CN104978475A - 一种钢铁联合企业废水排放源解析方法 - Google Patents

Abstract

本发明提供一种钢铁联合企业废水排放源解析方法，在掌握钢铁联合企业废水排放资料，找到各工序特征污染物，建立钢铁联合企业废水中污染物指纹谱图，采集污染区域水样并进行水质全分析基础上，将分析结果与各工序废水排放的特征标识物进行对照，初步判断出污染来源，再根据指纹谱图技术，用计算机软件进行分析，实现谱图间快速、精确对比，从而准确的分析出污染源，并提供有效治理方案。本发明能够快速、简捷、精准的分析出污染来源，有效监控和遏止偷排现象，解决企业废水超标排放的难题，为环境管理部门应对突发水质污染事件、控制污染风险提供了可靠的技术保障，并可从源头降低污染物对环境的污染，具有环境与经济双重效益。

Description

一种钢铁联合企业废水排放源解析方法

技术领域

本发明属于水域环境分析领域，尤其涉及一种钢铁联合企业废水排放源的解析方法。

背景技术

水作为生命之源、工业的血脉，既是一种资源又是一种能源，在钢铁生产过程中有着不可替代的地位。钢铁工业在工业领域里是耗水和排污大户，联合钢铁厂的生产涉及到一系列工序，每道工序都带有不同的投料，并排出各种各样的废物和废水，因此，来源广泛、成分复杂、特性多变、危害性强、处理难度大是钢铁工业废水的特点。

钢铁工业废水中含有大量且种类多样的有毒有害物质，包括有机污染物和无机污染物等，其中某些污染物质具有致癌、致畸和致突变性，通过食物链蓄积于动植物体内，很难被降解，会对人体和生态环境产生极大的危害，近年来已引起人们的广泛关注。因此，寻求一种分析精准、操作简单、便于控制且能有效治理污染的钢铁工业废水治理方法具有非常重要的环境和经济意义。

在研究水体污染物的过程中，不仅要定性地识别水体中污染物及其来源，还要定量地计算出各种源对环境污染的贡献值（分担率），这就是水体的源解析。通过水体污染源解析，可以揭示污染源与断面水质的关系，定性、定量或半定量的解析出其来源，即计算各类污染源对受体的贡献值，从而为提出减少和控制持久性污染物输入的途径和措施提供科学依据。

目前，钢铁行业废水排放有时存在严重超标的现象，为此每年都要上缴一定数额的环保罚款，这使得钢铁企业不仅损失了大量的资金，而且损毁了企业的社会形象。传统的解决方法需要对企业内部的所有工序逐个进行考察，从下水井中取样分析，这一过程不仅繁琐，耗时长，且需要消耗大量的人力、物力，还存在着不具有时效性的缺点。

发明内容

本发明的目的旨在提供一种能够快速、简捷、精准的分析出污染来源，有效监控和遏止偷排现象，从而解决企业废水超标排放难题的钢铁联合企业废水排放源解析方法。

为此，本发明所采取的解决方案是：

一种钢铁联合企业废水排放源解析方法，其特征在于：

1、确定调查区域

在查阅相关钢铁行业废水排放区域资料的基础上，根据城市工业废水排放的总体布局，以突发污染事件或受纳水体中某种污染物质突然增加的区域作为重点调查区域。

2、水样采集与全分析

对污染水域进行水样的采集，将采集的水样密封于采样瓶中，并尽快送至实验室进行水质全分析。

3、建立污染物数据库

对钢铁联合企业各工序废水排放情况开展前期大量调研工作，不仅要掌握废水中污染物的种类及含量，还要熟悉其生产工艺流程，对资料里没有记载而可能产生的污染物也要进行分析并记录，采用统计方法对收集的数据进行整理归纳，建立污染物信息数据库，包括：钢铁联合企业信息、各工序污染物种类及含量、生产工艺信息和可能产生的污染物信息。

4、识别特征标识物

根据已建立的污染物信息数据库，识别出钢铁工业各工序排放废水中的具有代表性的污染物即特征标识物。识别方法：根据生产工艺及废水处理工艺，对已产生的污染物和可能产生的污染物进行分析判断，找到具有代表性的特征污染物。

