CN105550817A - 一种填埋场污染风险分级的方法及装置 - Google Patents
一种填埋场污染风险分级的方法及装置 Download PDFInfo
- Publication number
- CN105550817A CN105550817A CN201510994240.2A CN201510994240A CN105550817A CN 105550817 A CN105550817 A CN 105550817A CN 201510994240 A CN201510994240 A CN 201510994240A CN 105550817 A CN105550817 A CN 105550817A
- Authority
- CN
- China
- Prior art keywords
- risk stratification
- index
- risk
- landfill yard
- pollution
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Processing Of Solid Wastes (AREA)
Abstract
本发明实施例提供一种填埋场污染风险分级的方法,填埋场污染风险分级的方法,包括:获取填埋场的多项污染风险分级指标的基础数据,根据风险分级指标的基础数据和风险分级指标评价体系计算风险分级指标之间的相关性,以确保指标之间的独立性;确定风险分级指标的权重值,对风险分级指标的权重值进行敏感性分析,以确保风险分级指标的权重值准确;将风险分级指标的权重值输入到多准则决策分析模型中,计算填埋场污染的风险值,从而进行填埋场污染的风险分级评分;相应地本发明实施例还提供一种填埋场污染风险分级的装置,根据本发明实施例提供的技术方案,可以快速、准确的对危险废物填埋场地下水污染风险进行分级评价,风险分级结果更加科学。
Description
技术领域
本发明实施例涉及多污染源的地下水污染风险分级技术领域,尤其涉及一种填埋场污染风险分级的方法及装置。
背景技术
随着工业的发展,危险废物的产生量日趋增多。据国家统计局相关数据显示,2001-2007年,我国危险废物的产生量稳定在1000×104t左右,自2008年起增速加快,到2011年产生量达3431×104t。2013年我国危险废物产生量比2012年有减少趋势,但也达到了3156×104t。危险废物有毒有害物质含量较高,对人体健康和周围环境危害极大,需予以安全处理。安全填埋因具有处理成本低、处理量大且操作简单的优点,得到广泛使用,是危险废物处理处置的重要方式。然而,安全填埋因降水及地表、地下水入渗将产生大量渗滤液,如果管理不善,发生渗漏,其中的有毒有害物质将污染厂区周围地下水,影响周边人类及生态受体健康。
由于填埋危险废物种类、填埋技术水平和场址水文地质条件的差异,各填埋场对周围地下水环境的潜在风险大小不同。如何科学、合理评估危险废物填埋场对地下水造成的污染风险,并对其进行分级管理,是我国固体废物管理研究领域面临的紧迫问题之一。目前,场地地下水污染风险分级及污染脆弱性评价主要采用DRASTIC、迭置指数法、过程数学模拟法、及多元统计法,但这些方法存在指标单一、指标间相关性较强、模拟运行数据量较大以及权重赋值科学性不足等缺点,无法快速、准确的对填埋场污染风险实施分级评价。
因此,如何快速、有效的识别填埋场污染风险等级,对填埋场污染风险监管、预警具有重要意义,一种新的对填埋场污染风险实施分级评价的方法亟待提出。
发明内容
本发明实施例提供填埋场污染风险分级方法,用以解决现有技术中指标单一、指标间相关性较强、模拟运行数据量较大以及权重赋值科学性不足的技术缺陷。本专利提出的方法可以快速、准确的对危险废物填埋场地下水污染风险进行分级评价,风险分级结果更加科学、准确且可操作性强。
本发明实施例提供一种填埋场污染风险分级方法,包括:
获取填埋场的多项污染风险分级指标的基础数据,根据所述风险分级指标的基础数据和风险分级指标评价体系计算所述风险分级指标之间的相关性,以确保指标之间的独立性;
确定所述风险分级指标的权重值,对所述风险分级指标的权重值进行敏感性分析,以确保所述风险分级指标的权重值准确;
将所述风险分级指标的权重值输入到多准则决策分析模型中,计算填埋场污染的风险值,从而进行填埋场污染的风险分级评分;
应用填埋场污染的特征污染物的实测指标与风险分级评分结果作距平指数分析,判断所述风险分级评分结果的准确性是否超过预设阈值;
当所述风险分级评分结果的准确性超过预设阈值,则根据所述风险分级评分结果完成填埋场污染风险分级。
优选地,获取填埋场的多项污染风险分级指标的基础数据,之前还包括:
建立风险分级指标评价体系,建立所述风险分级指标评价体系的方法包括:
获取填埋场污染的影响因子参数,所述影响因子参数包括:填埋场自身属性参数;填埋场场地地层防污性能参数;污染物从填埋场到达含水层的风险参数;污染物进入含水层后经迁移扩散到饮用水源地的风险参数;
根据所述影响因子参数构建所述风险分级指标评价体系。
优选地,根据所述风险分级指标的基础数据和风险分级指标评价体系计算风险分级指标之间的相关性,进一步包括:
计算所述风险分级指标评价体系中所述风险分级指标的基础数据的协方差及标准差;
采用如下公式进行所述相关性分析:
r=cov(X,Y)/σXσY(1)
其中,r表示两个所述风险分级指标的之间的相关系数;cov(X,Y)为协方差,标识两个指标间的协同性强弱程度;σX,σY为标准差,表示两个指标数据波动性大小。
优选地,确定所述风险分级指标的权重值,对所述风险分级指标的权重值进行敏感性分析,进一步包括:
利用多准则决策分析模型中的层次分析法对所述风险分级指标进行权重赋值;
调用多准则决策分析模型中的权重敏感性分析模块,以便所述权重敏感性分析模块对风险分级指标的权重值进行敏感性分析,所述敏感性分析包括:改变权重值系数,进行所述风险分级指标权重赋值准确性判断,以降低所述风险分级指标权重赋值的不确定性。
优选地,计算填埋场污染的风险值,还包括:调用多准则决策分析模型中的多属性效用理论模块,以便所述多属性效用理论模块进行填埋场污染风险分级。
另外,优选地,判断所述风险分级评分结果的准确性是否超过预设阈值,进一步包括:
