的流速和流量是分段均匀的,即i到i+1观测站任一位置的流速和流量均为vi和Qi。

由问题的分析可知我们的目标就是寻找第i观测站本身排出污染物数量的关系式,得到每个观测站(地区)排出的污染物数量,通过比较7个观测站排出的污染物数量的多少,从而确定污染物的污染源主要在哪些地区。 5.2.1江水混合模型的建立：

si?1,j+pi,j=Ti,j--------------------------------i观测站，j污染物的平衡关

系

si?1,j=Ti?1,j(1??)ni?1-------------------------到达i观测点剩余j污染物的关

系

ni?1=

1000?di?1vi?1?24?3600------------------------污染物由i-1观测点到达i观测

点的天数的关系

Ti,j= 0.001*ci,jQi*

1000?divi--------------i观测站j总污染物的关系

5.2.2 模型2的求解

利用Matlab对模型进行求解（求解程序详见附录3） 表4 观测站 湖北宜昌南湖南岳阳城重庆朱沱 江西九江河 安徽安庆皖 污染物 津关 陵矶 (kg) 高锰酸盐指94.726 169.01 281.91 -13.862 200.23 数 氨氮 15.73 13.059 24.249 -3.0308 18.52 从表中知道在江西九江河地区的污染物数量为负值，即九江河地区长江下游地区比长江上游地区的污染物还多，说明在此地区可能是污染物由干流排向了支流。

比较上述数据可知高锰酸盐的污染源主要在湖南岳阳城陵矶 地区, 氨氮的污染源主要在湖南岳阳城陵矶地区。 5.3 问题3：回归与预测模型

对问题3的分析：要依据对过去10年的主要统计数据，对长江水未来水质污染做出预测分析。wr，ws均是逐年变化的，对wr，ws回归分析时可考虑只与时间t有关。考虑到各类水的百分比数与长江水的总流量、废水排放量、干流河流长度有关。

5.3.1 模型3的建立：

wr=?r??rt

ws=?s??st

d=?dXj??dt

xj??xj??wr??xjws?kjd

5.3.2 模型3的求解：

利用Matlab中的regress函数[3]进行回归分析（程序详见附录4） 表5 R2 F P wr ws 0.000953 0.007631 0.93253 0.94067 0.79647 126.83 3.47E-06 31.306 0.000513 d 回归参数见表6 表6 ws wr d 常数 9961.7 149 4048.9 系数 -12.296 12.864 244.32 即wr=9961.7-12.296t

ws=149+12.864t

d=4048.9+244.32t 表7 2 F RX1 XP 0.81867 9.0298 0.01212 2 0.50151 2.0121 0.2138 0.4283 1.4983 0.30756 0.28975 0.81591 0.53035 0.62917 3.3933 0.094664 0.43697 1.5522 0.29551 X3XXX456 回归参数见表8 表8

X 系数 ??xjX1 X2 X3 X4 X5 X6 90.225 36.329 -35.077 20.374 -3.2377 -8.5817 xj -0.00243 -0.00151 0.007607 -0.00264 -0.00069 -0.00034 0.06369 -0.31999 0.11035 0.13769 -0.046 0.05338 ??xjj-0.01302 0.014896 -0.00412 -0.00268 0.004476 0.00047 即: X1=90.225-0.00243wr+0.06369ws-0.01302d

XX2=36.329-0.00151wr-0.31999ws+0.014896d =-35.077+0.007607wr+0.11035ws-0.00412d =20.374-0.00264wr+0.13769ws-0.00268d =-3.2377-0.00069wr-0.046ws+0.004476d =-8.5817-0.00034wr+0.05338ws+0.00047d

3XXX456对未来10年的预测值：

六类水质的水百分比的预测值见表9： 表9 20052006200720082009年 年 年 年 年 年 水 质 Ⅰ -2.9-5.2-7.5-9.9-12.087 412 736 061 239 Ⅱ 28.928.427.927.527.009 51 93 34 76 Ⅲ 43.944.344.644.945.291 11 31 51 71 Ⅳ 16.317.518.619.820.963 13 62 12 62 Ⅴ 6.817.327.838.348.8563 65 67 7 72 劣6.787.588.399.1910.0Ⅴ 06 61 17 73 03 2010年 2011年 2012年 2013年 2014年 -14.571 26.618 45.591 22.111 9.3674 10.808 -16.904 26.159 45.911 23.261 9.8777 11.614 -19.236 25.701 46.231 24.411 10.388 12.42 -21.569 25.243 46.551 25.56 10.898 13.225 -23.901 24.784 46.871 26.71 11.408 14.031

