matlab湖泊水质富营养化的综合评价之欧阳引擎创编

1、1问题欧阳引擎(2021.01.01)近年来我国淡水湖水质富营养化的污染日益严重，如何对 湖泊水质的富营养化进行综合评价与治理是摆在我们面前的任 务，下面两个表格分别为我国5个湖泊的实测数据和湖泊水质 评价标准。表一全国五个主要湖泊评价参数的实测数据总磷(mg/L)耗氧量 (mg/L)透明度(m)总氨(mg/L)杭州西湖13010.300.352.76武汉东湖10510.700.402.0青海湖201.44.50.22巢湖306.260.251.67滇池2010.130.500.23表二湖泊水质评价标准评价参数极贫营养贫营养中营养富营养极富营养总磷660耗氧量27.1透明度37122.40.5

2、50.17总氨4.6要求(1)试用以上数据，分析总磷，耗氧量，透明度，总氨这4个指标对湖泊水质评价富营养化的作用(2)对这5个湖泊的水质综合评价，确定水质等级。2冋题的分析和模型的建立在进行综合评价之前，首先要对评价的指标进行分析。通常 评价指标分成效益型，成本型和固定型指标。效益型指标是 指那些数值越大影响力越大的统计指标（也称正向型指 标）；成本型指标是指数值越小越好的指标（也称逆向型指 标）；而固定型指标是指数值越接近于某个常数越好的指标 （也称适度型指标）。如果每个评价指标的属性不一样，则 在综合评价时就容易发生偏差，必须先对各评价指标统一属 性。建模步骤（1）建立无量纲化实测数据矩阵

3、和评价标准矩阵实测数据矩阵13010.30.352.7610510.70.42.0201.44.50.22306.260.251.672010.130.50.23090.361.87.1027.137122.40.550.170.020.060.311.24.6Y =等级标准矩阵然后建立无量纲化实测数据矩阵4和无量纲化等级标准矩阵B,其中利用Matlab,我们得到X二130 10.30 0.35 2.76;105 10.70 0.40 2.0;20 1.4 4.5 0.22; 30 6.26 0.25 1.67;20 10.13 0.50 0.23;Y=l 4 23

4、110 660; 0.09 0.36 1.80 7.10 27.1;37 12 2.4 0.55 07;0.02 0.06 0.31 1.20 4.6;Bl=Y(l,:)./660;B2=Y(2,:)./27.1;B3=0.17./Y(3,:);B4=Y(4,:)./4.6;B=B1;B2;B3;B4;A1=X(:,1)7130;A2=X(:,2)710.7;A3=0.25./X(:,3);A4=X(:,4)./2.76;A二A1,A2,A3,A4;A =1.00000.96260.71431.00000.80771.00000.62500.72460.15380.13080.05560.07

5、970.23080.58501.00000.60510.15380.94670.50000.0833B =0.00150.00610.03480.16671.00000.00330.01330.06640.26201.00000.0046 0.0142 0.0708 0.30911.00000.0043 0.0130 0.0674 0.26091.0000(2)计算各评价指标的权重首先计算矩阵B的各行向量的均值和标准差 然后计算变异系数9最后对变异系数归一化得到各指标的权重为0.2767 0.2444 0.2347 0.2442程序命令：b=B;t=std(b)./mean(b);w=t/su

6、m(t);(3)建立各湖泊水质的综合评价模型通常我们可以利用向量之间的距离来衡量两个向量之间的接近 程度，在Matlab中，有以下的函数命令来计算向量之间的距 离；Disp(w,p):计算w中的每个行向量和p中每个列向量之间的欧式 距离；Mandist(w,p):绝对值距离计算A中各行向量到B中各列向量之间的欧氏距离若厂醜如，则第,个湖泊属于第k级 计算A中各行向量到B中各列向量之间的绝对值距离 若4说如，则第,个湖泊属于第R级结果及程序：jd=dist(A,B)mjd=mandist(A,B)jd 二1.84721.83121.73741.37690.28811.59591.57981.48591.12710.50340.21850.20450.13670.33831.79171.32011.30381.20820.83920.95911.07931.06500.98670.73281.3450mjd =3.66313.6303 3.4374 2.6783 0.32313.14363.1108 2.9178 2587 0.84270.40620.3734 0.2110 0.5787 3.58002.40712.3743 2.18141.42231.57911.67011.63741.44441.0