城市表层土壤重金属污染分析.doc

城市表层土壤重金属污染分析摘要随着现代经济的高速发展，城市的重金属污染问题日益严重。本文在通过测量出的实际数据最终建立模型确定污染源的位置，为实际的污染防治以及污染治理提供理论依据。在问题一中，我们根据附件中给出的数据，运用Matlab数学软件画出了8种元素在城区空间的分布图。查阅相关资料结合分布图，先计算出各区域8种金属的污染程度，再考虑几种金属元素在污染中所占权重，得出各区域重金属的综合污染指数。最终得出该城区内不同区域重金属污染程度，各个区域均为极强的生态危害，这其中工业区最为严重，其后依次为公园绿地区、山区、主干道路区，污染程度最低的是生活区。在问题二中，通过已知的数据，先画出城区地形图与分布图。然计算全部地区中各元素的平均值、标准差、变异系数、超标率、背景值。结合一问中得到的结果，分析得到的数据，表明重金属污染的主要原因有：工业区污水废气排放和生活区的生活垃圾以及装修的涂料器材。公园绿地区、山区、主干道路区等地污染受工业区影响较大。公园土壤和灰尘中重金属的积累主要由人类活动造成。山区Cr,Cd,Pb等元素的污染是由于使用化肥和采用耕种方法不当使得农作物土壤受到了重金属铬和铅的污染。在第三问中，区域土壤重金属污染具有普遍性、隐蔽性、表聚性、不可逆性等特点。属于分布式参数系统运用非线性优化及遗传算法建立模型，加以数学变换，得到最优解即污染源位置。例：（4000,4000）点附近的区域是Cr、Hg、Zn、Ni和Pb的污染源，属重度污染，影响范围大。（22300,10500）点和（13800,9600）点，属轻度污染，影响范围较小。根据题中所述，第四问为研究城市地质环境的演变模式，我们在原有模型的基础上考虑岩石圈、水圈、大气圈、地势分布对地质环境的影响，收集其数据。用同位素标记法最终建立数学模型，得到重金属污染与土壤的四个重要特性（即土壤紧实度、土壤pH值、土壤有机质以及土壤微生物与的关系）呈相关性的结果。关键词：背景值评价法、沉积法、Matlab、权重比较、遗传反演算法问题的重述环境污染与城市经济的快速发展和城市人口的不断增加有着密切的关系，人类活动对城市环境质量的影响日显突出。所以怎样对城市土壤地质环境异常做出有效查证，以及如何应用查证获得的海量数据资料开展对城市环境质量做出评价，以研究人类活动影响下城市地质环境的演变模式等问题，日益成为人们关注的焦点。随着现代经济的高速发展,重金属污染物的排放量与日剧增,环境污染和生态破坏越来越严重,危及到人类的健康。重金属在环境中不会降解、消失,其通过迁移、转化等过程富积到农作物或其它植物,这些富积的重金属可通过食物链等对人类健康造成威胁。区域土壤作物系统重金属特征是当前重金属污染的研究热点。由于土壤重金属污染具有普遍性、隐蔽性、表聚性、不可逆性等特点，所以现对某城市城区土壤地质环境进行调查。按照功能划分，城区一般可分为生活区、工业区、山区、主干道路区及公园绿地区等，不同的区域环境受人类活动影响的程度不同。为此，将所考察的城区划分为间距1公里左右的网格区域，按照每平方公里1个采样点对表层土（010 厘米深度）进行取样、编号。最终得到以下数据每个采样点的位置（见附件1），每个样本所含的多种化学元素的浓度数据（见附件2）。另外在该区的自然区取样，将得到的元素浓度作为该城区表层土壤中元素的背景值（见附件3）。现要求，根据已给数据查阅相关资料，作出的8种主要重金属元素在该城区采样点的空间分布，并分析出该城区内不同区域重金属的污染程度，说明重金属污染的主要原因，分析重金属污染物的传播特征。建立模型，确定污染源的位置。最后分析所建立模型的优缺点，并指出为了更好地研究城市地质环境的演变模式，还应收集的信息。再根据这些收集的信息优化原有模型解决实际问题。模型假设1、 假设土壤的酸碱度不影响污染传播。2、 假设区地势的总体分布情况不影响污染传播。3、 假设人为因素引起的污染物传播具有均匀性。4、 假设初始状态重金属元素分布具有规律性。符号说明：单项污染指数；：各区域中每项元素浓度平均值；：该地区各项元素背景值；：单项重金属危害系数；：各金属毒性系数（毒性在综合污染中的权重）；RI：不同区域多种重金属的污染程度；：各金属污染源位置；：为狄拉克函数；u：污染源扩散介质的速度；H：扩散系数；K：污染物的降解率；L：x的取值范围（0m-26854m）；Mi：污染物排放强度；C：污染物在x点的排放浓度；模型的建立与求解1、问题一的求解过程如下：1.1根据附表1中所给各采样点的坐标值，运用matlab软件画出每种元素在城区的空间分布图（运行程序见附件4）。图形如下，图片顺序依次为As（图1）、Cd（图2）、Cr（图3）、Cu（图4）、Hg（图5）、Ni（图6）、Pb（图7）、Zn（图8）。