图5

未来10年水质变化趋向150100500劣ⅤⅤⅣⅢⅡⅠ2005年2006年2007年2008年2009年2010年2011年2012年2013年2014年

长江水总流量的预测值见表10： 表10 200520062007200820092012011201220132014年 年 年 年 年 0年 年 年 年 年 9826.9814.9801.9789.9777.9769752.9740.9728.9715.5 2 9 6 3 5 7 4 1 8 废水排放总量的预测值见表11： 表11 2005200620072008200920102011201220132014年 年 年 年 年 年 年 年 年 年 290.303.3316.2329.0341.9354.8367.6380.5393.4406.25 6 3 9 5 2 8 5 1 7 水文年长江干流总长度的预测值见表12： 表12 200520062002008200920102011201220132014年 年 7年 年 年 年 年 年 年 年 6736.6980.7227469.7713.7957.8202.8446.8690.8935.3 6 5 3 6 9 2 5 9 2 5.3.3 模型3的改进：由上述线性回归模型,预测未来10年各类水质的百分比,第一类水体的百分比出现了负数,说明在未来10年中已经不存在第一类水体,在该类水体不存在的情况,它的百分比数将不可能再减少,而上述得到的预测值在第11年出现负值情况后,每年仍以一定的速度减少,显然是不合理的,但直接将负值改为0,就不能正确反映它的变化趋势.

而事实上某类水质的百分比在很小的时候,它的变化趋势将明显减小,但不可能为负值,因此对第一类水体的建立以下的指数模型:

X1=?e??t

两边取对数即lnX1=ln?-?t

同样对上式利用Matlab进行线性回归分析,具体求解过程详见附件4。

表13 2F P R 0.74871 20.856 0.0025839 回归得到的参数：ln?=3.6948；?=0.34223 即X1=e3.6948?0.34223t

改进后的六类水质的水百分比的预测值见表14： 表14 年 20052002007200820092010 年 6年 年 年 年 年 水质 Ⅰ 0.60.930.470.330.230.168623264 039 406 725 49 5 Ⅱ 28.928.27.927.527.026.6109 451 93 34 76 8 Ⅲ 43.944.44.644.945.245.5991 311 31 51 71 1 Ⅳ 16.317.18.619.820.922.1163 513 62 12 62 1 Ⅴ 6.817.37.838.348.859.36763 265 67 7 72 4 劣6.787.58.399.1910.010.80Ⅴ 06 861 17 73 03 8

2011年 2012年 2013年 2014年 0.11966 26.159 45.911 23.261 9.8777 11.614 0.080.060.044979 0351 286 25.701 46.231 24.411 10.388 12.42 25.243 46.551 25.56 10.898 13.225 24.784 46.871 26.71 11.408 14.031 图6

改进后未来10年水质变化趋向14012010080604020020年0620年0720年0820年0920年1020年1120年1220年1320年14年劣ⅤⅤⅣⅢⅡⅠ2005

5.4 问题4：线形规划模型

在未来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，对此，根据附件3和4，以及问题3的方案结果，进行线形规划。

5.4.1模型的建立： Max s.t.

X1=90.225-0.00243wrws

+0.06369ws-0.01302d

XXXX2=36.329-0.00151wr-0.31999ws+0.014896d =-35.077+0.007607wr+0.11035ws-0.00412d

?20.374?0.0026435?3.2377?0.00068533?wr?0.13769?ws?0.0026771?d34

(回归等式约束)

5?wr?0.046002?ws?0.004476?dwr?9961.7?12.296?td?4048.9?244.32?t

X4?X5?20 （长江干流的Ⅳ类和Ⅴ类水的比例控制约束条件）

X1?XX1?0XXXX23452?X3?X4?X5?100?0?0?0?0 （没有劣Ⅴ类水及各类水的比例约束）

t=11，12，13??20 （未来10年的时间参数）

5.4.2 模型4的求解

利用lingo软件对上述线性规划模型进行求解，可适当将约束条件放宽（程序见本文附录5）。

运行程序时，每次修改时间t,依次取 t= 11，12??20,求得未来10年污水排放量的目标值为表15：（单位为亿吨） 表15 2005年 2006年 2007年 2008年 2009年 255.8254 250.5854 245.3455 240.1056 234.8656 2010年 2011年 2012年 2013年 2014年 229.6257 224.3858 219.1459 213.9058 212.2911 再根据预测值，从而得到每年需要处理的污水量见表16：（单位为亿吨） 表16 2005年 2006年 2007年 2008年 2009年 34.6746 52.7782 70.8818 88.9853 107.0889 2010年 2011年 2012年 2013年 2014年 125.1925 143.2960 161.3996 179.5033 193.9816 六、总结与评价

本文模型研究的主要问题是对长江水质进行评价、预测并治理，建立的小模型较多。文章的主要优点是：

模型1采用的统计评价法总体上看是可以基本反映水体污染的性质和程度的，而且便于同一条水体在时间上、空间上的基本污染状况和变化的比较。模糊评价法由于体现了水环境中客观存在的模糊性和不确定性，符合客观规律，具有一定的合理性。