根据特征污染物的选取原则,筛选出填埋场中特征污染物;
实测填埋场中的特征污染物浓度,将所述特征污染物的浓度与所述风险分级评分结果作距平指数分析,验证风险分级评分结果的准确性,判断所述风险分级评分结果的准确性是否超过预设阈值。
相应地,本发明实施例还提供一种填埋场污染风险分级的装置,包括:
获取模块,用于获取填埋场的多项污染风险分级指标的基础数据,根据所述风险分级指标的基础数据和风险分级指标评价体系计算所述风险分级指标之间的相关性,以确保指标之间的独立性;
确定模块,用于确定所述风险分级指标的权重值,对所述风险分级指标的权重值进行敏感性分析,以确保所述风险分级指标的权重值准确;
输入模块,用于将所述风险分级指标的权重值输入到多准则决策分析模型中,计算填埋场污染的风险值,从而进行填埋场污染的风险分级评分;
判断模块,用于应用填埋场污染的特征污染物的实测指标与风险分级评分结果作距平指数分析,判断所述风险分级评分结果的准确性是否超过预设阈值;
分级模块,用于当所述风险分级评分结果的准确性超过预设阈值,则根据所述风险分级评分结果完成填埋场污染风险分级。
优选地,所述获取模块,还用于:
建立风险分级指标评价体系,建立所述风险分级指标评价体系的装置包括:
获取填埋场污染的影响因子参数,所述影响因子参数包括:填埋场自身属性参数;填埋场场地地层防污性能参数;污染物从填埋场到达含水层的风险参数;污染物进入含水层后经迁移扩散到饮用水源地的风险参数;
根据所述影响因子参数构建所述风险分级指标评价体系。
优选地,所述获取模块,进一步用于:
计算所述风险分级指标评价体系中所述风险分级指标的基础数据的协方差及标准差;
采用如下公式进行所述相关性分析:
r=cov(X,Y)/σXσY(1)
其中,r表示两个所述风险分级指标的之间的相关系数;cov(X,Y)为协方差,标识两个指标间的协同性强弱程度;σX,σY为标准差,表示两个指标数据波动性大小。
优选地,所述确定模块,进一步用于:
利用多准则决策分析模型中的层次分析法对所述风险分级指标进行权重赋值;
调用多准则决策分析模型中的权重敏感性分析模块,以便所述权重敏感性分析模块对风险分级指标的权重值进行敏感性分析,所述敏感性分析包括:改变权重值系数,进行所述风险分级指标权重赋值准确性判断,以降低所述风险分级指标权重赋值的不确定性。
优选地,所述输入模块,还用于:调用多准则决策分析模型中的多属性效用理论模块,以便所述多属性效用理论模块进行填埋场污染风险分级。
另外,优选地,所述判断模块,进一步用于:
根据特征污染物的选取原则,筛选出填埋场中特征污染物;
实测填埋场中的特征污染物浓度,将所述特征污染物的浓度与所述风险分级评分结果作距平指数分析,验证风险分级评分结果的准确性,判断所述风险分级评分结果的准确性是否超过预设阈值。
本发明实施例提供的填埋场污染风险分级方法,获取的风险分级指标多、风险分级指标间独立性强以及权重赋值具有科学性,可以快速、准确的对危险废物填埋场地下水污染风险进行分级评价,风险分级结果更加科学、准确且可操作性强。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例填埋场污染风险分级的方法流程图;
图2为本发明实施例应用实例中填埋场污染风险分级方法流程图;
图3为本发明实施例应用实例中填埋场污染风险分级指标评价体系图;
图4为本发明实施例应用实例中应用MCDA模型所得填埋场污染风险值图;
图5为本发明实施例应用实例中填埋场污染风险分级评分与地下水中特征污染物的监测值的距平指数分析图;
图6为本发明实施例填埋场污染风险分级的装置结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
目前,填埋场地地下水污染风险分级及污染脆弱性评价主要采用DRASTIC、迭置指数法、过程数学模拟法、及多元统计法,但这些方法存在指标单一、指标间相关性较强、模拟运行数据量较大以及权重赋值科学性不足等缺点,无法快速、准确的对填埋场污染风险实施分级评价,如何科学、合理评估危险废物填埋场对地下水造成的污染风险,并对其进行分级管理,是我国固体废物管理研究领域面临的紧迫问题之一,基于对风险全过程控制,满足指标的科学性、独立性、简明性和可操作性的基本原则上,如何快速、有效的识别填埋场污染风险等级,对填埋场污染风险监管、预警具有重要意义。为使本发明实施例的目的、技术方案和优点更加清楚,以下结合附图及具体实施例,对本发明作进一步地详细说明。
实施例一
图1为本发明实施例中填埋场污染风险分级的方法流程图,结合图1,本发明实施例提供一种填埋场污染风险分级方法,包括:
步骤S101:获取填埋场的多项污染风险分级指标的基础数据,根据风险分级指标的基础数据和风险分级指标评价体系计算风险分级指标之间的相关性,以确保指标之间的独立性;
在进行填埋场污染风险分级之初,需要建立风险分级指标评价体系,风险分级指标评价体系建立完成后,获取填埋场的多个污染风险分级指标的基础数据,计算风险分级指标评价体系中的污染风险分级指标的之间的相关性,进行指标间的相关性分析,以确保指标之间的独立性。
步骤S102:确定风险分级指标的权重值,对风险分级指标的权重值进行敏感性分析,以确保风险分级指标的权重值准确;
通过步骤S101确定了风险分级指标间的独立性,则对风险分级指标进行权重赋值,确定风险分级指标的权重值,为减少指标权重赋值的不确定性问题,还需对指标权重值进行敏感性分析,确保指标权重值在风险分级重要性上不会发生改变,验证指标权重赋值的准确性,从而降低由于权重赋值不准确带来的风险分级结果的不确定性问题。
步骤S103:将风险分级指标的权重值输入到多准则决策分析模型中,计算填埋场污染的风险值,从而进行填埋场污染的风险分级评分;
将步骤S102确定的风险分级指标的权重值,输入到多准则决策分析模型(MCDA模型)中,并根据风险分级指标的权重值和风险分级指标的基础数据计算填埋场污染的风险值,进行填埋场污染的风险分级评分。
步骤S104:应用填埋场污染的特征污染物的实测指标与风险分级评分结果作距平指数分析,判断风险分级评分结果的准确性是否超过预设阈值;
通过步骤S103对填埋场污染的风险分级评分后,利用实际测得的填埋场中特征污染物的指标与风险分级评分结果作距平指数分析,验证风险分级评分结果的可靠性,判断风险分级评分结果的准确性是否超过预设的阈值,预设阈值为经过综合计算得出的。
