水質反演研究方法

1. 水動力彌散方程遺傳反演方法

10.3.1 數學模型

無論是實驗室或野外的彌散試驗，最常用的數學模型是一維流場中點源連續注入問題的水質模型^［66］。假設：

1）滲流區域為半無限沙槽，且地下水流動和示蹤劑彌散可以簡化為一維均勻穩定流和一維彌散；

2）流體是不可壓縮的均質流體，溫度不變，滲流區域的介質為均質且各向同性；

3）當t=0時，滲流區域中不存在示蹤劑；

4）從t=0時刻開始在滲流區域上端連續注入含示蹤劑濃度為C₀的流體；

5）除注入點，滲流區域不存在其他源和匯。

依據上述假定，取地下水流動方向為x軸的正向，取示蹤劑注入點為坐標原點。任意點x處在時刻t時的示蹤劑濃度C（x，t）滿足如下數學模型。

含水層參數識別方法

方程中D為彌散系數，v為地下水流速。

10.3.2 模型的解析解

數學模型^［66］（10-17）可用Laplace變換求解，其解為：

含水層參數識別方法

若令 C_R=，則

含水層參數識別方法

其中：erfc（x）=1-erf（x）=exp（^-z²）d z，exp（x）=e^x。

10.3.3 反演方法簡介

地下水水質模型^［66］最常用的反演方法為正態分布函數法和配線法，配線法和泰斯模型的方法有相似處，這里我們主要介紹正態分布函數法。

在式（10-19）中，當x很大時，右端第二項與第一項相比非常小，可以忽略。Φ.Μ.鮑契維爾已證明，當D/（vx）≤ 0.005時，忽略第二項後誤差≤4%。因此，當x很大時，即離示蹤劑注入點很遠時，濃度的分布可近似表示為：

含水層參數識別方法

由於

含水層參數識別方法

其中，F（x）為一正態分布函數，期望值為μ=vt，均方差為。當 x 很大時，1-C_R服從於正態分布。已知標准正態分布函數Φ有如下性質：

Φ（1）=0.8413

Φ（-1）=0.1587

我們把濃度為0.8413的x坐標與濃度為0.1578的x坐標差定義為過渡帶的寬度，則對於均方差為σ的正態分布函數來說，過渡帶寬度e與均方差σ之間有如下關系

含水層參數識別方法

由於1-0.8413=0.1587，1-0.1587=0.8413。1-F（x）和F（x）所代表的過渡帶的寬度是相等的，利用這個性質從C_R-x關系圖上可以很容易地計算出過渡帶的寬度為：

含水層參數識別方法

其中x_0.1587代表C_R=0.1587時所對應的x坐標，x_0.8413代表C_R=0.8413時所對應的x坐標。由方程（10-22）和σ=可以很方便地計算出彌散系數D 的值：

含水層參數識別方法

如果彌散試驗給出的是C_R-t關系曲線圖，上式可作適當的修改。

由（10-20）式可得：

含水層參數識別方法

當C_R=0.5時，如果彌散試驗給出的是C_R-x關系曲線圖有：

含水層參數識別方法

當C_R=0.5時，如果彌散試驗給出的是C_R-t關系曲線圖有：

含水層參數識別方法

用式（10-26）和式（10-27）可以很方便地計算地下水的流速。

其他的反演方法如配線法，Gauss-Newton法均可解水質反演問題。但是用正態分布函數法和配線法因為要查對坐標值，容易造成不同的人查出不同的坐標，引起人為誤差。Gauss-Newton法因為要給定參數的初值，如果參數初值給的不合適，解不收斂。尤其對於地下水水質問題，對地下水流速特別敏感，而計算開始時並不知道速度的分布范圍，極易造成解的發散情況。Gauss-Newton法因為要進行導數的操作，求導的過程很容易引起誤差，使結果帶有較大的誤差。Gauss-Newton最大的優點是初值給的合適時，計算速度特別快。