5、建立各工序废水排放特征的指纹谱图

指纹谱图技术能宏观的反映出源排放的污染物的内在特征，不同排放源的指纹谱图具有唯一性。根据指纹谱图具有唯一性的特性，建立能反映各工序废水排放特征的指纹谱图。具体方法为：

已知分析得出的样品数据矩阵D，推导出污染源指纹图谱S；其计算公式为：

$D_i=\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{C}_j{M}_{\mathrm{ij}}(i=\mathrm{1,2},...m)---\left(1\right)$

式中：m—受体样品中污染物种类数；n—有n类污染源对受体样品有污染贡献；D_i—受体样品中第i种污染物的浓度；C_j——第j类污染源对受体样品的污染贡献率；M_ij—第j类污染源中第i种污染物的浓度。

$D_{\mathrm{ij}}=\underset{k=1}{\overset{n}{\mathrm{\Σ}}}{S}_{\mathrm{ik}}{C}_{\mathrm{kj}}(i=\mathrm{1,2},...,m;j=\mathrm{1,2},...r)---\left(2\right)$

式中：m—受体样品中污染物种类数；n—有n类污染源对受体样品有污染贡献；r—采集的样品数；D_ij—第j类样品中第i种污染物的浓度；S_ik—因子载荷即污染源指纹图谱；C_kj—因子得分即污染源贡献。

将公式（2）表示为矩阵形式，有：

D=S·C         (3)

式中：D为m行r列的样品数据矩阵；S为m行n列的污染源组成矩阵；

C为n行r列的污染源贡献矩阵；

由公式（1）可求得污染源的污染贡献C，根据式（3），求出矩阵S即污染源指纹谱图，将S用图形表示，横坐标代表污染源的污染物种类数，纵坐标代表上述得出的矩阵数值；

6、污染物来源解析

初步判断：将水质全分析结果与污染物信息数据库进行对照，从而初步判断出污染源；

精确解析：采用模糊聚类模型方法，Matlab软件编程，求出样品与指纹谱图之间的相似系数，根据最大隶属度原则，精确的解析出污染来源；

模糊聚类模型方法的计算步骤为：

a、将谱图信息转化为计算机能够接受的数量化矩阵

设U={A₁，A₂，···，A_n}为对受体样品有贡献的n类污染源，每个污染源含m种污染物，即A_i={A_i1，A_i2，···，A_im}（i=1,2，···，n），

n、m是≥1的整数；

于是，得到原始数据矩阵为：

$\left(\begin{array}{cccc}{A}_{11}& A_{12}& ...& A_{1m}\\ A_{21}& A_{22}& ...& A_{2m}\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ A_{n1}& A_{n2}& ...& A_{\mathrm{nm}}\end{array}\right)$

其中，A_nm表示第n个污染源的第m个污染物的原始数据；

b、对数据进行标准化处理，消除量纲的影响

采用平移标准差变换法，对数据进行标准化处理，即：

$A_{\mathrm{ik}}^{\′}=\frac{A_{\mathrm{ik}}-\stackrel{\‾}{A_k}}{S_k}(i=\mathrm{1,2},...,n;k=\mathrm{1,2},...,m)$

其中

$\stackrel{\‾}{A_k}=\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{A}_{\mathrm{ik}},S_k=\sqrt{\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(A_{\mathrm{ik}}-\stackrel{\‾}{A_k})}^2}$

经过变换后，每个变量的均值为0，标准差为1；

c、建立模糊相似矩阵，求出样品与污染源数据的模糊相似系数R借用传统聚类的相似系数法计算A_i与A_j的相似程度r_ij=R（A_i,A_j），

$\begin{array}{cc}{r}_{\mathrm{ij}}=\frac{{\mathrm{\Σ}}_{k=1}^m{A}_{\mathrm{ik}}\·A_{\mathrm{jk}}}{\sqrt{{\mathrm{\Σ}}_{k=1}^m{A}_{\mathrm{ik}}^2}\·\sqrt{{\mathrm{\Σ}}_{k=1}^m{A}_{\mathrm{jk}}^2}}& (j=\mathrm{1,2},...,n)\end{array}$