模型2关于流速、流量和自净系数的假设有一定的合理性，且能很好地估计污染源。

模型3的采用的线性回归预测模型，通过假设检验，基本上都能满足显著性水平5%的要求，通过对第一类水体的回归模型的改进，采用指数回归，得到了满意的预测结果。

模型4是一个线性规划模型，模型形式简单，意义明确。

主要缺点表现在：对流速和流量的假设过于简单，在两观测站的流速和流量取决于观测站的地理位置分布及河流状况。

七、短文

7．1水质现状

（1）入江河流水质现状

从图示3可以看出，长江的支流水质较差，干流水质相对较好，且主要集中在Ⅰ～Ⅲ类。

在进入长江的主要河流中，多数河流污染程度较高。其中流经城市的河流因接纳城市生活污水，河水水质更为低劣。

图7

干流支流水质构成对比图例200155类别个数150100500I132311966262IIⅢⅣ水质类别4302V0劣V

干流支流26（2） 长江水质现状

参照图2，在17个水质监测断面中，Ⅰ～Ⅲ类、Ⅳ～Ⅴ类和劣Ⅴ类水质的断面比例分别为：86％、9％和 5％，其中污染指标主要为高锰酸盐指数、氨氮及溶解氧量浓度。所以长江水系属轻度污染。 7．2 建议和意见

针对长江水系轻度污染的现状与今后面临的主要困难，应该污染控制、生态修复、监督管理各项工作并重。重点加强对支流水质的治理，保护好干流的水质。

7.2.1 在污染控制方面，应采取总量控制手段，控制城市生活污染源、企业污染源、面污染源、内污染源。按照预测的污水量及污染物量，分析入江途径以及可控条件，制定污染物总量控制计划。

⑴城市污染控制：控制流域内城市发展规模，重点发展流域外次级城市及一批明星小城镇，通过加强基础设施建设和政策导向，使流域内人口及相关产业向外流域转移，达到控制新增城市污染，减轻长江流域环境负荷的目的。

⑵面源污染控制：结合农村产业结构调整，大力发展现代农业、生态农业，整治农村生态环境。通过对农村有机废弃物综合利用，解决农业固体废弃物污染问题；推广科学施肥技术，解决种植业过量施肥问题。

⑶企业污染控制：加快沿江城市生产力布局和长江流域内产业结构调整步伐，使之与生态环境承载力相适应，充分应用高新技术和先进实用技术改造提升传统产业。建设高浓度有机废水及危险废弃物处置中心，以解决高浓度难降解有机废水及危险固体废弃物带来的特殊环境问题。 7.2.2 生态修复

在部分水域实施水生生态修复项目，恢复和建设湿地生态系统，改善长江流域生态环境，控制水土流失。 7.2.3 监督管理

监督管理应建立监督检查制度，制定及实施总量控制管理办法，定期进行长江水环境状况调查。

还要提高全社会的环境保护意识。通过强化环境保护宣传教育手段，讲清长江保护治理与群众切身利益的关系，使广大人民了解长江治理的长期性、艰巨性、复杂性，关心和支持长江水污染防治工作。使每个公民都知道自己该干什么，使全社会都动员起来，共同营造保护治理母亲河长江的社会氛围。

八、参考文献

[1] 张龙江，《水质评价的模糊综合评价-加权平均复合模型应用》，《环境工程》，第19卷第6期：53页，2001年12月 [2] 尹泽明 丁春利等，《精通MATLAB6》，清华大学出班社：2002年6月 [3] 赵静 但琦，《数学建模与数学实验》，高等教育出版社：2000年11月

附录：

说明：

程序实现的前提工作：利用Matlab的数据到入功能，将问题中已知的表格数据附件3和附件4转化为矩阵的形式（.*mat）的文件，并保存在磁盘中，以被调用。将附件3中第1部分长江流域主要城市水质检测报告的28个表格数据通过复制、粘贴，建立这些数据的文本格式（*.txt）的文件，然后打开Matlab6.5从文件下拉菜单中单击 Import Data打开包含前面建立文件的窗口，选定这些数据的文本文件，打开Import Wizard窗口，按提示完成操作，即得这些数据的矩阵变量数据格式（.*mat）的文件，将此文件保存为b3.mat，即b3为476?4阶的矩阵。将表格数据附件3中第2部分数据长江干流主要观测站点的基本数据以同样的方式保存，并把文件名改为b32.mat,即b32为26?7阶矩阵（不包括各站点间距数据）。将数据附件4中10个表格数据也以同样的方式保存，文件名 b4.mat，即b4为90?13阶矩阵。

附录1：统计模型中求各观测站各种指标的均值程序 %model1.m

load b3;%导入附件3中的数据

b3_1=[b3(1,:);b3(18,:);b3(35,:);b3(52,:);b3(69,:);b3(86,:);b3(103,:);b3(120,:);b3(137,:);b3(154,:);b3(171,:);b3(188,:);b3(205,:);b3(222,:);b3(239,:);b3(256,:);b3(273,:);b3(290,:);b3(307,:);b3(324,:);b3(341,:);b3(358,:);b3(375,:);b3(392,:);b3(409,:);b3(426,:);b3(443,:);b3(460,:)];%提取各个观测站的各监测项目数据

b3_2=[b3(2,:);b3(19,:);b3(36,:);b3(53,:);b3(70,:);b3(87,:);b3(104,:);b3(121,:);b3(138,:);b3(155,:);b3(172,:);b3(189,:);b3(206,:);b3(223,:);b3(240,:);b3(257,:);b3(274,:);b3(291,:);b3(308,:);b3(325,:);b3(342,:);b3(359,:);b3(376,:);b3(393,:);b3(410,:);b3(427,:);b3(444,:);b3(461,:)];