10.3.4 遺傳反演方法

遺傳反演方法的特點是只要正演問題可以計算，反演問題就能進行計算。它是將生物遺傳的特點引入到參數反演的過程中，通過一系列的正演計算達到反演的目的。

首先構造目標誤差函數。

設區域有m個觀測值，則構造誤差函數為

含水層參數識別方法

其中：為實測值，C_i （p₁，p₂，…，p_n）為計算值。和C_i 具有相同的時間和空間坐標，p₁，p₂，…，p_n 為參數，為書寫方便記 P=[p₁，p₂，…，p_n]。

模型選定之後，通過改變參數使誤差函數達到最小值。那麼本問題就轉化為約束條件下的優化問題。

含水層參數識別方法

在地下水彌散參數計算中，有解析解的簡單模型應用很廣。將優化問題（6-29）和這些模型結合起來，方程（10-29）轉化為：

含水層參數識別方法

其中：E（）為目標誤差函數，v為地下水流速，D為彌散系數，［v^a，v^b］為v的取值區間，[D^a ，D^b ]為 D 的取值區間，為時空某點的地下水中某種溶質的濃度（或相對濃度）觀測值，C_i （v，D）為時空某點的地下水中某種溶質濃度（或相對濃度）的計算值，可用解析解計算。

和地下水滲流的計算一樣，我們也用如下8種不同的遺傳演算法進行反演計算試驗。

a.簡單遺傳演算法（SGA）；

b.優體克隆遺傳演算法（The Best Chromosome Clone GA=BCC-GA）；

c.優體克隆+子體優生（Younger Generation Chromosomes Prepotency）的遺傳演算法（BCC-YGCP-GA）；

d.優體克隆+子體優生+多代調環（Multi-Generations Adjusting Environment=MAE）的遺傳演算法（BCC-YGCP-MGAE-GA）；

e.多代調環的遺傳演算法（MGAE-GA）；

f.優體克隆+多代調環的遺傳演算法（BCC-MGAE-GA）；

g.子體優生的遺傳演算法（YGCP-GA）；

h.子體優生+多代調環的遺傳演算法（YGCP-MGAE-GA）。

試驗的終止原則，由於要進行對比，我們選定進化代數為1000時終止計算。

例1.在水平密封的圓筒砂柱中做連續注入示蹤示蹤劑的試驗，在距注入孔0.65 m的觀測孔中獲得濃度比值資料見表10-14，試求出地下水流速和彌散系數^［22］。

此問題的解析解為：

含水層參數識別方法

表10-14 相對濃度實測資料表

表10-15 不同的遺傳反演方法目標誤差函數計算結果比較表

本例題主要是已知相對濃度C_R和時間t之間的關系來求地下水流速v和彌散系數D。在用遺傳演算法反演參數時，在所有方案中均採用：地下水流速v的初始取值區間為（0，1000.0 m/h），彌散系數D的初始取值區間為（0，0.1），遺傳代數Num-Gen=1000，種群數Pop-Size=50，交叉概率P_c=0.7，變異概率P_m=0.3，評價函數中的alph=0.05。所有與多代調環有關的計算方案，其代數選擇均為10。前500代每隔10代對v和D設置一次取值區間，取值區間設為（0.75v_best，1.25v_best），v為變數可代表v或D，V_best為這十代中最優的染色體，500代後開始進行區間壓縮技術，其壓縮方法見前章所述，壓縮系數為0.4。其計算結果見圖10-6和表10-15。

圖10-6（1）遺傳反演方法進化代數與目標函數計算結果圖

圖10-6（2）遺傳反演方法進化代數與目標函數計算結果圖

從計算結果可以看出，簡單的遺傳演算法（1）、多代調環遺傳演算法（5）和優體克隆+多代調環遺傳演算法（6）在達到1000代時，並沒有明顯的收斂特徵，目標函數仍處於波動狀態，其地下水流速v和彌散系數D離真值相差較遠。特別是第6種優體克隆+多代調環遺傳演算法因特殊的組合，一直沒有改變目標誤差函數，所有與多代調環有關的遺傳演算法其收斂速度均較慢，這主要是環境調整的不合適，使染色體失去了在全局生存的空間。如果調整環境的代數變為20，其收斂速度會有很大的改變。對於本問題第2種優體克隆遺傳演算法、第3種優體克隆+子體優生遺傳演算法和第7種子體優生遺傳演算法均快速收斂，達到40代時已基本收斂到全局最優解。