步骤S105:当风险分级评分结果的准确性超过预设阈值,则根据风险分级评分结果完成填埋场污染风险分级。
当风险分级评分结果的准确性超过预设阈值,说明风险分级评分结果准确,可靠性满足条件,则可根据风险分级评分结果完成填埋场污染分级。
对于步骤S101来说,优选地,获取填埋场的多项污染风险分级指标的基础数据,之前还包括:建立风险分级指标评价体系,建立风险分级指标评价体系的方法包括:获取填埋场污染的影响因子参数,影响因子参数包括:填埋场自身属性参数;填埋场场地地层防污性能参数;污染物从填埋场到达含水层的风险参数;污染物进入含水层后经迁移扩散到饮用水源地的风险参数;根据影响因子参数构建风险分级指标评价体系。
为实现对填埋场进行污染风险分级的目的,本发明实施例首先基于对风险全过程控制的思想,建立了综合考虑填埋场自身属性、污染场地水文地质条件以及污染受体等因素的风险分级指标评价体系,并采用多准则决策分析模型(MCDA模型)对填埋场污染风险进行分级研究,同时,根据风险分级指标评价体系及风险分级指标的相关性,分析所建立的风险分级指标评价体系在数据获取方面的难易性,通过MCDA模型中权重敏感性分析解决风险分级指标权重赋值带来的不确定性问题,并最终通过距平指数分析验证分级结果的准确性,实现对填埋场污染风险分级。
其中风险分级指标评价体系的建立是在满足指标的科学性、独立性、简明性和可操作性的基本原则上,需考虑污染源-路径-受体的风险全过程控制,选择危险废物填埋场自身属性、填埋场场地地层防污性能以及饮用水源地等目标受填埋场影响的主要影响因子,获取填埋场污染的影响因子参数,构建填埋场污染风险分级指标评价体系,初步确定填埋场污染风险分级指标评价体系如下:
1)污染源,填埋场自身属性参数和填埋场场地地层防污性能参数,包括填埋量、占地面积、使用年限、渗滤液量、HDPE(防渗膜)厚度、粘土层厚度;
2)路径,污染物从填埋场到达含水层的风险参数,即由污染物从填埋场到达主体(地下水)的风险参数,包括地下水埋深、净补给量、地形坡度、包气带厚度、包气带渗透系数;
3)受体(饮用水源),污染物进入含水层后经迁移扩散到饮用水源地的风险参数,包括含水层厚度、含水层渗透系数、饮用水源地距离填埋场的距离。
基于风险分级指标评价体系,对于步骤S101来说,优选地,根据风险分级指标的基础数据和风险分级指标评价体系计算风险分级指标之间的相关性,进一步包括:计算风险分级指标评价体系中风险分级指标的基础数据的协方差及标准差;采用如下公式进行相关性分析:
r=cov(X,Y)/σXσY(1)
其中,r表示两个风险分级指标的之间的相关系数;cov(X,Y)为协方差,标识两个指标间的协同性强弱程度;σX,σY为标准差,表示两个指标数据波动性大小。
根据填埋场污染风险分级指标的基础数据,计算风险分级指标评价体系中各指标的协方差及标准差,并对风险分级指标进行两两比较,由上述系数公式得出每两个指标之间的相关系数,从而根据相关系数得出指标之间的相关性,当r大于0时两个变量呈正相关;r小于0时两个变量呈负相关。r的绝对值在1与-1之间。r的绝对值越接近1,两个变量线性相关性越强;r的绝对值接近于0时表明两个变量几乎不存在线性相关关系,通常r绝对值大于0.75时就认为两个变量有很强的线性相关关系。
根据风险分级指标之间相关性,确保每个风险分级指标的独立性后,对每个风险分级指标进行权重赋值,确定指标的权重值,对于步骤S102来说,优选地,确定风险分级指标的权重值,对风险分级指标的权重值进行敏感性分析,进一步包括:利用多准则决策分析模型中的层次分析法对风险分级指标进行权重赋值;调用多准则决策分析模型中的权重敏感性分析模块,,以便所述权重敏感性分析模块对风险分级指标的权重值进行敏感性分析,敏感性分析包括:改变权重值系数,进行风险分级指标权重赋值准确性判断,以降低风险分级指标权重赋值的不确定性。其中,风险分级指标的权重赋值所利用的是层次分析法,步骤包括:
建立递阶层次结构模型:这些层次分为三类,最高层(目的层),中间层(准则层),最底层(方案层),将决策的目的、考虑的因素(决策准则)和决策对象按它们之间的相互关系分为最高层、中间层和最底层,相邻的两层之间,相对高层为目标层,低层为因素层,每一层中包含多个影响因素;
构造判断矩阵:根据建立的递阶层次结构模型构造判断矩阵,任取同一层次上两个影响因素对上一层次的相应影响因素的相对重要性进行比较,采用1-9标度法来量化比较的结果,利用量化比较的结果构造判断矩阵;
层次单排序的一致性校验:层次单排序是指计算对于上一层某影响因素而言该层次与之有联系的所有影响因素的权重值,通过检验层次单排序的一致性来判断其权重值是否合理,即分别计算决策层不同评价因子的权重值以及判断矩阵的最大特征值λmax、一致性指标CI和平均一致性指标RI,最后求出随机一次性比值CR,具体计算过程可以通过Matlab编程实现。一般认为CR≤0.1时判断矩阵具有满意一致性;若CR>0.1,则表明判断矩阵的一次性偏差较大,说明需要对其重新调整,直至满足CR≤0.1为止。
层次总排序的一致性检验:层次总排序是指计算同一层次上的所有影响因素对于总目标而言相对重要性的权重值。
风险分级指标权重赋值完成后,采用改变权重系数进行权重敏感性分析,以减少指标权重赋值的不确定性问题。为了体现敏感性分析的客观性,把所有指标的权重均在层次分析的结果的基础上按步长增加0.1,观察指标权重的改变。
对于步骤S103来说,优选地,计算填埋场污染的风险值,还包括:调用多准则决策分析模型中的多属性效用理论模块,以便所述多属性效用理论模块进行实现填埋场污染风险分级。
将所得风险分级指标权重输入到MCDA模型中的多属性效用理论模块(MAUT模块)中,多属性效用理论模块根据风险分级指标的权重值和风险分级指标的基础数据进行归一化处理后输入MCDA模型中作风险分数计算,得到综合风险评分进行风险分级评分。
另外,本发明实施例步骤S104中,优选地,判断风险分级评分结果的准确性是否超过预设阈值,进一步包括:根据特征污染物的选取原则,筛选出填埋场中特征污染物;实测填埋场中的特征污染物浓度,将特征污染物的浓度与风险分级评分结果作距平指数分析,验证风险分级评分结果的准确性,判断风险分级评分结果的准确性是否超过预设阈值。