图1（As在城区分布图）图2（Cd在城区分布图）图3（Cr在城区分布图）图4（Cu在城区分布图）图5（Hg在城区分布图）图6（Ni在城区分布图）图7（Pb在城区分布图）图8（Zn在城区分布图）1.2、由附表2所给各元素在各类区的浓度数值，以及附表3中各元素的背景值，由公式：用excel处理数据，分别计算出每区的各元素单项污染指数，结果（见表1）生活区1.742.232.233.742.661.492.233.43工业区2.013.021.729.6618.351.613.004.03山区1.121.171.261.311.171.261.181.06主干道路区1.592.771.874.7112.771.432.053.52公园绿地区1.742.161.412.293.291.241.962.24（表1）1.3、根据各区元素的单项污染指数，由公式：求出单项重金属危害系数。其中为各金属毒性系数（毒性在综合污染中的权重），查阅资料后（参考文献13），按8 种重金属毒性系数分别为Hg=40Cd=30As=10Pb=Cu=Ni=5Cr=2Zn=1。用excel处理数据后（见表2）。1.4、得出不同区域多种重金属的污染程度RI，结果见表2。由公式：生活区工业区山区主干道路区公园绿地区E（As）17.42128610E（Cd）24163166316632152328055E（Cr）381024578628704E（Cu）681750613299522E（Hg）1033166017308508314272E（Ni）25101857675E（Pb）9517869456451071E（Zn）66182975658494410405RI376371238318322691955120（表2）1.5、从表2中我们可以很容易的横向比较出各个区域8重金属的污染程度，最严重的是工业区，紧随其后的是公园绿地，随后依次是山区、主干道路区，污染程度最低的是生活区。1.6、再查阅各相关资料（参考资料4），找出和RI污染范围，与表2中得出的数据比较，纵向比较单项污染系数和多重金属污染系数RI的值，得出结论。单项污染系数和多重金属污染系数RI污染程度划分范围（如表3）。指数类型所处范围污染程度单项金属危害生态系数40轻微生态危害4080中等生态危害80160强生态危害160320很强生态危害320极强生态危害多种金属危害生态指数40轻微生态危害4080中等生态危害80160强生态危害160工业区公园绿地山区主干道路区Cd工业区公园绿地山区生活区主干道路区Cr工业区公园绿地主干道路区山区生活区Cu工业区山区公园绿地主干道路区生活区Hg工业区公园绿地山区主干道路区生活区Ni工业区公园绿地山区主干道路区生活区Pb工业区公园绿地山区主干道路区生活区Zn工业区公园绿地山区主干道路区生活区（表5）再根据附表2中的数据，计算城区中各元素的平均值、标准差、变异系数、超标率、背景值和平均值比背景值的倍数。数据见表6。金属As(u/g)Cd(u/g)Cr(u/g)Cu(u/g)Hg(u/g)Ni(u/g)Pb(u/g)Zn(u/g)实际范围1.61-30.140- 1619.815.32-900.842.29- 2528.58.57- 160004.27- 142.519.68-472.4832.86- 3760.8平均值5.68302.453.5155.02299.717.2661.74197.07标准差3.0222570163162959.9450.06339.23变异系数0.841.732.2612.3446.560.811.614.92超标率0.770.800.810.880.660.750.820.79背景值3.61303113.2351233169倍数1.642.271.704.347.651.412.082.86（表6）从表6中可以看出变异系数的范围是0.84-45.56，跨度很大，说明土壤中重金属的来源受外界的影响很大。将表5中各类区土壤各元素的平均值分别与其背景值进行比较，发现区域中土壤元素As、Cd、Cr、Cu、Hg、Ni、Pb和Zn分别是背景值的1.64、2.27、1.70、4.34、7.65、1.41、2.08和2.86倍，说明各元素在土壤中都呈现了不同程度的富集，其中又以Hg程度最高，Cu次之，Zn、Cd在其后并且倍数相近，Pb、Cr倍数较低，Ni倍数最低。以下依次说明各金属污染的主要原因：以Hg为例，表5表明其污染程度最严重的是工业区，其次是公园绿地、山区、主干道和生活区。表4中我们看到Hg的含量均属极强生态危害。联系到图9和图10，该地西南高东北低，山地和公园集中在东北面，所以山地和公园地区受工业区影响较大。而生活区地势较高，所受影响较小。工业区中工业废水中的Hg随河流排出，资料（参考文献13）显示Hg进入土壤后95%以上能迅速被土壤吸持或固定，这主要是由于土壤的粘土矿物和有机质有强烈的吸附作用,因此Hg容易在土壤表层积累。所以Hg污染的原因表象主要是由于地势和区域分布情况引起的，根本原因是由于工业废水的排放，以及人类生活区生活污水装饰器材等引起的。由此推广，Cu等重金属元素的污染原因也是工业区废水的排放引起的。