優體克隆+子體優生遺傳演算法達到目標函數最小時，其地下水流速v=33.677212 m/d，彌散系數D=0.053982 m²/d。其計算曲線與實測曲線擬合圖見圖10-7。用遺傳演算法反演的地下水流速和彌散系數計算結果見表10-16和表10-17。

圖10-7 相對濃度計算曲線與實測曲線擬合圖

表10-16 地下水流速v反演結果表

表10-17 彌散系數D反演結果表

2. 什麼是水質參數反演

這個不是很懂，應該是水質模型參數反演，這與你研究的水質模型有關，應該屬於數學模擬方面的一種研究方法，你可以問問做模型模擬的

3. 水質濃度反演分布圖 怎麼做

水質反演，你一定寫對了！請具體解釋一下這個問題

4. 怎樣選擇水質監測分析方法水質監測中常用的水質分析方法有哪些

樓主，您好。 正確選擇監測分析方法，是獲得准確結果的關鍵因素之一。選擇分析方法應遵循的原則是：靈敏度能滿足定量要求；方法成熟、准確；操作簡便，易於普及；抗干擾能力好。我國對各類水體中不同污染物質的分析方法主要有以下三個層次，它們相互補充，構成完整的監測分析方法體系。
(1)國家標准分析方法我國已編制60多項包括采樣在內的標准分析方法，這些方法比較經典、准確度較高，是環境污染糾紛法定的仲裁方法，也是用於評價其他分析方法的基準方法。
(2)統一分析方法有些項目的監測方法尚不夠成熟，沒有形成國家標准，但經過研究可以作為統一方法予以推廣，在使用中積累經驗，不斷完善，為上升為國家標准方法創造條件。
(3)等效方法 與前兩類方法的靈敏度、准確度具有可比性的分析方法。等效方法必須經過方法驗證和對比實驗，證明其與標准方法或統一方法是等效時才能使用。 詳情請參考國家標准物質網www.rmhot.com按照監測方法所依據的原理，水質監測常用的方法有化學法、電化學法、原子吸收分光光度法、離子色譜法、氣相色譜法、等離子體發射光譜(ICP—AEs)法等。其中，化學法(包括重量法、容量滴定法和分光光度法)目前在國內外水質常規監測中被普遍採用。