在本发明实施例中,根据特征污染物的选取原则,筛选出特征污染物,其在填埋场污染受体中浓度与实际污染风险之间具有一定的相关性。利用实测填埋场中特征污染物的实测浓度与风险分级评分结果作距平指数分析,验证风险分级结果的可靠性。
下面通过具体应用实例对本发明实施例作进一步的详细介绍,下述应用实例只是本发明实施例中应用实例的一种,并不是本发明实施例的全部应用实例。具体应用实例如下:
本发明实施例的应用实例提供的是我国37个危险废物填埋场地下水污染风险分级,本发明应用实例的风险分级指标评价体系的建立,是根据指标建立原则,基于风险全过程控制的思想,并结合我国危险废物填埋场的自身特点,建立风险分级指标评价体系,参见图2-3,图2为本发明实施例中应用实例中填埋场污染风险分级方法流程图,图3为本发明实施例中应用实例中填埋场污染风险分级指标评价体系图。
在本发明实施例的应用实例中,根据37个危险废物填埋场地下水污染风险分级指标的基础数据,计算风险分级指标评价体系中各风险分级指标的协方差及标准差,并对14项指标进行两两比较,由相关系数公式得出每个指标之间的相关系数,从而根据相关系数得出14项指标之间的相关性,结果如表1所示。
表137个危险废物填埋场14项指标之间的相关系数(绝对值)
指标 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 |
1 | 1 | |||||||||||||
2 | 0.25 | 1 | ||||||||||||
3 | 0.00 | 0.20 | 1 | |||||||||||
4 | 0.06 | 0.18 | 0.08 | 1 | ||||||||||
5 | 0.07 | 0.11 | 0.24 | 0.13 | 1 | |||||||||
6 | 0.13 | 0.17 | 0.27 | 0.05 | 0.03 | 1 | ||||||||
7 | 0.10 | 0.01 | 0.06 | 0.35 | 0.14 | 0.26 | 1 | |||||||
8 | 0.13 | 0.18 | 0.04 | 0.07 | 0.08 | 0.13 | 0.01 | 1 | ||||||
9 | 0.26 | 0.16 | 0.01 | 0.02 | 0.15 | 0.31 | 0.04 | 0.13 | 1 | |||||
10 | 0.10 | 0.27 | 0.09 | 0.03 | 0.01 | 0.20 | 0.01 | 0.05 | 0.59 | 1 | ||||
11 | 0.30 | 0.07 | 0.00 | 0.08 | 0.19 | 0.16 | 0.19 | 0.13 | 0.13 | 0.12 | 1 | |||
12 | 0.10 | 0.17 | 0.27 | 0.01 | 0.07 | 0.26 | 0.08 | 0.05 | 0.09 | 0.10 | 0.06 | 1 | ||
13 | 0.24 | 0.29 | 0.08 | 0.19 | 0.11 | 0.05 | 0.16 | 0.04 | 0.28 | 0.22 | 0.37 | 0.14 | 1 | |
14 | 0.07 | 0.32 | 0.20 | 0.13 | 0.06 | 0.18 | 0.04 | 0.02 | 0.16 | 0.00 | 0.09 | 0.06 | 0.16 | 1 |
根据风险分级指标之间相关性,确保每个风险分级指标的独立性后,对每个风险分级指标进行权重赋值,确定指标的权重值。
在本发明实施例应用实例中,风险分级指标权重的确定是利用MCDA模型中的层次分析模块建立递阶层次结构模型及进行判断矩阵的构造,并最终确定指标权重的大小。
填埋场污染风险分级指标权重赋值步骤如下:
第一步:建立层次结构模型
根据填埋场污染风险分级指标评价体系,建立层次结构模型,见表1-1。
第二步:按照两两比较法分别确定目标层A与准则层C之间的判断矩阵,以及准则层C相对于准则层W之间的判断矩阵,见表1-2~表1-5。
表1-1危险废物填埋场地下水污染风险分级指标递阶层次结构
表1-2A~C判断矩阵
表1-3C1~W判断矩阵
表1-4C2~W判断矩阵
表1-5C3~W判断矩阵
第三步:计算A~C和C~W判断矩阵的最大特征值及其对应的特征向量:
A~C判断矩阵的最大特征值:λmax=3,
特征向量:W=(0.333,0.333,0.334)T
一致性检验:CR=CI/RI=0/0.58=0<0.1
C1~W判断矩阵的最大特征值λmax=6.009,
特征向量:W=(0.039,0.079,0.118,0.195,0.300,0.269)T
一致性检验:CR=CI/RI=0.009/1.24=0.007<0.1
C2~W判断矩阵的最大特征值λmax=5.006,
特征向量:W=(0.341,0.071,0.072,0.175,0.341)T
一致性检验:CR=CI/RI=0.006/1.12=0.005<0.1
C3~W判断矩阵的最大特征值λmax=3.001,
特征向量:W=(0.319,0.615,0.066)T
一致性检验:CR=CI/RI=0.001/0.58=0.002<0.1
第四步:层次总排序计算,危险废物填埋场地下水污染风险分级指标权重计算结果见表1-6。
表1-6危险废物填埋场地下水污染风险分级指标权重计算结果
14项指标权重计算结果见表2。
表2我国37个危险废物填埋场地下水污染风险评估14项指标权重
注:指标“填埋量”以数字1简化,其他13项指标依此对应于表格中的阿拉伯数字,且上下文中的14项指标皆以此简化。
风险分级指标权重赋值完成后,采用改变权重系数进行权重敏感性分析,以减少指标权重赋值的不确定性问题。
在本发明实施例应用实例中,权重敏感性分析是利用MCDA模型权重敏感性分析模块对14项指标进行权重敏感性分析。由于指标“含水层渗透系数”在14项指标权重中所占比重最大,则随其权重的改变,其他指标权重的改变应比较明显,较易与层次分析法所得指标权重(见表2)形成对比。因此,以“含水层渗透系数”为代表指标,在MCDA模型中其按步长0.1增加权重,由MCDA模型计算其余指标随其权重改变的变化结果如表3所示。
表3MCDA模型中37个危险废物填埋场地下水污染风险分级指标权重的变化
