吕美婷 叶 春 李春华 王亚空 干 磊

(中国环境科学研究院湖泊工程技术中心，环境基准与风险评估国家重点实验室，北京 100012)

水质评价是水资源保护的重要基础性工作。目前，有关水质评价方法的研究很多，常见的有：单因子污染指数法[1]；综合污染指数法，如综合水质标识指数法、霍顿水质指数法[2]、布朗水质指数法[3]、内梅罗水污染指数法[4]等；模糊数学评价法，如模糊综合指数法[5]、模糊层次分析法[6-7]、模糊综合评价分级保证率法[8]等；灰色系统评价法[9]，如灰色聚类法[10]、区域灰色决策法等；人工神经网络评价法，如反向传播算法(BP)网络模型法[11-12]、Hopfield网络模型法[13-14]、径向基函数神经网络(RBFNNs)模型法[15]等。由于水文条件、气候因素等客观原因，以及监测资料不足、精度不够、研究人员认识限制等主观原因，给水质评价工作带来了困难。目前，有关水质评价不确定性的研究主要运用模糊数学、概率统计、灰色系统和未确知数学等方法[16-18]。贝叶斯水质模型是解决水质评价过程中不确定性问题的新思路[19-21]。它是以概率统计为基础，但又与传统统计学理论不同。贝叶斯水质模型将所有参数作为随机变量，先于观测信息确定先验分布[22-24]。模糊数学是利用隶属度思想，将定性描述转化为定量描述，更好地解决不确定性强、难以量化的问题。三角模糊数是适用于数据资料较少或不够精确的情况的模糊数学法[25-26]，被广泛应用于水环境健康、河流水质污染、水环境风险等评价研究中[27]。本研究将三角模糊数引入到传统的贝叶斯水质模型中，建立三角模糊数优化的贝叶斯水质模型，并将此方法应用于太湖竺山湾缓冲带湿地。……