b3_3=[b3(3,:);b3(20,:);b3(37,:);b3(54,:);b3(71,:);b3(88,:);b3(105,:);b3(122,:);b3(139,:);b3(156,:);b3(173,:);b3(190,:);b3(207,:);b3(224,:);b3(241,:);b3(258,:);b3(275,:);b3(292,:);b3(309,:);b3(326,:);b3(343,:);b3(360,:);b3(377,:);b3(394,:);b3(411,:);b3(428,:);b3(445,:);b3(462,:)];

b3_4=[b3(4,:);b3(21,:);b3(38,:);b3(55,:);b3(72,:);b3(89,:);b3(106,:);b3(123,:);b3(140,:);b3(157,:);b3(174,:);b3(191,:);b3(208,:);b3(225,:);b3(242,:);b3(259,:);b3(276,:);b3(293,:);b3(310,:);b3(327,:);b3(344,:);b3(361,:);b3(378,:);b3(395,:);b3(412,:);b3(429,:);b3(446,:);b3(463,:)];

b3_5=[b3(5,:);b3(22,:);b3(39,:);b3(56,:);b3(73,:);b3(90,:);b3(107,:);b3(124,:);b3(141,:);b3(158,:);b3(175,:);b3(192,:);b3(209,:);b3(226,:);b3(243,:);b3(260,:);b3(277,:);b3(294,:);b3(311,:);b3(328,:);b3(345,:);b3(362,:);b3(379,:);b3(396,:);b3(413,:);b3(430,:);b3(447,:);b3(464,:)];

b3_6=[b3(6,:);b3(23,:);b3(40,:);b3(57,:);b3(74,:);b3(91,:);b3(108,:);b3(125,:);b3(142,:);b3(159,:);b3(176,:);b3(193,:);b3(210,:);b3(228,:);b3(244,:);b3(261,:);b3(278,:);b3(295,:);b3(312,:);b3(329,:);b3(346,:);b3(363,:);b3(380,:);b3(397,:);b3(414,:);b3(431,:);b3(448,:);b3(465,:)];

b3_7=[b3(7,:);b3(24,:);b3(41,:);b3(58,:);b3(75,:);b3(92,:);b3(109,:);b3(126,:);b3(143,:);b3(160,:);b3(177,:);b3(194,:);b3(211,:);b3(229,:);b3(245,:);b3(262,:);b3(279,:);b3(296,:);b3(313,:);b3(330,:);b3(347,:);b3(364,:);b3(381,:);b3(398,:);b3(415,:);b3(432,:);b3(449,:);b3(466,:)];

b3_8=[b3(8,:);b3(25,:);b3(42,:);b3(59,:);b3(76,:);b3(93,:);b3(110,:);b3(127,:);b3(144,:);b3(161,:);b3(178,:);b3(195,:);b3(212,:);b3(230,:);b3(246,:);b3(263,:);b3(280,:);b3(297,:);b3(314,:);b3(331,:);b3(348,:);b3(365,:);b3(382,:);b3(399,:);b3(416,:);b3(433,:);b3(450,:);b3(467,:)];

b3_9=[b3(9,:);b3(26,:);b3(43,:);b3(60,:);b3(77,:);b3(94,:);b3(111,:);b3(128,:);b3(145,:);b3(162,:);b3(179,:);b3(196,:);b3(213,:);b3(231,:);b3(247,:);b3(264,:);b3(281,:);b3(298,:);b3(315,:);b3(332,:);b3(349,:);b3(366,:);b3(383,:);b3(400,:);b3(417,:);b3(434,:);b3(451,:);b3(468,:)];

b3_10=[b3(10,:);b3(27,:);b3(44,:);b3(61,:);b3(78,:);b3(95,:);b3(112,:);b3(129,:);b3(146,:);b3(163,:);b3(180,:);b3(197,:);b3(214,:);b3(232,:);b3(248,:);b3(265,:);b3(282,:);b3(299,:);b3(316,:);b3(333,:);b3(350,:);b3(367,:);b3(384,:);b3(401,:);b3(418,:);b3(435,:);b3(452,:);b3(469,:)];

b3_11=[b3(11,:);b3(28,:);b3(45,:);b3(62,:);b3(79,:);b3(96,:);b3(113,:);b3(130,:);b3(147,:);b3(164,:);b3(181,:);b3(198,:);b3(215,:);b3(233,:);b3(249,:);b3(266,:);b3(283,:);b3(300,:);b3(317,:);b3(334,:);b3(351,:);b3(368,:);b3(385,:);b3(402,:);b3(419,:);b3(436,:);b3(453,:);b3(470,:)];

b3_12=[b3(12,:);b3(29,:);b3(46,:);b3(63,:);b3(80,:);b3(97,:);b3(114,:);b3(131,:);b3(148,:);b3(165,:);b3(182,:);b3(199,:);b3(216,:);b3(234,:);b3(250,:);b3(267,:);b3(284,:);b3(301,:);b3(318,:);b3(335,:);b3(352,:);b3(369,:);b3(386,:);b3(403,:);b3(420,:);b3(437,:);b3(454,:);b3(471,:)];