跟据最大隶属度原理，取最大相似系数，从而判断出污染物来源；

7、确定有效治理方案

找到了污染物来源即排污单位，根据其排放的废水中污染物的特征，有的放矢的制定治理方案，并应用于现场实践。

本发明的有益效果为：

本发明彻底解决了上述传统方法存在的不足，在现有处理工艺的基础上，可快速、准确的识别出污染来源，为钢铁联合企业提供了一条精确分析废水中污染物来源的有效途径，并能根据污染源排污特征，提供相应适合的、技术可行的治理方案，及时有效的控制污染来源。为环境管理部门应对突发水质污染事件、控制污染风险提供了可靠的技术保障。同时从源头降低污染物对环境的污染，能同时收获环境效益与经济效益，适应人类社会的可持续发展战略，为制定区域污染控制对策提供技术支持，具有很强的推广及应用价值。

附图说明

图1为本发明实施工艺流程图；

图2a为焦化排放源指纹谱图；

图2b为烧结排放源指纹谱图；

图2c为炼铁排放源指纹谱图；

图2d为炼钢排放源指纹谱图；

图2e为连铸排放源指纹谱图；

图2f为热轧排放源指纹谱图；

图2g为冷轧排放源指纹谱图。

具体实施方式

图1显示，本发明钢铁联合企业废水排放源解析方法的工艺流程和步骤为：

1、确定调查区域：在查阅相关钢铁行业废水排放区域资料的基础上，根据城市工业废水排放的总体布局，以突发污染事件或受纳水体中某种污染物质突然增加的区域作为重点调查区域。

2、水样采集与全分析：对污染水域进行水样的采集，将采集的水样密封于采样瓶中，并尽快送至实验室进行水质全分析。

3、建立污染物数据库：对钢铁联合企业各工序废水排放情况开展前期大量调研工作，不仅要掌握废水中污染物的种类及含量，还要熟悉其生产工艺流程，对资料里没有记载而可能产生的污染物也要进行分析并记录，采用统计方法对收集的数据进行整理归纳，建立污染物信息数据库，包括：钢铁联合企业信息、各工序污染物种类及含量、生产工艺信息和可能产生的污染物信息。

4、识别特征标识物：根据已建立的污染物信息数据库，识别出钢铁工业各工序排放废水中的具有代表性的污染物即特征标识物。识别方法：根据生产工艺及废水处理工艺，对已产生的污染物和可能产生的污染物进行分析判断，找到具有代表性的特征污染物。

5、建立各工序废水排放特征的指纹谱图：指纹谱图技术能宏观反映出源排放的污染物的内在特征，不同排放源的指纹谱图具有唯一性。根据指纹谱图具有唯一性的特性，建立能反映各工序废水排放特征的指纹谱图。其具体方法为：

已知分析得出的样品数据矩阵D，推导出污染源指纹图谱S；其计算公式为：

$D_i=\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{C}_j{M}_{\mathrm{ij}}(i=\mathrm{1,2},...m)---\left(1\right)$

式中：m—受体样品中污染物种类数；n—有n类污染源对受体样品有污染贡献；D_i—受体样品中第i种污染物的浓度；C_j——第j类污染源对受体样品的污染贡献率；M_ij—第j类污染源中第i种污染物的浓度。

$D_{\mathrm{ij}}=\underset{k=1}{\overset{n}{\mathrm{\Σ}}}{S}_{\mathrm{ik}}{C}_{\mathrm{kj}}(i=\mathrm{1,2},...,m;j=\mathrm{1,2},...r)---\left(2\right)$

式中：m—受体样品中污染物种类数；n—有n类污染源对受体样品有污染贡献；r—采集的样品数；D_ij—第j类样品中第i种污染物的浓度；S_ik—因子载荷即污染源指纹图谱；C_kj—因子得分即污染源贡献。

将公式（2）表示为矩阵形式，有：

D=S·C         (3)