指标 | 权重 | 指标 | 权重 |
1 | 0.0997 | 8 | 0.0787 |
2 | 0.0114 | 9 | 0.0210 |
3 | 0.0227 | 10 | 0.0210 |
4 | 0.0341 | 11 | 0.0507 |
5 | 0.0874 | 12 | 0.0997 |
6 | 0.0568 | 13 | 0.0927 |
7 | 0.0191 | 14 | 0.3050 |
根据表2与表3的结果进行比较,14项指标权重值在37个危险废物填埋场地下水污染风险分级重要性上并没有发生改变,与模型中层次分析法所得指标权重值比重一致,验证指标权重赋值的准确性,从而降低由于权重赋值不准确带来的风险分级结果的不确定性问题。
在本发明实施例应用实例中,在MCDA模型中利用MAUT模块,将参数值归一化到一个常规数值范围内,然后通过聚合功能进行整合。最后计算得到37个危险废物填埋场地下水污染风险分值,结果如图4所示,图4为本发明实施例应用实例中应用MCDA模型所得填埋场污染风险值图。利用MCDA模型中的多属性效用理论模块(MAUT模块)将37个危险废物填埋场地下水污染风险评分数值进行分级。
在本发明实施例应用实例中,根据特征污染物的选取原则,筛选出特征污染物,其在填埋场地下水中浓度与实际污染风险之间具有一定的相关性。利用实测我国37个危险废物填埋场地下水中特征污染物的实测浓度与风险分级评分结果作距平指数分析,验证风险分级结果的可靠性。如图5所示,图5为本发明实施例应用实例中填埋场污染风险分级评分与地下水中特征污染物的监测值的距平指数分析图,本应用实例中选取的是地下水中特征污染物为铬,图5中显示的是实测的37个危险废物填埋场地下水中铬的ρ(Cr)监测值与风险分级评分结果作距平指数分析图,从图中我们可以看出,ρ(Cr)监测值随着风险分级评分结果的增加而变大,风险分级评分结果准确。
实施例二
图6为本发明实施例填埋场污染风险分级的装置结构示意图,如图6所示:
相应地,本发明实施例还提供一种填埋场污染风险分级的装置,包括:
获取模块1,用于获取填埋场的多项污染风险分级指标的基础数据,根据风险分级指标的基础数据和风险分级指标评价体系计算风险分级指标之间的相关性,以确保指标之间的独立性;
确定模块2,用于确定风险分级指标的权重值,对风险分级指标的权重值进行敏感性分析,以确保风险分级指标的权重值准确;
输入模块3,用于将风险分级指标的权重值输入到多准则决策分析模型中,计算填埋场污染的风险值,从而进行填埋场污染的风险分级评分;
判断模块4,用于应用填埋场特征污染物的实测指标与风险分级评分结果作距平指数分析,判断风险分级评分结果的准确性是否超过预设阈值;
分级模块5,用于当风险分级评分结果的准确性超过预设阈值,则根据风险分级评分结果完成填埋场污染风险分级。
优选地,获取模块1,还用于:
建立风险分级指标评价体系,建立风险分级指标评价体系的装置包括:
获取填埋场污染的影响因子参数,影响因子参数包括:填埋场自身属性参数;填埋场场地地层防污性能参数;污染物从填埋场到达含水层的风险参数;污染物进入含水层后经迁移扩散到饮用水源地的风险参数;
根据影响因子参数构建风险分级指标评价体系。
优选地,获取模块1,进一步用于:
计算风险分级指标评价体系中风险分级指标的基础数据的协方差及标准差;
采用如下公式进行相关性分析:
r=cov(X,Y)/σXσY(1)
其中,r表示两个风险分级指标的之间的相关系数;cov(X,Y)为协方差,标识两个指标间的协同性强弱程度;σX,σY为标准差,表示两个指标数据波动性大小。
优选地,确定模块2,进一步用于:
利用多准则决策分析模型中的层次分析法对风险分级指标进行权重赋值;
调用多准则决策分析模型中的权重敏感性分析模块,以便所述权重敏感性分析模块对风险分级指标的权重值进行敏感性分析,敏感性分析包括:改变权重值系数,进行风险分级指标权重赋值准确性判断,以降低风险分级指标权重赋值的不确定性。
优选地,输入模块3,还用于:调用多准则决策分析模型中的多属性效用理论模块,以便多属性效用理论模块进行填埋场污染风险分级。
另外,优选地,判断模块4,进一步用于:
根据特征污染物的选取原则,筛选出填埋场中特征污染物;
实测填埋场中的特征污染物浓度,将特征污染物的浓度与风险分级评分结果作距平指数分析,验证风险分级评分结果的准确性,判断风险分级评分结果的准确性是否超过预设阈值。
图6所示装置可以执行图1所示实施例的方法,实现原理和技术效果参考图1以及图6所示实施例,不再赘述。
综上所述,根据本发明实施例提供的填埋场污染风险分级方法,获取的风险分级指标多、风险分级指标间独立性强以及权重赋值具有科学性,可以快速、准确的对危险废物填埋场地下水污染风险进行分级评价,风险分级结果更加科学、准确且可操作性强。
以上所描述的装置实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机装置(可以是个人计算机,服务器,或者网络装置等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (12)
1.一种填埋场污染风险分级的方法,其特征在于,包括:
获取填埋场的多项污染风险分级指标的基础数据,根据所述风险分级指标的基础数据和风险分级指标评价体系计算所述风险分级指标之间的相关性,以确保指标之间的独立性;
确定所述风险分级指标的权重值,对所述风险分级指标的权重值进行敏感性分析,以确保所述风险分级指标的权重值准确;
将所述风险分级指标的权重值输入到多准则决策分析模型中,计算填埋场污染的风险值,从而进行填埋场污染的风险分级评分;
应用填埋场特征污染物的实测指标与风险分级评分结果作距平指数分析,判断所述风险分级评分结果的准确性是否超过预设阈值;
当所述风险分级评分结果的准确性超过预设阈值,则根据所述风险分级评分结果完成填埋场污染风险分级。
2.如权利要求1所述的方法,其特征在于,获取填埋场的多项污染风险分级指标的基础数据,之前还包括:
建立风险分级指标评价体系,建立所述风险分级指标评价体系的方法包括:
获取填埋场污染的影响因子参数,所述影响因子参数包括:填埋场自身属性参数;填埋场场地地层防污性能参数;污染物从填埋场到达含水层的风险参数;污染物进入含水层后经迁移扩散到饮用水源地的风险参数;