b3_13=[b3(13,:);b3(30,:);b3(47,:);b3(64,:);b3(81,:);b3(98,:);b3(115,:);b3(132,:);b3(149,:);b3(166,:);b3(183,:);b3(200,:);b3(217,:);b3(235,:);b3(251,:);b3(268,:);b3(285,:);b3(302,:);b3(319,:);b3(336,:);b3(353,:);b3(370,:);b3(387,:);b3(404,:);b3(421,:);b3(438,:);b3(455,:);b3(472,:)];

b3_14=[b3(14,:);b3(31,:);b3(48,:);b3(65,:);b3(82,:);b3(99,:);b3(116,:);b3(133,:);b3(150,:);b3(167,:);b3(184,:);b3(201,:);b3(218,:);b3(236,:);b3(252,:);b3(269,:);b3(286,:);b3(303,:);b3(320,:);b3(337, :);b3(354,:);b3(371,:);b3(388,:);b3(405,:);b3(422,:);b3(439,:);b3(456,:);b3(473,:)];

b3_15=[b3(15,:);b3(32,:);b3(49,:);b3(66,:);b3(83,:);b3(100,:);b3(117,:);b3(134,:);b3(151,:);b3(168,:);b3(185,:);b3(202,:);b3(219,:);b3(237,:);b3(253,:);b3(270,:);b3(287,:);b3(304,:);b3(321,:);b3(338,:);b3(355,:);b3(372,:);b3(389,:);b3(406,:);b3(423,:);b3(440,:);b3(457,:);b3(474,:)];

b3_16=[b3(16,:);b3(33,:);b3(50,:);b3(67,:);b3(84,:);b3(101,:);b3(118,:);b3(135,:);b3(152,:);b3(169,:);b3(186,:);b3(203,:);b3(220,:);b3(238,:);b3(254,:);b3(271,:);b3(288,:);b3(305,:);b3(322,:);b3(339,:);b3(356,:);b3(373,:);b3(390,:);b3(407,:);b3(424,:);b3(441,:);b3(458,:);b3(475,:)];

b3_17=[b3(17,:);b3(34,:);b3(51,:);b3(68,:);b3(85,:);b3(102,:);b3(119,:);b3(136,:);b3(153,:);b3(170,:);b3(187,:);b3(204,:);b3(221,:);b3(239,:);b3(255,:);b3(272,:);b3(289,:);b3(306,:);b3(323,:);b3(340,:);b3(357,:);b3(374,:);b3(391,:);b3(408,:);b3(425,:);b3(442,:);b3(459,:);b3(476,:)];

c1_ph=(sum(b3_1(:,1)))/28;c1_do=(sum(b3_1(:,2)))/28;c1_dm=(sum(b3_1(:,3)))/28;c1_nhn=(sum(b3_1(:,4)))/28;

c2_ph=(sum(b3_2(:,1)))/28;c2_do=(sum(b3_2(:,2)))/28;c2_dm=(sum(b3_2(:,3)))/28;c2_nhn=(sum(b3_2(:,4)))/28;

c3_ph=(sum(b3_3(:,1)))/28;c3_do=(sum(b3_3(:,2)))/28;c3_dm=(sum(b3_3(:,3)))/28;c3_nhn=(sum(b3_3(:,4)))/28;

c4_ph=(sum(b3_4(:,1)))/28;c4_do=(sum(b3_4(:,2)))/28;c4_dm=(sum(b3_4(:,3)))/28;c4_nhn=(sum(b3_4(:,4)))/28;

c5_ph=(sum(b3_5(:,1)))/28;c5_do=(sum(b3_5(:,2)))/28;c5_dm=(sum(b3_5(:,3)))/28;c5_nhn=(sum(b3_5(:,4)))/28;

c6_ph=(sum(b3_6(:,1)))/28;c6_do=(sum(b3_6(:,2)))/28;c6_dm=(sum(b3_6(:,3)))/28;c6_nhn=(sum(b3_6(:,4)))/28;

c7_ph=(sum(b3_7(:,1)))/28;c7_do=(sum(b3_7(:,2)))/28;c7_dm=(sum(b3_7(:,3)))/28;c7_nhn=(sum(b3_7(:,4)))/28;

c8_ph=(sum(b3_8(:,1)))/28;c8_do=(sum(b3_8(:,2)))/28;c8_dm=(sum(b3_8(:,3)))/28;c8_nhn=(sum(b3_8(:,4)))/28;

c9_ph=(sum(b3_9(:,1)))/28;c9_do=(sum(b3_9(:,2)))/28;c9_dm=(sum(b3_9(:,3)))/28;c9_nhn=(sum(b3_9(:,4)))/28;

c10_ph=(sum(b3_10(:,1)))/28;c10_do=(sum(b3_10(:,2)))/28;c10_dm=(sum(b3_10(:,3)))/28;c10_nhn=(sum(b3_10(:,4)))/28;