式中：D为m行r列的样品数据矩阵；S为m行n列的污染源组成矩阵；

C为n行r列的污染源贡献矩阵；

由公式（1）可求得污染源的污染贡献C，根据式（3），求出矩阵S即污染源指纹谱图，将S用图形表示，横坐标代表污染源的污染物种类数，纵坐标代表上述得出的矩阵数值；

6、污染物来源解析

初步判断：将水质全分析结果与污染物信息数据库进行对照，从而初步判断出污染源；

精确解析：采用模糊聚类模型方法，Matlab软件编程，求出样品与指纹谱图之间的相似系数，根据最大隶属度原则，精确的解析出污染来源；

模糊聚类模型方法的计算步骤为：

a、将谱图信息转化为计算机能够接受的数量化矩阵

设U={A₁，A₂，···，A_n}为对受体样品有贡献的n类污染源，每个污染源含m种污染物，即A_i={A_i1，A_i2，···，A_im}（i=1,2，···，n），

n、m是≥1的整数；

于是，得到原始数据矩阵为：

$\left(\begin{array}{cccc}{A}_{11}& A_{12}& ...& A_{1m}\\ A_{21}& A_{22}& ...& A_{2m}\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ A_{n1}& A_{n2}& ...& A_{\mathrm{nm}}\end{array}\right)$

其中，A_nm表示第n个污染源的第m个污染物的原始数据；

b、对数据进行标准化处理，消除量纲的影响

采用平移标准差变换法，对数据进行标准化处理，即：

$A_{\mathrm{ik}}^{\′}=\frac{A_{\mathrm{ik}}-\stackrel{\‾}{A_k}}{S_k}(i=\mathrm{1,2},...,n;k=\mathrm{1,2},...,m)$

其中

$\stackrel{\‾}{A_k}=\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{A}_{\mathrm{ik}},S_k=\sqrt{\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(A_{\mathrm{ik}}-\stackrel{\‾}{A_k})}^2}$

经过变换后，每个变量的均值为0，标准差为1；

c、建立模糊相似矩阵，求出样品与污染源数据的模糊相似系数R借用传统聚类的相似系数法计算A_i与A_j的相似程度r_ij=R（A_i,A_j），

$\begin{array}{cc}{r}_{\mathrm{ij}}=\frac{{\mathrm{\Σ}}_{k=1}^m{A}_{\mathrm{ik}}\·A_{\mathrm{jk}}}{\sqrt{{\mathrm{\Σ}}_{k=1}^m{A}_{\mathrm{ik}}^2}\·\sqrt{{\mathrm{\Σ}}_{k=1}^m{A}_{\mathrm{jk}}^2}}& (j=\mathrm{1,2},...,n)\end{array}$

跟据最大隶属度原理，取最大相似系数，从而判断出污染物来源；

7、确定有效治理方案

找到了污染物来源即排污单位，根据其排放的废水中污染物的特征，有的放矢的制定治理方案，并应用于现场实践。

针对某钢铁联合企业废水排放情况，建立源解析模式，为环保管理和废水有效治理方案提供技术支撑。表1是根据调研结果，统计出的钢铁联合企业各工序废水排放特征标识物。

表1钢铁联合企业排放废水中特征标识物

序号	工序名称	特征标识物
			1	焦化	SS、酚、苯、二甲苯、CN-、氨氮、BaP
2	烧结	SS、焦粉、石灰粉、TFe、SiO2、Al2O3

3	炼铁	硫化物、酚、CN-、Pb、Zn、Mn
			4	炼钢	氟化物、油、COD、SS
5	连铸	油、Fe2+、硅钙合金、石墨
			6	热轧	pH、悬浮固体、油、FeO、SS
7	冷轧	pH、SS、油、COD、TCr、Cr6+

从废水污染物信息数据库中筛选出30种污染物作为构建指纹谱图的基本污染物质，绘制各生产工序指纹谱图，如图2a-2g所示。

实施例1

对采集的水样进行水质的全分析（Aj=SS=20mg/L，CN^-=5.6mg/L，COD=40mg/L，油=2mg/L，氟化物=6mg/L，TCr=0.8mg/L，Cr⁶⁺=0.3mg/L，Zn=1.0mg/L，氨氮=4.1mg/L），发现氰化物严重超标，与特征标识物对比后，初步判断污染源为焦化或炼铁生产工序。对受体样品有贡献的污染源种类n=7，焦化工序含7种污染物，烧结工序含6种污染物，炼铁工序含6种污染物，炼钢工序含4种污染物，连铸工序含4种污染物，热轧工序含5种污染物，冷轧工序含6种污染物，根据第n个污染源的第m个污染物的原始数据可列出污染物原始数据矩阵，采用平移标准差变换法，对数据进行标准化处理，消除量纲的影响，计算水样Aj与污染源数据Ai的相似程度，如表2所示，取最大相似系数，可精确判断出水样中氰化物的来源。