根据所述影响因子参数构建所述风险分级指标评价体系。
3.如权利要求1所述的方法,其特征在于,根据所述风险分级指标的基础数据和风险分级指标评价体系计算风险分级指标之间的相关性,进一步包括:
计算所述风险分级指标评价体系中所述风险分级指标的基础数据的协方差及标准差;
采用如下公式进行所述相关性分析:
r=cov(X,Y)/σXσY(1)
其中,r表示两个所述风险分级指标的之间的相关系数;cov(X,Y)为协方差,标识两个指标间的协同性强弱程度;σX,σY为标准差,表示两个指标数据波动性大小。
4.如权利要求1所述的方法,其特征在于,确定所述风险分级指标的权重值,对所述风险分级指标的权重值进行敏感性分析,进一步包括:
利用多准则决策分析模型中的层次分析法对所述风险分级指标进行权重赋值;
调用多准则决策分析模型中的权重敏感性分析模块,以便所述权重敏感性分析模块对风险分级指标的权重值进行敏感性分析,所述敏感性分析包括:改变权重值系数,进行所述风险分级指标权重赋值准确性判断,以降低所述风险分级指标权重赋值的不确定性。
5.如权利要求1所述的方法,其特征在于,计算填埋场污染的风险值,还包括:调用多准则决策分析模型中的多属性效用理论模块,以便所述多属性效用理论模块进行填埋场污染风险分级。
6.如权利要求1所述的方法,其特征在于,判断所述风险分级评分结果的准确性是否超过预设阈值,进一步包括:
根据特征污染物的选取原则,筛选出填埋场中特征污染物;
实测填埋场中的特征污染物浓度,将所述特征污染物的浓度与所述风险分级评分结果作距平指数分析,验证风险分级评分结果的准确性,判断所述风险分级评分结果的准确性是否超过预设阈值。
7.一种填埋场污染风险分级的装置,其特征在于,包括:
获取模块,用于获取填埋场的多项污染风险分级指标的基础数据,根据所述风险分级指标的基础数据和风险分级指标评价体系计算所述风险分级指标之间的相关性,以确保指标之间的独立性;
确定模块,用于确定所述风险分级指标的权重值,对所述风险分级指标的权重值进行敏感性分析,以确保所述风险分级指标的权重值准确;
输入模块,用于将所述风险分级指标的权重值输入到多准则决策分析模型中,计算填埋场污染的风险值,从而进行填埋场污染的风险分级评分;
判断模块,用于应用填埋场污染的特征污染物的实测指标与风险分级评分结果作距平指数分析,判断所述风险分级评分结果的准确性是否超过预设阈值;
分级模块,用于当所述风险分级评分结果的准确性超过预设阈值,则根据所述风险分级评分结果完成填埋场污染风险分级。
8.如权利要求7所述的装置,其特征在于,所述获取模块,还用于:
建立风险分级指标评价体系,建立所述风险分级指标评价体系的装置包括:
获取填埋场污染的影响因子参数,所述影响因子参数包括:填埋场自身属性参数;填埋场场地地层防污性能参数;污染物从填埋场到达含水层的风险参数;污染物进入含水层后经迁移扩散到饮用水源地的风险参数;
根据所述影响因子参数构建所述风险分级指标评价体系。
9.如权利要求7所述的装置,其特征在于,所述获取模块,进一步用于:
计算所述风险分级指标评价体系中所述风险分级指标的基础数据的协方差及标准差;
采用如下公式进行所述相关性分析:
r=cov(X,Y)/σXσY(1)
其中,r表示两个所述风险分级指标的之间的相关系数;cov(X,Y)为协方差,标识两个指标间的协同性强弱程度;σX,σY为标准差,表示两个指标数据波动性大小。
10.如权利要求7所述的装置,其特征在于,所述确定模块,进一步用于:
利用多准则决策分析模型中的层次分析法对所述风险分级指标进行权重赋值;
调用多准则决策分析模型中的权重敏感性分析模块,以便所述权重敏感性分析模块对风险分级指标的权重值进行敏感性分析,所述敏感性分析包括:改变权重值系数,进行所述风险分级指标权重赋值准确性判断,以降低所述风险分级指标权重赋值的不确定性。
11.如权利要求7所述的装置,其特征在于,所述输入模块,还用于:调用多准则决策分析模型中的多属性效用理论模块,以便所述多属性效用理论模块进行填埋场污染风险分级。
12.如权利要求7所述的装置,其特征在于,所述判断模块,进一步用于:
根据特征污染物的选取原则,筛选出填埋场中特征污染物;
实测填埋场中的特征污染物浓度,将所述特征污染物的浓度与所述风险分级评分结果作距平指数分析,验证风险分级评分结果的准确性,判断所述风险分级评分结果的准确性是否超过预设阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510994240.2A CN105550817A (zh) | 2015-12-25 | 2015-12-25 | 一种填埋场污染风险分级的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510994240.2A CN105550817A (zh) | 2015-12-25 | 2015-12-25 | 一种填埋场污染风险分级的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105550817A true CN105550817A (zh) | 2016-05-04 |
Family
ID=55829997
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510994240.2A Pending CN105550817A (zh) | 2015-12-25 | 2015-12-25 | 一种填埋场污染风险分级的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105550817A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105956783A (zh) * | 2016-05-15 | 2016-09-21 | 国家电网公司 | 一种输电线路风险评估方法 |
CN106694506A (zh) * | 2017-01-06 | 2017-05-24 | 西安思源学院 | 基于bim模型的垃圾填埋场运营风险监控系统及方法 |