Cu在各类区的污染程度排序为工业区山区公园绿地区主干道路区生活区，其中除主干道路区属很强生态危害和生活区属轻微生态危害以外，其他区均属极强生态危害。所以可以推测，除去工业污染之外，地质结构即岩石土壤中原本Cu的含量就很高。生活区中的生活污水、装饰材料和器材是造成Cr、Zn、Pb和Cd等元素污染的主要原因。同样工业区废水废气的排放的Cr、Zn、Pb和Cd是造成其自身以及其他区域污染的主要原因。Cr,Cd,Pb等元素在山区中污染的原因是由于大量使用化肥和采用耕种方法不当，使得农作物土壤受到了重金属Cr和Pb的污染。有些土壤则是因为处于下风区，重金属更易堆积，而富集了来自汽车尾气和工业的人为排放Pb。另外，经查询（参考文献13）在所有研究过的散锌矿中都无一例外的有镉元素的存在，Cr元素还存在于次生物水的沉积物中或水浇灌的土壤中。此外，人类活动造成了公园土壤和灰尘中重金属的积累, 其中最主要的污染为工业和交通污染。公路中Cd、Cr、Hd、Zn元素的污染主要来自轮胎磨损和汽车尾气。Ni元素常见于镍黄铁矿(Ni,Fe)9S8中，其耐腐蚀性高，可用作镀层金属、制金属合金，也可用于制镍镉电池、作催化剂，以及铸造硬币，所以工业区较高。As污染是指由As单质或其化合物所引起的环境污染。As和含As矿石的开采、冶炼，以As单质或As化合物作原料生产玻璃、颜料、原药、纸张以及煤的燃烧过程，都可产生含As废水、废气和废渣，对环境造成污染。恰好表5中As元素浓度排列为生活区工业区公园绿地山区主干道路区，所以As在生活区的浓度较高。三、建立模型，确定污染源的位置。1、本题中已知各点坐标以及浓度，要确定污染源，属于分布式参数系统。众所周知,分布式参数系统的模型建立可以精确描述重金属在一定范围内传播的特征进而找到源位置即污染源。由于分布式参数系统主要研究的是从输入和输出数据来估计未知参数，所以本题中用实际测量数据来确定各金属污染源位置。这类模型可以由下述污染扩散方程给出：其中为狄拉克函数，u为污染源扩散介质的速度,H为扩散系数,k为污染物的降解率。假定C(x, t)在x=(0L)的分布已知那么源项识别反问题就是根据这些已知的分布来确定源项即确定污染源的位置。所以现转化为已知空间某一位置的污染物浓度C(, t)，确定的位置问题。以下为求解过程。先求解正问题(iV),令函数变换：定解问题(iV)可转化为定解问题：最后求得方程组的解为：（1）整理合并公式（1），；得：；为了方便讨论我们定义：N、b和F，N=；化简后得：（2）求得。再由联系（2）及附表数据，我们利用excel可以拟出和之间的函数关系如下图图11模拟时测量值与精确值之间的误差水平为，迭代终止误差为，反演时求上述反问题的遗传算法参数设置为:群体大小为50；交叉概率Pc=0.8;变异概Pm=0.2;参数0,10，(i=1,2，3,4)；终止迭代条件为均方误差。数值实验表明,同伦摄动法与遗传算法相结合求解对流扩散方程源项反问题是有效的和可行的,是一种可以进一步推广的源项识别方法。将附件1中各元素数据组带入模型，根据地形分布图12以及各种金属元素的超标值点，可以分析得出在（4000,4000）、（1100,16000）、（23000,12000）和（7000,7000）点的附近有工厂，(3000,4000)点到（4000,5000）点之间为交通干线。(3000,4000)点附近是Cd、Cu、Cr、Hg、Ni和Pb的污染源。（4000,4000）点附近的区域是Cr、Hg、Zn、Ni和Pb的污染源，（7000，7000）点附近区域是Cd、Cu、Cr、Hg的污染源，均属重度污染，影响范围大。（22300,10500）附近是Cd、Cu、Hg的污染源，（13800,9600）点附近是Pb、Cu的污染源，（23000,12000）附近是Cd、Cu、Hg的污染源，（1100,16000）点附近是Cu的污染源，均属轻度污染源，影响范围小。 图124、收集其他信息优化模型第四问为城市地质环境的演变模式，我们在原有模型的基础上考虑岩石圈、水研究圈、大气圈、地势分布对地质环境的影响，收集其数据。用同位素标记法最终建立数学模型，得到为更好地研究城市地质环境的演变模式，还应收集城区地势的总体分布情况，地势正常的金属元素的分布，土壤的酸碱度，城区的气候环境。在收集到土壤的酸碱度后，与土壤环境质量标准 GB- 15618- 1995中的标准相比，确定各金属元素的标准。地势的总体分布判断城区有利于重金属的沉积的地区。收集城区地势正常的金属元素的分布，排除地区性元素的干扰，排除一些异常的数据，优化了模型后求解出重金属污染与土壤的四个重要特性（即土壤紧实度、土壤pH值、土壤有机质以及土壤微生物与的关系）呈相关性的结果。优化之后得出的解更具有实际意义。模型的评价与推广第三问模型的建立与求解中，最大的优点就是运用遗传算法，可以直接以目标函数作为搜索信息,无目标函数的导数值等其它一些辅助信息,特别对高度非线性优化问题更显示出较强的适应性，解法优于梯度法、单纯形法等。