表2水样与污染源废水排放指纹谱图的关系

污染源	与水样相似系数	污染源	与水样相似系数
				1#	0.9879	5#	0.1020
2#	0.0135	6#	0.0051
				3#	0.3356	7#	0.0725
4#	0.0276

从表2中可以看出，1#污染源指纹谱图与水样的指纹谱图相似性最高，根据最大隶属度原则，可定性的判断为水样中突然升高的氰化物的排放源为焦化生产工序的排放。

实施例2

对采集的水样进行水质的全分析（Aj=SS=15mg/L，CN^-=0.3mg/L，COD=44mg/L，油=2.5mg/L，氟化物=39mg/L，TCr=0.8mg/L，Cr⁶⁺=0.3mg/L，Zn=1.5mg/L，氨氮=4.1mg/L），发现氟化物严重超标，与特征标识物对比后，初步判断污染源为炼钢生产工序。对受体样品有贡献的污染源种类n=7，焦化工序含7种污染物，烧结工序含6种污染物，炼铁工序含6种污染物，炼钢工序含4种污染物，连铸工序含4种污染物，热轧工序含5种污染物，冷轧工序含6种污染物，根据第n个污染源的第m个污染物的原始数据可列出污染物原始数据矩阵，采用平移标准差变换法，对数据进行标准化处理，消除量纲的影响，计算水样Aj与污染源数据Ai的相似程度，如表3所示，取最大相似系数，可精确判断出水样中氟化物的来源。

表3水样与污染源废水排放指纹谱图的关系

污染源	与水样相似系数	污染源	与水样相似系数
				1#	0.0809	5#	0.0020
2#	0.0035	6#	0.0316
				3#	0.2104	7#	0.1205
4#	0.9265

从表3中可以看出，4#污染源指纹谱图与水样的指纹谱图相似性最高，根据最大隶属度原则，可定性的判断为水样中突然升高的氟化物的排放源为炼钢生产工序的排放。

实施例3

对采集的水样进行水质的全分析（Aj=SS=18mg/L，CN^-=0.3mg/L，COD=40mg/L，油=1.8mg/L，氟化物=7mg/L，TCr=1.2mg/L，Cr⁶⁺=5.7mg/L，Zn=1.8mg/L，氨氮=3.9mg/L），发现Cr⁶⁺严重超标，与特征标识物对比后，初步判断污染源为冷轧生产工序。对受体样品有贡献的污染源种类n=7，焦化工序含7种污染物，烧结工序含6种污染物，炼铁工序含6种污染物，炼钢工序含4种污染物，连铸工序含4种污染物，热轧工序含5种污染物，冷轧工序含6种污染物，根据第n个污染源的第m个污染物的原始数据可列出污染物原始数据矩阵，采用平移标准差变换法，对数据进行标准化处理，消除量纲的影响，计算水样Aj与污染源数据Ai的相似程度，如表4所示，取最大相似系数，可精确判断出水样中Cr⁶⁺的来源。

表4水样与污染源废水排放指纹谱图的关系

污染源	与水样相似系数	污染源	与水样相似系数
				1#	0.0203	5#	0.1402
2#	0.0065	6#	0.0011
				3#	0.1205	7#	0.9602
4#	0.0683

从表4中可以看出，7#污染源指纹谱图与水样的指纹谱图相似性最高，根据最大隶属度原则，可定性判断为水样中突然升高的Cr⁶⁺排放源为冷轧生产工序的排放。

Claims (1)

1.一种钢铁联合企业废水排放源解析方法，其特征在于：

（1）确定调查区域

以突发污染事件或受纳水体中某种污染物质突然增加的区域作为重点调查区域；

（2）水样采集与全分析

将在污染水域采集的水样密封于采样瓶中，在实验室进行水质全分析；

（3）建立污染物数据库

在前期大量调研的基础上，采用统计方法对收集的数据进行整理归纳，建立污染物信息数据库，包括：钢铁联合企业信息、各工序污染物种类及含量、生产工艺信息和可能产生的污染物信息；