5. 水質分析方法和指標有哪些

1、色度:飲用水的色度如大於15度時多數人即可察覺，大於30度時人感到厭惡。標准中規定飲用水的色度不應超過15度。
2、渾濁度:為水樣光學性質的一種表達語，用以表示水的清澈和渾濁的程度，是衡量水質良好程度的最重要指標之一，也是考核水處理設備凈化效率和評價水處理技術狀態的重要依據。渾濁度的降低就意味著水體中的有機物、細菌、病毒等微生物含量減少，這不僅可提高消毒殺菌效果，又利於降低鹵化有機物的生成量。
3、臭和味:水臭的產生主要是有機物的存在，可能是生物活性增加的表現或工業污染所致。公共供水正常臭味的改變可能是原水水質改變或水處理不充分的信號。
4、余氯:余氯是指水經加氯消毒，接觸一定時間後，余留在水中的氯量。在水中具有持續的殺菌能力可防止供水管道的自身污染，保證供水水質。
5、化學需氧量:是指化學氧化劑氧化水中有機污染物時所需氧量。化學耗氧量越高，表示水中有機污染物越多。水中有機污染物主要來源於生活污水或工業廢水的排放、動植物腐爛分解後流入水體產生的。
6、細菌總數:水中含有的細菌，來源於空氣、土壤、污水、垃圾和動植物的屍體，水中細菌的種類是多種多樣的，其包括病原菌。我國規定飲用水的標准為1ml水中的細菌總數不超過100個。
7、總大腸菌群:是一個糞便污染的指標菌，從中檢出的情況可以表示水中有否糞便污染及其污染程度。在水的凈化過程中，通過消毒處理後，總大腸菌群指數如能達到飲用水標準的要求，說明其他病原體原菌也基本被殺滅。標準是在檢測中不超過3個/L。
8、耐熱大腸菌群:它比大腸菌群更貼切地反應食品受人和動物糞便污染的程度，也是水體糞便污染的指示菌。 9、大腸埃希氏菌:大腸細菌(E. coli)為埃希氏菌屬(Escherichia)代表菌。一般多不致病，為人和動物腸道中的常居菌，在一定條件下可引起腸道外感染。某些血清型菌株的致病性強，引起腹瀉，統稱病致病大腸桿菌。腸道桿菌是一群生物學性狀相似的G-桿菌，多寄居於人和動物的腸道中。埃希菌屬(Escherichia)是其中一類， 包括多種細菌，臨床上以大腸埃希菌最為常見。大腸埃希菌(E.coli)通稱大腸桿菌，是所有哺乳動物大腸中的正常寄生菌，一方面能合成維生素B及K供機體吸收利用。另一方面能抑制腐敗菌及病原菌和真菌的過度增殖。但當它們離開腸道的寄生部位，進入到機體其他部位時，能引起感染發病。有些菌型有致病性，引起腸道或尿路感染性疾患。簡而言之，大腸埃希菌=大腸桿菌
折疊檢測標准
感官性狀和一般化學指標
色度不超過15度，並不得呈現其他異色
渾濁度度 不超過3度，特殊情況不超過5度
嗅和味 不得有異臭、異味
肉眼可見物 不得含有
PH 6.5-8.5
總硬度以CzCO3,計mg/L 450
鐵Femg/L 0.3
錳Mnmg/L 0.1
銅Cumg/L 1.0
鋅Znmg/L 1.0
揮發性酚類以苯酚計mg/L 0.002
硫酸鹽mg/L 250
氯化物mg/L 250
溶解性總固體mg/L 1000
毒理學指標
氟化物mg/L 1.0
氰化物mg/L 0.05
砷Asmg/L 0.05
硒Semg/L 0.01
汞Hgmg/L 0.001
鎘Cdmg/L 0.01
鉻六價Cr6+mg/L 0.05
鉛Pbmg/L 0.05
銀 0.05
硝酸鹽以N計mg/L 20
氯仿μg/L 60
四氯化碳μg/L 3
苯並(a)芘μg/L 0.01
滴滴滴μg/L >1.0
六六六μg/L >5.0
細菌學指標
菌落總數cfu/mL 100
總大腸菌群(MPN/100mL) 3
游離余氯 在與水接觸30min後應不低於0.3mg/L。
集中式給水除出廠水應符合上述要求外，管網末梢水不應低於0.05mg/L
放射性指標 總σ放射性Bq/L 0.1
總β放射性Bq/L 1.0
檢驗項目在一般情況下，細菌學指標和感官性狀指標列為必檢項目，其他指標可根據當地水質情況和需要選定。對水源水、出廠水和部分有代表性的管網末梢水，每月進行一次全分析。

6. 幾種水質預測方法的比較分析

水質預測是利用歷史數據,通過不同的預測方法推求預測指標以外的所有可能指標與待預測水質指標之間的非線形關系,或待預測水質指標本身隨時間的變化規律。目前常用的水質預測方法可分為三類,即時間序列方法、結構分析方法和系統方法。時間序列分析法是根據事物發生過程的時間順序關系,找到歷史數據的發展趨勢並從中進行外推的一種預測方法。而結構分析方法則著重於事物發展變化的因果關系。根據所擁有的歷史資料數據,找出與預測對象有著密切關系的影響因素。然後應用統計相關分析理論,建立預測模型。系統方法則是用系統科學的觀點,把預測對象的變化當作為一個動態的系統行為。它通過研究系統的結構,構建出系統模型,並對未來值進行預測[1]。1各種預測方法概述1.1時間序列法時間序列指水質指標中的某一指標監測值,按其出現時間的先後次序,且間隔時間相同而排列的一列數值。時間序列預測是用水質變化的過去和現在的觀測數據,構造依時間變化的序列模型,並藉助一定規則推測未來。時間序列預測法主要是通過數理統計的方法,分析整理待預測水質指標本身的歷史數據序列,研究水質指標變化趨勢而達到預測的目的。基本原理是在仔細考慮水質變化中隨機因素影響的基礎上