由于遗传算法具有极好的全局优化性能,减少了陷入局部极值的风险 ,本文将这一算法应用于污染-扩散方程源项反演的研究中。计算结果再一次表明了该方法的有效性。而且遗传算法本身就是一种反演算法,事实上,对于不同类型的反问题只要有相应的正问题的算法,就很容易与遗传算法相结合,形成遗传反演计算模型,本文在这方面作了一次有益的尝试,说明遗传算法在解反问题的可行性。也为处理这一类反问题提供新思路，开辟了一条新途径。可谓功在当代，利在千秋。在第四问研究重金属污染与城市地质环境的演变之间关系的优化模型中。我们运用简单的方法，优化模型解决了实际问题。模型的优点是简单易操作，适用范围广泛，有极强的实际价值。参考文献1 Hakanson L. An ecological risk index for aquatic pollution control: Asedimentological approach. Water Research,1980,14(8): 975-1 0012 徐争启, 倪师军, 庹先国, 张成江. 潜在生态危害指数法评价中重金属毒性系数计算. 环境科学与技术, 2008, 32(2): 112-1153 王济. 贵阳市表层土壤中的重金属. 贵阳: 贵州人民出版社, 2006:170-173附件4：（此附件其实是以matlab程序储存为m文件，建立附件文件夹储存的；这里上传百度方便大家看明白，我放在了文章中）matlab软件画出每种元素在城区的空间分布图，依次为As、Cd；其他元素方法一样就省略了。A=747815417.84 153.80 44.31 20.56 266.00 18.20 35.38 72.35 137373111425.93 146.20 45.05 22.51 86.00 17.20 36.18 94.59 1321179128434.90 439.20 29.07 64.56 109.00 10.60 74.32 218.37 017874246.56 223.90 40.08 25.17 950.00 15.40 32.28 117.35 1049212712456.35 525.20 59.35 117.53 800.00 20.20 169.96 726.02 1647272862614.08 1092.90 67.96 308.61 1040.00 28.20 434.80 966.73 2883361715478.94 269.80 95.83 44.81 121.00 17.80 62.91 166.73 238336927289.62 1066.20 285.58 2528.48 13500.00 41.70 381.64 1417.86 2708229522497.41 1123.90 88.17 151.64 16000.00 25.80 172.36 926.84 2933176774108.72 267.10 65.56 29.65 63.00 21.70 36.94 100.41 423389565115.93 201.40 45.19 24.90 259.00 14.60 35.88 102.65 40431895141129.17 287.00 43.94 45.77 168.00 19.70 62.74 223.16 2427397121135.72 193.70 80.35 26.57 111.00 19.80 57.64 89.08 3526435774144.49 359.50 258.15 123.27 77.00 12.90 106.47 853.98 5062433954155.51 516.40 91.97 89.04 189.00 19.80 121.72 494.80 47774897811611.45 1044.50 94.78 136.97 202.00 22.30 472.48 602.04 58684904164176.14 445.40 82.69 167.39 144.00 18.40 111.24 389.80 6534564161187.84 347.90 57.65 97.14 213.00 19.60 70.82 307.24 5481600404197.41 345.70 159.45 71.03 85.00 18.10 89.34 380.92 4592460361208.50 614.00 744.46 130.55 156.00 32.80 228.64 1013.47 2486599921215.51 257.20 54.64 29.01 104.00 13.20 87.68 223.27 3299601844229.84 1213.50 920.84 1364.85 115.00 142.50 181.48 1818.47 