c11_ph=(sum(b3_11(:,1)))/28;c11_do=(sum(b3_11(:,2)))/28;c11_dm=(sum(b3_11(:,3)))/28;c11_nhn=(sum(b3_11(:,4)))/28;

c12_ph=(sum(b3_12(:,1)))/28;c12_do=(sum(b3_12(:,2)))/28;c12_dm=(sum(b3_12(:,3)))/28;c12_nhn=(sum(b3_12(:,4)))/28;

c13_ph=(sum(b3_13(:,1)))/28;c13_do=(sum(b3_13(:,2)))/28;c13_dm=(sum(b3_13(:,3)))/28;c13_nhn=(sum(b3_13(:,4)))/28;

c14_ph=(sum(b3_14(:,1)))/28;c14_do=(sum(b3_14(:,2)))/28;c14_dm=(sum(b3_14(:,3)))/28;c14_nhn=(sum(b3_14(:,4)))/28;

c15_ph=(sum(b3_15(:,1)))/28;c15_do=(sum(b3_15(:,2)))/28;c15_dm=(sum(b3_15(:,3)))/28;c15_nhn=(sum(b3_15(:,4)))/28;

c16_ph=(sum(b3_16(:,1)))/28;c16_do=(sum(b3_16(:,2)))/28;c16_dm=(sum(b3_16(:,3)))/28;c16_nhn=(sum(b3_16(:,4)))/28;

c17_ph=(sum(b3_17(:,1)))/28;c17_do=(sum(b3_17(:,2)))/28;c17_dm=(sum(b3_17(:,3)))/28;c17_nhn=(sum(b3_17(:,4)))/28;

c1=[c1_ph c1_do c1_dm c1_nhn]; %2年多28个月各个观测站的4指标平均值

c2=[c2_ph c2_do c2_dm c2_nhn]; c3=[c3_ph c3_do c3_dm c3_nhn]; c4=[c4_ph c4_do c4_dm c4_nhn]; c5=[c5_ph c5_do c5_dm c5_nhn]; c6=[c6_ph c6_do c6_dm c6_nhn]; c7=[c7_ph c7_do c7_dm c7_nhn]; c8=[c8_ph c8_do c8_dm c8_nhn]; c9=[c9_ph c9_do c9_dm c9_nhn];

c10=[c10_ph c10_do c10_dm c10_nhn]; c11=[c11_ph c11_do c11_dm c11_nhn]; c12=[c12_ph c12_do c12_dm c12_nhn]; c13=[c13_ph c13_do c13_dm c13_nhn]; c14=[c14_ph c14_do c14_dm c14_nhn]; c15=[c15_ph c15_do c15_dm c15_nhn]; c16=[c16_ph c16_do c16_dm c16_nhn]; c17=[c17_ph c17_do c17_dm c17_nhn];

c=[c1;c2;c3;c4;c5;c6;c7;c8;c9;c10;c11;c12;c13;c14;c15;c16;c17];

附录2：模糊综合评价程序 %model1_1.m 模糊综合评判 %建立隶属距阵r load b3; for i=1:476

if b3(i,1)>=6&b3(i,1)<=9 r(i,1)=1; else r(i,1)=0; end end

bb3=1./b3(:,2);%将溶解氧观测值取倒数 for i=1:476

if bb3(i)<=1/7.5 r(i,2)=1

elseif bb3(i)<=1/6&bb3(i)>1/7.5 r(i,2)=(1/6-bb3(i))/(1/6-1/7.5) elseif bb3(i)<=1/5&bb3(i)>1/6 r(i,2)=(1/5-bb3(i))/(1/5-1/6) elseif bb3(i)<=1/3&bb3(i)>1/5 r(i,2)=(1/3-bb3(i))/(1/3-1/5) elseif bb3(i)<=1/2&bb3(i)>1/3 r(i,2)=(1/2-bb3(i))/(1/2-1/3) else r(i,2)=0 end end

for i=1:476

if b3(i,3)<=2 r(i,3)=1

elseif b3(i,3)>2&b3(i,3)<=4 r(i,3)=(4-b3(i,3))/2 elseif b3(i,3)>4&b3(i,3)<=6 r(i,3)=(6-b3(i,3))/2

elseif b3(i,3)>6&b3(i,3)<=10 r(i,3)=(10-b3(i,3))/4

elseif b3(i,3)>10&b3(i,3)<=15 r(i,3)=(3-b3(i,3))/5 else r(i,3)=0 end end

for i=1:476

if b3(i,4)<=0.15 r(i,4)=1

elseif b3(i,4)>0.15&b3(i,4)<=0.5 r(i,4)=(0.5-b3(i,4))/0.35 elseif b3(i,4)>0.5&b3(i,4)<=1.0 r(i,4)=(1.0-b3(i,4))/0.5 elseif b3(i,4)>1.0&b3(i,4)<=1.5 r(i,4)=(1.5-b3(i,4))/0.5 elseif b3(i,4)>1.5&b3(i,4)<=2 r(i,4)=(2-b3(i,4))/0.5 else r(i,4)=0 end end