7. 遙感的水質監測遙感

我國的水污染問題越來越嚴重，隨著工業化和城鎮化的快速發展，江河湖泊面臨這嚴峻的水質污染問題，這也帶動了遙感技術在水質監測上的應用。
據中科院研究院介紹，我國擁有的水質監測及評估遙感技術是基於水體及其污染物質的光譜特性研究而成的。國內外許多學者利用遙感的方法估算水體污染的參數，以監測水質變化情況。
做法是在測量區域布置一些水質感測器，通過無線感測器網路技術可24小時連續測量水質的多種參數，用於提高水質遙感反演精度，使其接近或達到相關行業要求。
這種遙感技術信息獲取快速、省時省力，可以較好的反映出研究水質的空間分布特徵，而且更有利於大面積水域的快速監測。遙感技術無疑給湖泊環境變化研究帶來了福音。

8. 地下水污染源解析技術

1.3.1.1 地下水污染源識別技術

污染源解析體系的建立，主要是污染源解析方法的建立，自20世紀中期以來，國內外學者對污染物在含水層中的運移、控制、修復進行了大量的研究，隨著正問題研究方法以及理論的成熟，污染源識別的反問題逐漸成為研究的重點。源解析的方法根據研究對象的不同可分為擴散模型（Diffusion Model）和受體模型（Receptor Model）。前者以污染源為研究對象，後者以污染區域為研究對象。由於擴散模型需要預先知道污染源的排放量，進而研究污染物的濃度分布或反應機理，但實際情況中我們往往便於得到污染物現狀分布，而源的分布以及排放信息較難獲得。受體模型通過分析源和受體的理化性質識別可能的污染源和源對受體各成分或各監測點的貢獻。20世紀60年代，國外首先在大氣領域開始了受體模型的研究，形成一套定性、定量的方法解析污染源，這些方法逐漸在土壤及水環境污染源解析中得到廣泛應用。受體模型是相對於正向的擴散模型（源模型）而言，是一個反演未知參數的過程，污染源解析現階段沒有明確統一的定義，簡稱源解析、源識別，環境中各種元素和化合物含量的信息蘊藏著各污染源的特徵信號，根據目標環境中檢測到的信號，利用污染源與環境之間的「輸入-響應」關系，結合實際條件判別、解析與評價污染物的來源、位置、排放強度和時間序列等要素即污染源的識別。

1.3.1.2 污染源解析數值模擬技術

地下水溶質運移反問題的研究起源於研究數理方程反問題，地下水污染源解析反問題求解也從其中借鑒而來，其反演演算法主要有優化-模擬、概率統計等。

從20世紀80年代開始，Wagner（1992）首先在數值模擬基礎上，結合線性規劃與最小二乘法，將數值模擬的污染物濃度以響應矩陣形式嵌入優化模型中，進行地下水污染源的識別；Aral和Guan（2001）運用響應矩陣識別地下水污染源，並證明該方法比運用線性規劃方法更有效；Mahar和 Datta（1997）利用優化地下水監測系統來提高污染源識別的效率，利用監測井獲得的數據運用於非線性優化模型中獲得更精確的污染源預測；Atmadja和Bagtzoglou（2001）總結了污染源識別中的數學方法，將方法歸納為優化法、解析解法及概率統計方法和地學統計法。