3573621351239.39 325.80 172.29 104.89 82.00 31.50 90.90 429.29 4741643455243.30 212.10 50.13 38.62 139.00 10.60 66.98 186.22 53758643151254.09 90.50 35.02 11.82 16.00 10.40 29.09 46.84 56357965294266.14 583.40 95.25 233.70 155.00 21.10 97.47 311.02 53948631124275.31 366.40 42.34 64.65 188.00 17.40 67.11 182.65 52917349104283.69 323.90 35.14 34.66 50.00 13.90 65.48 253.16 47427293922921.87 424.50 73.40 59.72 1520.00 27.80 83.70 175.71 49487293623018.38 630.00 96.68 114.81 645.00 34.80 130.36 1626.02 55676782723110.53 635.30 64.03 101.35 190.00 28.30 162.64 615.10 70046226114323.50 463.40 112.19 72.93 118.00 14.10 60.60 193.37 73045230101336.35 532.00 57.51 83.76 191.00 19.50 73.46 297.14 70484600244345.51 778.70 74.66 92.48 330.00 19.70 110.20 351.63 81804496154354.49 754.80 99.88 97.92 243.00 24.90 100.79 323.37 93284311241363.50 396.30 138.37 58.97 170.00 24.20 91.76 2893.47 90905365204375.51 687.80 85.52 72.85 201.00 19.00 103.20 403.27 80495439184384.29 526.00 55.31 81.43 93.00 19.90 100.65 369.80 80776401291394.29 449.10 67.22 51.64 315.00 15.70 106.97 294.69 80177210394406.56 852.70 72.59 158.67 311.00 21.20 124.24 377.14 686972861844116.58 459.00 94.79 47.17 1900.00 19.90 71.32 215.10 70568348371427.41 337.30 77.27 248.85 90.00 20.10 99.58 210.00 77478260494435.93 568.10 75.14 118.16 135.00 23.80 111.54 572.96 84578991214444.69 599.00 69.05 122.18 121.00 19.80 102.72 427.04 94608311454454.90 635.50 68.42 227.76 176.00 19.50 96.33 538.98 90627639454465.31 600.70 44.65 45.10 51.00 15.50 65.87 186.33 93196799494474.29 567.60 60.25 48.67 46.00 16.10 63.74 208.06 106316472574485.51 228.50 49.27 30.85 62.00 22.90 45.93 102.04 106855528344494.69 568.60 306.02 70.41 900.00 16.80 79.67 196.73 106434472454507.20 214.70 50.33 40.16 156.00 20.80 47.76 403.98 117024480714515.31 151.90 47.24 24.44 140.00 17.30 37.49 92.55 117305532544524.90 343.30 42.01 58.81 80.00 13.80 79.07 275.82 114826354614534.90 293.90 60.29 51.03 53.00 12.60 75.93 278.37 107008184504543.89 312.90 33.79 277.82 55.00 14.00 68.24 295.61 106308774294553.69 315.90 45.43 34.05 55.00 12.60 62.84 