%确定各因子权重

e1=7*ones(476,1);e2=0.2611*ones(476,1);e3=7.8*ones(476,1);e4=0.8*ones(476,1);%7 0.2611 7.8 0.8分别为4种指标的标准值 Cm=[e1 e2 e3 e4]; a=b3./Cm;

a0(:,1)=a(:,1)/sum(a(:,1));?为权重矩阵 a0(:,2)=a(:,2)/sum(a(:,2)); a0(:,3)=a(:,3)/sum(a(:,3)); a0(:,4)=a(:,4)/sum(a(:,4)); %综合评价 B=a0.*r; for i=1:476;

BB(i)=sum(B(i,:)); BB=BB'; end

%综合评价指标

m1=BB(1:17);m2=BB(18:34);m3=BB(35:51);m4=BB(52:68);m5=BB(69:85);m6=BB(86:102);m7=BB(103:119);m8=BB(120:136);m9=BB(137:153);m10=BB(154:170);

m11=BB(171:187);m12=BB(188:204);m13=BB(205:221);m14=BB(222:238);m15=BB(239:255);m16=BB(256:272);m17=BB(273:289);m18=BB(290:306);m19=BB(307:323);m20=BB(324:340);m21=BB(341:357);m22=BB(358:374);m23=BB(375:391);m24=BB(392:408);m25=BB(409:425);m26=BB(426:442);m27=BB(443:459);m28=BB(460:476);

BB1=[m1 m2 m3 m4 m5 m6 m7 m8 m9 m10 m11 m12 m13 m14 m15 m16 m17 m18 m19 m20 m21 m22 m23 m24 m25 m26 m27 m28]; for i=1:17

BB2(i)=sum(BB1(i,:)); end

plot([1:17],BB2,'r*',[1:17],BB2,'b');

text(1,BB2(1),'四川攀枝花');text(2,BB2(2),'重庆朱沱');text(3,BB2(3),'湖北宜昌');text(4,BB2(4),'湖南岳阳城陵矶');text(5,BB2(5),'江西九江河西水厂');text(6,BB2(6),'安徽安庆');text(7,BB2(7),'江苏南京');text(8,BB2(8),'四川乐山');text(9,BB2(9),'四川宜宾');text(10,BB2(10),'四川泸州'); text(11,BB2(11),'湖北丹江口');text(12,BB2(12),'湖南长沙');text(13,BB2(13),'湖南岳阳岳阳楼');text(14,BB2(14),'湖北武汉');text(15,BB2(15),'江西南昌');text(16,BB2(16),'江西九江蛤蟆石');text(17,BB2(17),'江苏扬州'); xlabel('站点序号');ylabel('综合指标(越大水质越好)');

附录3：江水混合模型程序 %model2.m

load b32;%导入附件3第2部分数据

model1;%因该程序要利用程序model1.m求得的均值数据，所以要先运行model1.m for i=1:7 %求7个干流上观测点的平均流速

v(i)=sum([b32(2,i),b32(4,i),b32(6,i),b32(8,i),b32(10,i),b32(12,i),b32(14,i),b32(16,i),b32(18,i),b32(20,i),b32(22,i),b32(24,i),b32(26,i)])/13; end

for i=1:7%求7个干流上观测点的平均流量

Q(i)=sum([b32(1,i),b32(3,i),b32(5,i),b32(7,i),b32(9,i),b32(11,i),b32(13,i),b32(15,i),b32(17,i),b32(19,i),b32(21,i),b32(23,i),b32(25,i)])/13; end

d0=[0 950 1728 2123 2623 2787 3251];%7个观测点位置

d=[d0(2)-d0(1) d0(3)-d0(2) d0(4)-d0(3) d0(5)-d0(4) d0(6)-d0(5) d0(7)-d0(6)]; t=(1000*d)./v(1:6);%污染物由一观测点到下一观测点的时间 n=t./(24*3600);%污染物由一观测点到下一观测点的天数 V=Q(1:6).*t;%干流每段的水体积

s(1,1)=c1_dm*0.001*V(1)*(1-0.2)^n(1);s(1,2)=c1_nhn*0.001*V(1)*(1-0.2)^n(1);%求污染物流经干流的每一段后剩余量，降解系数取0.2

s(2,1)=c2_dm*0.001*V(2)*(1-0.2)^n(2);s(2,2)=c2_nhn*0.001*V(2)*(1-0.2)^n(2); s(3,1)=c3_dm*0.001*V(3)*(1-0.2)^n(3);s(3,2)=c3_nhn*0.001*V(3)*(1-0.2)^n(3); s(4,1)=c4_dm*0.001*V(4)*(1-0.2)^n(4);s(4,2)=c4_nhn*0.001*V(4)*(1-0.2)^n(4); s(5,1)=c5_dm*0.001*V(5)*(1-0.2)^n(5);s(5,2)=c5_nhn*0.001*V(5)*(1-0.2)^n(5); s(6,1)=c6_dm*0.001*V(6)*(1-0.2)^n(6);s(6,2)=c6_nhn*0.001*V(6)*(1-0.2)^n(6); s=s.*10e-6;%转化单位，将mg转化问kg T=[c2_dm*0.001*V(2) c2_nhn*0.001*V(2);c3_dm*0.001*V(3) c3_nhn*0.001*V(3);c4_dm*0.001*V(4) c4_nhn*0.001*V(4);c5_dm*0.001*V(5) c5_nhn*0.001*V(5);c6_dm*0.001*V(6) c6_nhn*0.001*V(6)]; T=T.*10e-6;%转化单位，将mg转化问kg