CN106896204A (zh) * | 2017-04-24 | 2017-06-27 | 中国地质环境监测院 | 一种判断地下水污染监测井有效性的方法 |
CN107761693A (zh) * | 2017-09-27 | 2018-03-06 | 上海岩土工程勘察设计研究院有限公司 | 一种地下水污染迁移评估方法 |
CN110009226A (zh) * | 2019-04-03 | 2019-07-12 | 中国科学院地理科学与资源研究所 | 一种场地污染风险等级评测及敏感受体影响识别系统 |
CN111680881A (zh) * | 2020-05-14 | 2020-09-18 | 中国环境科学研究院 | 危险废物填埋场整体性能评估及寿命预测方法及系统 |
CN113705941A (zh) * | 2020-05-22 | 2021-11-26 | 中国科学院地理科学与资源研究所 | 一种县域尺度高风险污染地块快速筛查方法 |
CN117131444A (zh) * | 2023-10-25 | 2023-11-28 | 南京海关工业产品检测中心 | 一种基于深度学习的固废风险自动识别方法和系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102799949A (zh) * | 2012-06-25 | 2012-11-28 | 中国环境科学研究院 | 垃圾填埋场污染地下水风险评估方法和系统 |
CN105023067A (zh) * | 2015-08-04 | 2015-11-04 | 环境保护部南京环境科学研究所 | 基于层次分析法-模糊综合评价的化工项目环境风险评价体系 |
CN105184095A (zh) * | 2015-09-24 | 2015-12-23 | 中国环境科学研究院 | 一种地下水污染源强评价方法 |
-
2015
- 2015-12-25 CN CN201510994240.2A patent/CN105550817A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102799949A (zh) * | 2012-06-25 | 2012-11-28 | 中国环境科学研究院 | 垃圾填埋场污染地下水风险评估方法和系统 |
CN105023067A (zh) * | 2015-08-04 | 2015-11-04 | 环境保护部南京环境科学研究所 | 基于层次分析法-模糊综合评价的化工项目环境风险评价体系 |
CN105184095A (zh) * | 2015-09-24 | 2015-12-23 | 中国环境科学研究院 | 一种地下水污染源强评价方法 |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105956783A (zh) * | 2016-05-15 | 2016-09-21 | 国家电网公司 | 一种输电线路风险评估方法 |
CN105956783B (zh) * | 2016-05-15 | 2020-12-04 | 国家电网公司 | 一种输电线路风险评估方法 |
CN106694506A (zh) * | 2017-01-06 | 2017-05-24 | 西安思源学院 | 基于bim模型的垃圾填埋场运营风险监控系统及方法 |
CN106694506B (zh) * | 2017-01-06 | 2023-11-14 | 西安思源学院 | 基于bim模型的垃圾填埋场运营风险监控系统及方法 |
CN106896204A (zh) * | 2017-04-24 | 2017-06-27 | 中国地质环境监测院 | 一种判断地下水污染监测井有效性的方法 |
CN106896204B (zh) * | 2017-04-24 | 2019-07-30 | 中国地质环境监测院 | 一种判断地下水污染监测井有效性的方法 |
CN107761693B (zh) * | 2017-09-27 | 2019-08-09 | 上海勘察设计研究院(集团)有限公司 | 一种地下水污染迁移评估方法 |
CN107761693A (zh) * | 2017-09-27 | 2018-03-06 | 上海岩土工程勘察设计研究院有限公司 | 一种地下水污染迁移评估方法 |
CN110009226A (zh) * | 2019-04-03 | 2019-07-12 | 中国科学院地理科学与资源研究所 | 一种场地污染风险等级评测及敏感受体影响识别系统 |
CN110009226B (zh) * | 2019-04-03 | 2021-06-01 | 中国科学院地理科学与资源研究所 | 一种场地污染风险等级评测及敏感受体影响识别系统 |
CN111680881A (zh) * | 2020-05-14 | 2020-09-18 | 中国环境科学研究院 | 危险废物填埋场整体性能评估及寿命预测方法及系统 |
CN111680881B (zh) * | 2020-05-14 | 2023-06-20 | 中国环境科学研究院 | 危险废物填埋场整体性能评估及寿命预测方法及系统 |
CN113705941A (zh) * | 2020-05-22 | 2021-11-26 | 中国科学院地理科学与资源研究所 | 一种县域尺度高风险污染地块快速筛查方法 |
CN117131444A (zh) * | 2023-10-25 | 2023-11-28 | 南京海关工业产品检测中心 | 一种基于深度学习的固废风险自动识别方法和系统 |
CN117131444B (zh) * | 2023-10-25 | 2023-12-22 | 南京海关工业产品检测中心 | 一种基于深度学习的固废风险自动识别方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105550817A (zh) | 一种填埋场污染风险分级的方法及装置 | |
Fan et al. | A hybrid fuzzy evaluation method for curtain grouting efficiency assessment based on an AHP method extended by D numbers | |