196.33 116788618174563.11 416.30 57.88 47.64 167.00 11.90 116.19 242.04 119027709304573.89 374.00 45.17 50.19 35.00 15.00 58.11 157.35 132447056374583.89 344.30 35.29 47.87 100.00 15.10 133.72 141.02 127468450214592.91 252.90 45.98 71.54 32.14 14.40 42.99 146.22 128558945184603.30 503.40 38.74 30.46 36.43 7.20 53.73 102.86 137979621184614.90 303.80 56.02 65.86 63.21 40.05 90.69 3760.82 143258666233624.09 127.00 27.58 23.99 30.00 11.93 57.47 85.61 154678658171632.91 265.00 35.66 29.39 24.64 9.23 60.54 122.96 124424329654642.72 278.90 43.43 32.61 64.29 9.90 53.40 135.71 130934339564653.11 751.20 53.11 53.80 27.86 10.46 60.27 155.00 139205354794663.30 361.30 47.54 52.28 25.71 9.11 113.46 218.27 148445519621673.30 488.00 51.18 34.55 37.50 10.80 54.62 125.92 165696055781686.14 227.00 42.15 67.04 49.29 16.31 34.28 82.96 163876609445693.69 347.40 37.76 19.97 26.79 10.01 54.41 221.22 160617352285704.49 136.00 36.56 23.07 21.43 14.96 34.19 78.98 156587594244713.11 327.10 25.98 23.73 25.71 9.79 63.81 138.06 142987418361728.06 113.10 52.40 20.81 65.36 19.69 29.56 62.24 141776684354733.69 270.50 33.12 57.85 25.71 13.50 62.04 118.16 150926936325743.69 160.30 38.29 26.08 25.71 14.29 40.13 82.86 127785799934753.50 305.50 39.50 30.86 31.07 14.74 61.89 148.88 1704410691933762.72 70.90 19.45 9.12 15.00 7.09 22.73 32.86 1708711933434778.50 261.30 45.97 24.83 51.43 18.00 43.39 84.49 1707512924254781.77 119.80 15.32 13.34 8.57 6.19 26.31 47.76 1796212823254792.53 468.80 37.04 32.03 45.00 12.15 65.25 178.98 1841311721883803.69 150.70 59.61 19.00 34.29 24.98 38.47 89.08 1900711488843816.14 100.30 37.49 20.23 34.29 14.85 29.29 61.94 18738109215338210.99 109.80 56.07 69.06 58.93 20.70 38.87 63.27 1781410707644836.35 91.80 36.12 16.91 36.43 12.49 27.01 47.76 18134100464148430.13 743.90 49.03 26.18 27.86 17.66 72.76 182.04 171989810374853.89 416.80 37.04 23.78 22.50 11.48 54.45 105.00 171449081204862.91 369.80 36.34 52.48 22.50 7.99 42.02 84.08 183939183264871.96 194.00 18.08 16.17 26.79 6.98 40.27 94.69 197678810464886.98 50.10 41.02 14.25 17.14 13.39 26.57 40.92 210068819554892.91 