p=[T(1,1)-s(1,1) T(2,1)-s(2,1) T(3,1)-s(3,1) T(4,1)-s(4,1) T(5,1)-s(5,1) ;T(1,2)-s(1,2) T(2,2)-s(2,2) T(3,2)-s(3,2) T(4,2)-s(4,2) T(5,2)-s(5,2)];

附录4：回归预测模型

%model3.m 水文年干流上的数据回归（考虑河长因素） load b4;

t=[1:10];tt=[ones(10,1) t'];

wr=[9205 9513 9171.26 13127 9513 9924 8892.8 10210 9980 9405];% wr表示长江水流量 [b(:,1),bint(:,1:2),r(:,1),rint(:,1:2),stats(1,:)]=regress(wr',tt);

ws=[174 179 183 189 207 234 220.5 256 270 285];% ws表示各年排放污水总量 [b(:,2),bint(:,3:4),r(:,2),rint(:,3:4),stats(2,:)]=regress(ws',tt);

d=[b4(8,1),b4(17,1),b4(26,1),b4(35,1),b4(44,1),b4(53,1),b4(62,1),b4(71,1),b4(80,1),b4(89,1)]; [b(:,3),bint(:,5:6),r(:,3),rint(:,5:6),stats(3,:)]=regress(d',tt)

b4_cm1_g=[b4(8,3),b4(17,3),b4(26,3),b4(35,3),b4(44,3),b4(53,3),b4(62,3),b4(71,3),b4(80,3),b4(89,3)];年水文年干流1类水的百分比数据

b4_cm2_g=[b4(8,5),b4(17,5),b4(26,5),b4(35,5),b4(44,5),b4(53,5),b4(62,5),b4(71,5),b4(80,5),b4(89,5)];年水文年干流2类水的百分比数据

b4_cm3_g=[b4(8,7),b4(17,7),b4(26,7),b4(35,7),b4(44,7),b4(53,7),b4(62,7),b4(71,7),b4(80,7),b4(89,7)];年水文年干流3类水的百分比数据

b4_cm4_g=[b4(8,9),b4(17,9),b4(26,9),b4(35,9),b4(44,9),b4(53,9),b4(62,9),b4(71,9),b4(80,9),b4(89,9)];年水文年干流4类水的百分比数据

b4_cm5_g=[b4(8,11),b4(17,11),b4(26,11),b4(35,11),b4(44,11),b4(53,11),b4(62,11),b4(71,11),b4(8

0,11),b4(89,11)];年水文年干流5类水的百分比数据

b4_cm6_g=[b4(8,13),b4(17,13),b4(26,13),b4(35,13),b4(44,13),b4(53,13),b4(62,13),b4(71,13),b4(80,13),b4(89,13)];年水文年干流6类水的百分比数据

X=[b4_cm1_g' b4_cm2_g' b4_cm3_g' b4_cm4_g' b4_cm5_g' b4_cm6_g']; y_w=[ones(10,1) wr' ws' d'] for i=1:6

[b1,bint,r,rint,stats0]=regress(X(:,i),y_w);;stats1(i,:)=stats0;bb1(:,i)=b1; end

%预测未来年的水质污染发展趋势 y_t=[11:20];%未来10年的时间参数

y_wr=b(1,1)+b(2,1)*y_t;%长江水流量的预测值

y_ws=b(1,2)+b(2,2)*y_t;%长江废水排放总量预测值 y_d=b(1,3)+b(2,3)*y_t;%长江干流总长度预测值 for i=1:6

y_X(i,:)=bb1(1,i)+bb1(2,i)*y_wr+bb1(3,i)*y_ws+bb1(4,i)*y_d;%对各类水质的水的百分量的预 测

%*************************************************************************% % 考虑到求解得到第一类水的百分比预测值均为负值 ，因此对第1类水质的水重新进行指数回归。 X1=X(:,1)

X1(5)=[];%去掉第5个0元素

[bx1,bintx1,rx1,rintx1,statsx1]=regress(log(X1),[ones(9,1) [1:9]']);%求对数后进行线性回归 y_X1=exp(bx1(1)+bx1(2)*y_t); y_X(1,:)=y_X1;

附录5：线性归化模型 LINGO程序 MAX=ws;

x4=20.374-0.0026435*wr+0.13769*ws-0.0026771*d; x5=-3.2377-0.00068533*wr-0.046002*ws+0.004476*d; wr=9961.7-12.296*t; d=4048.9+244.32*t; x4+x5<=20; x1>=0; x2>=0; x3>=0; x4>=0; x5>=0; t=11; END

本文来源：https://www.bwwdw.com/article/07mr.html