Daly et al. | A scour depth approach for deriving erodibility parameters from jet erosion tests | |
Thompson et al. | Event-based total suspended sediment particle size distribution model | |
Yu et al. | Quantitative assessment of groundwater vulnerability using index system and transport simulation, Huangshuihe catchment, China | |
CN106021898A (zh) | 一种地下水污染源强分级评价方法 | |
Gholami et al. | A methodological approach of predicting threshold channel bank profile by multi-objective evolutionary optimization of ANFIS | |
Al-Qinna et al. | Predicting soil bulk density using advanced pedotransfer functions in an arid environment | |
Zhang et al. | Risk-based estimate for operational safety in complex projects under uncertainty | |
CN105184095A (zh) | 一种地下水污染源强评价方法 | |
Bourennane et al. | Uncertainty assessment of soil water content spatial patterns using geostatistical simulations: an empirical comparison of a simulation accounting for single attribute and a simulation accounting for secondary information | |
Kavurmacı et al. | Evaluation of irrigation water quality by data envelopment analysis and analytic hierarchy process-based water quality indices: The case of Aksaray City, Turkey | |
Li et al. | Quantitative assessment of groundwater pollution intensity on typical contaminated sites in China using grey relational analysis and numerical simulation | |
Kolay et al. | Estimating of the dry unit weight of compacted soils using general linear model and multi-layer perceptron neural networks | |
Elçi | Calibration of groundwater vulnerability mapping using the generalized reduced gradient method | |
CN111612360B (zh) | 一种地下水潜在污染风险源识别方法 | |
CN114662844A (zh) | 一种基于污染过程的场地地下水污染风险评价方法 | |
Yang et al. | Uncertainty assessment of heavy metal soil contamination mapping using spatiotemporal sequential indicator simulation with multi-temporal sampling points | |
Zuo et al. | Distribution, genesis, and pollution risk of ammonium nitrogen in groundwater in an arid loess plain, northwestern China | |
CN115660407A (zh) | 污染场地风险等级预测模型的训练方法和训练装置 | |
Lemay et al. | Can the Morphological Quality Index (MQI) be used to determine the ecological status of lowland rivers? | |
Meyzonnat et al. | The potential of major ion chemistry to assess groundwater vulnerability of a regional aquifer in southern Quebec (Canada) | |
Nourani et al. | A fuzzy logic-based approach for groundwater vulnerability assessment | |
Li et al. | Development of relative risk model for regional groundwater risk assessment: a case study in the lower Liaohe river plain, China | |
CN116823011A (zh) | 一种废弃硫铁矿区环境风险分级评价方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160504 |