198.80 28.21 19.24 13.93 9.56 47.81 94.80 210919482434905.93 886.60 42.69 28.12 43.93 21.15 94.64 163.27 228469149694915.93 128.90 47.52 16.31 12.86 17.66 33.51 91.73 236649790463927.41 114.30 48.34 21.45 35.36 16.54 35.83 63.88 2230410527404934.29 232.90 29.17 40.02 1714.29 9.79 38.65 95.41 2141810721351944.69 132.80 36.11 17.28 20.36 15.53 37.03 82.76 2143911383454955.72 1619.80 43.48 15.50 20.36 15.41 30.99 57.55 2055411228434966.77 282.50 41.97 52.80 27.86 18.34 49.10 104.90 2010110774404974.49 180.60 37.23 18.70 27.86 11.93 36.45 63.98 2107210404324983.11 386.60 35.93 26.38 24.64 12.26 60.00 157.24 202159951314992.91 345.00 40.46 152.21 23.57 15.53 58.05 170.71 18993123717831004.29 95.60 22.49 17.15 85.71 10.13 27.97 67.24 19968129614231017.63 87.10 45.83 14.83 30.00 14.63 29.25 48.78 21766123486741025.93 203.00 35.97 16.88 15.00 14.51 45.83 89.49 22674121735221032.34 353.00 24.53 12.70 11.79 9.00 58.80 89.08 22535112935431042.91 233.20 24.92 21.62 85.71 8.33 45.20 100.10 2522157952741055.72 174.30 33.83 29.45 20.36 13.05 42.10 71.43 2645355771111062.34 87.60 18.46 9.73 13.93 8.89 24.43 43.37 2641665081411076.56 245.60 36.73 61.30 55.71 14.18 47.24 114.29 2781655811131084.69 167.90 33.15 18.96 60.00 15.98 33.46 55.71 2536164234931096.35 111.40 28.82 59.17 206.79 11.70 28.02 61.53 24065735310431105.10 94.60 77.92 20.34 23.57 28.69 25.92 58.47 2599870325131114.69 111.60 24.57 12.09 31.07 8.55 27.12 43.88 2717777711731123.50 85.50 26.33 24.88 36.43 11.36 26.77 64.08 264248639841134.69 169.50 39.11 22.51 25.71 15.98 39.53 82.96 2607388073831144.49 138.00 34.52 35.54 50.36 12.60 25.45 52.45 2463194227631153.30 131.40 35.97 11.29 43.93 11.03 30.06 61.94 2470295226231162.91 41.00 41.77 12.50 17.14 17.10 19.68 78.37 2546198346831174.09 129.70 26.83 10.12 40.71 7.76 28.84 68.16 24813107994641185.72 148.00 36.73 14.21 52.50 12.60 27.15 57.86 26086110945331194.90 108.10 22.72 9.40 35.36 8.89 32.39 69.39 26015120785731204.90 132.50 79.52 18.67 42.86 27.68 28.30 92.24 277001160916531214.09 162.90 33.79 12.96 30.00 12.94 29.17 74.90 276961162116931225.9