Datta和Chakrabarty（2009）採用了模擬模型外部鏈接優化模型的方法識別污染源；Singh（2004）等利用人工神經網路法識別未知的污染源，同時研究了遺傳演算法解二維源解析優化模型；Khalil等（2005）綜合利用4種模擬方法（人工神經網路（ANNS）、支持向量機（SVMS）、投影局部加權回歸（LWPR）、相關向量機（RVMS））建立了相對復雜和耗時的數學模型，模擬地下水中硝酸鹽濃度分布。Wang和Zabaras（2006）利用貝葉斯級數法解對流彌散方程，推導過去某一時間污染物濃度分布，研究了地下水連續滲流的污染來源；Bashi-Azghadi等（2010）利用多目標優化模型——非劣排序遺傳演算法Ⅱ，鏈接到MODFLOW和MT3D模型中進行污染源識別，利用並行支持向量機和人工神經網路識別主要污染物。同時還有眾多學者對地下水污染源位置及排放時間序列進行解析。

國內針對污染源解析的研究不多，多集中在地表水及水力參數識別領域。地下水方面，國內學者運用水動力-水質耦合模型，建立了基於貝葉斯推理的污染物點源識別模型，通過馬爾科夫鏈蒙特卡羅後驗抽樣獲得了污染源位置和強度的後驗概率分布和估計量，較好地處理了模型的不確定性和非線性，在反演結果的可靠性和估計的精度方面採用貝葉斯推理和抽樣方法獲得的反問題的解具有信息量大，能給出環境水力學參數的後驗分布且估計精度高的優點，該方法適用於水文地質條件以及水流運移過程相對復雜的多點源解析。

Sidauruk等（1998）提出一種基於解析解的反演方法，該方法只需要合理的污染濃度序列，可以預測彌散系數、水流流速、污染源濃度、初始位置和污染開始時間，利用參數與濃度對數之間的相關系數，取得參數值，但是由於運算基於解析解，該方法只適用於地層條件簡單的均質含水層。Skaggs和Kabala（1994）在一維飽和均質非穩定流模型中運用TR方法，利用復雜的污染物濃度序列，在其他條件未知的情況下，開展源解析工作，指出該方法對數據四捨五入的誤差並不敏感，但精度受污染羽測量誤差影響明顯。

1.3.1.3 污染源解析多元統計法

多元統計方法從統計數據中分析各水質點潛在相關關系，結合實際條件揭露水文地質條件，在污染源解析應用中，無須事先知道污染物源成分譜，適用於水文地質條件簡單，觀測數據量較大，污染源和污染種類相對較少的地區，其優點是運用簡便，可廣泛應用統計分析軟體進行計算，在實際應用中，多元統計方法只能識別5～8個污染源。

（1）因子分析法

因子分析（Factor Analysis，FA）是研究相關陣或協方差陣的內部依賴關系，它將多個變數綜合為少數幾個因子，以再現原始變數與因子之間的相關關系。FA法使用簡單，不需要研究地區優先源的監測數據，在缺乏污染源成分譜的情況下仍可解析，並可廣泛使用統計軟體處理數據。其不足之處在於需要輸入大量數據，而且只能得到各類元素對主因子的相對貢獻百分比。

（2）主成分分析法

主成分分析方法（Principal Component Analysis，PCA）是常用的數據降維方法，應用於多變數大樣本的統計分析中。該方法是對所收集的資料作全面的分析，減少分析指標的同時，盡量減少原指標包含信息的損失，把多個變數（指標）化為少數幾個可以反映原來多個變數的大部分信息的綜合指標。

（3）聚類分析法

聚類分析又稱群分析（Cluster Analysis，CA），它是研究（對樣品或指標）分類問題的一種多元統計方法，即把一些相似程度較大的樣品（或指標）聚合為一類，把另一些彼此之間相似程度較大的樣品（或指標）聚合為另一類。根據分類對象不同，可分為對樣品分類的Q型聚類分析和對指標分類的R型聚類分析兩種類型。聚類分析可用SPSS軟體直接實現，在水質時空變異、水化學類型分區中得到廣泛的應用。