（4）识别特征标识物

根据生产工艺及废水处理工艺，对已产生的污染物和可能产生的污染物进行分析判断，找到具有代表性的特征污染物；

（5）建立各工序废水排放特征的指纹谱图

根据指纹谱图具有唯一性的特性，建立能反映各工序废水排放特征的指纹谱图，具体方法为：

已知分析得出的样品数据矩阵D，推导出污染源指纹图谱S；其计算公式为：

$D_i=\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{C}_j{M}_{\mathrm{ij}}(i=\mathrm{1,2},...m)---\left(1\right)$

式中：m—受体样品中污染物种类数；n—有n类污染源对受体样品有污染贡献；D_i—受体样品中第i种污染物的浓度；C_j——第j类污染源对受体样品的污染贡献率；M_ij—第j类污染源中第i种污染物的浓度；

$D_{\mathrm{ij}}=\underset{k=1}{\overset{n}{\mathrm{\Σ}}}{S}_{\mathrm{ik}}{C}_{\mathrm{kj}}(i=\mathrm{1,2},...,m;j=\mathrm{1,2},...r)---\left(2\right)$

式中：m—受体样品中污染物种类数；n—有n类污染源对受体样品有污染贡献；r—采集的样品数；D_ij—第j类样品中第i种污染物的浓度；S_ik—因子载荷即污染源指纹图谱；C_kj—因子得分即污染源贡献；

将公式（2）表示为矩阵形式，有：

D=S·C         (3)

式中：D为m行r列的样品数据矩阵；S为m行n列的污染源组成矩阵；

C为n行r列的污染源贡献矩阵；

由公式（1）可求得污染源的污染贡献C，根据式（3），求出矩阵S即污染源指纹谱图，将S用图形表示，横坐标代表污染源的污染物种类数，纵坐标代表上述得出的矩阵数值；

（6）污染物来源解析

初步判断：将水质全分析结果与污染物信息数据库进行对照，从而初步判断出污染源；

精确解析：采用模糊聚类模型方法，Matlab软件编程，求出样品与指纹谱图之间的相似系数，根据最大隶属度原则，精确的解析出污染来源；

模糊聚类模型方法的计算步骤为：

a、将谱图信息转化为计算机能够接受的数量化矩阵

设U={A₁，A₂，···，A_n}为对受体样品有贡献的n类污染源，每个污染源含m种污染物，即A_i={A_i1，A_i2，···，A_im}（i=1,2，···，n），

n、m是≥1的整数；

于是，得到原始数据矩阵为：

$\left(\begin{array}{cccc}{A}_{11}& A_{12}& ...& A_{1m}\\ A_{21}& A_{22}& ...& A_{2m}\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ A_{n1}& A_{n2}& ...& A_{\mathrm{nm}}\end{array}\right)$

其中，A_nm表示第n个污染源的第m个污染物的原始数据；

b、对数据进行标准化处理，消除量纲的影响

采用平移标准差变换法，对数据进行标准化处理，即：

$A_{\mathrm{ik}}^{\′}=\frac{A_{\mathrm{ik}}-\stackrel{\‾}{A_k}}{S_k}(i=\mathrm{1,2},...,n;k=\mathrm{1,2},...,m)$

其中

$\stackrel{\‾}{A_k}=\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{A}_{\mathrm{ik}},S_k=\sqrt{\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(A_{\mathrm{ik}}-\stackrel{\‾}{A_k})}^2}$

经过变换后，每个变量的均值为0，标准差为1；

c、建立模糊相似矩阵，求出样品与污染源数据的模糊相似系数R借用传统聚类的相似系数法计算A_i与A_j的相似程度r_ij=R（A_i,A_j），

$\begin{array}{cc}{r}_{\mathrm{ij}}=\frac{{\mathrm{\Σ}}_{k=1}^m{A}_{\mathrm{ik}}\·A_{\mathrm{jk}}}{\sqrt{{\mathrm{\Σ}}_{k=1}^m{A}_{\mathrm{ik}}^2}\·\sqrt{{\mathrm{\Σ}}_{k=1}^m{A}_{\mathrm{jk}}^2}}& (j=\mathrm{1,2},...,n)\end{array}$

跟据最大隶属度原理，取最大相似系数，从而判断出污染物来源；

（7）确定有效治理方案

找到了污染物来源即排污单位，根据其排放的废水中污染物的特征，有的放矢的制定治理方案，并应用于现场实践。