（4）矩陣數據分解法

利用矩陣分解來解決實際問題的分析方法很多，如主成分分析（PCA）、獨立分量分析（ICA）、奇異值分解（SVD）、矢量量化（VQ）、因子分析（FA）等。在所有這些方法中，原始的大矩陣被近似分解為低秩的V＝WH形式。正定矩陣分解法（Positive Matrix Factorization，PMF）、非負矩陣分解法（Non-negative Matrix Factorization，NMF）和非負約束因子分析（Factor Analysis with Non-negative Constraints，FA-NNC）是在矩陣中所有元素均為非負數約束條件之下的矩陣分解方法，三者在求解過程中對因子載荷和因子得分均做非負約束，使得因子載荷和因子得分具有可解釋性和明確的物理意義。

（5）混合多元統計法

目前應用的混合多元統計法主要有因子分析與多元線性回歸相結合，因子分析法與化學質量平衡法相結合，因子分析、化學質量平衡法與多元線性回歸3種方法相結合，以上幾種方法也可以和聚類分析或GIS相結合以提高分析結果的准確性。其中因子分析與多元線性回歸結合在水和沉積物污染源的辨析中有著非常廣泛的應用。

1.3.1.4 污染源解析化學質量平衡法

化學質量平衡法（CMB）於1972年由Miller等（1972）第一次提出。CMB法在大氣領域的應用已趨於成熟，美國EPA開發了一系列CMB模型，並得到廣泛的應用。CMB法是基於質量守恆的方法，利用源和受體化學組成的監測數據建立質量平衡模型以定量計算各污染源對地下水中污染物濃度的貢獻率。CMB方法的應用必須滿足幾點假設條件：①特徵污染物成分從源到匯不發生化學反應；②化學物質之間不發生反應；③對受體有明顯貢獻的源均被納入模型；④與不同源的成分譜線性無關；⑤測量誤差是隨機誤差且符合正態分布。主要利用污染源組分濃度與采樣點數據中各污染組分的濃度求線性和，構成一組線性方程，計算各污染源對取樣點的貢獻率。

設通過采樣分析檢測點處成分i的濃度為X_i（mg/L），總共有j個污染源排放點，各排放點處i污染物濃度為C_ij，各排放點處成分i對最終監測點處的貢獻百分比為P_ij，則

地下水型飲用水水源地保護與管理：以吳忠市金積水源地為例

式中：i——檢測點處各不同組分數；

j——污染源的個數；

X_i——檢測點測得的成分i的濃度值；

C_ij——污染源j點處i組分的濃度；

P_ij——各j污染源對檢測點處i成分的貢獻率。

根據選擇測定的組分可建立i個方程，當i≥j，聯立方程組原則上可求出P_ij，確定各污染源的貢獻率識別主要污染源。

地下水中污染物的遷移轉化是一個復雜而長期的過程，CMB法是否適合運用於地下水污染源解析還需要進一步的研究和探討。

1.3.1.5 解析法與GIS相結合法

各種解析方法能夠與GIS相結合，從時空上反映刻畫污染過程，並為解析提供數據和圖像；GIS最初主要應用於空間分析、顯示和制圖。利用GIS軟體的空間分析功能，分析地下水水質組分空間分布狀況，繪制等值線圖，直觀地反映污染源與地下水水質的相關關系。國內外學者運用GIS技術和多元統計方法對表面水污染進行空間分析及源解析。Ouyang等（2006）分析了表面水水質的季節變化，並根據不同季節找到影響水質的重要因子。Zhou F等（2007）結合多元分析方法及地理信息系統（GIS），對香港東部海灣海水污染的時空分布特徵進行研究，並進行了污染源識別工作，對數據進行預處理，利用聚類分析以及主成分分析減小了數據測量誤差，確定了特徵污染物以及各污染物主要來源。

1.3.1.6 定性及半定量方法

定性及半定量方法主要應用於 PAHs（多環芳烴）解析，迄今已發現的200 余種PAHs中有相當部分具有致癌性和致突變性（Christensen et al.，2007），PAHs主要通過大氣沉降、城市污水和工業廢水的排放、石油的溢漏等途徑進入地表水和地下水，從而導致飲用水水源污染。PAHs 是目前水環境中致癌化學物質中最大的一類（Mnzie et al.，1992）。因此，對環芳烴來源進行解析，進行地下水污染防控也是研究的重點。