王婧炯 仇健
摘要:為保障水體治理效果的達(dá)標(biāo),多種治理技術(shù)不斷涌現(xiàn)。新型光催化技術(shù)對(duì)水體的治理具有明顯的作用。本文旨在運(yùn)用SPSS 軟件通過(guò)成對(duì)樣本t 檢驗(yàn)和線性回歸分析功能對(duì)深圳市辛養(yǎng)魚(yú)塘水體案例數(shù)據(jù)進(jìn)行分析,結(jié)果顯示,在治理后新型光催化技術(shù)對(duì)水質(zhì)產(chǎn)生了顯著的作用。另外,研究還分析了各個(gè)指標(biāo)之間的相關(guān)性。本研究為評(píng)估新型光催化技術(shù)的應(yīng)用效果提供了一種科學(xué)手段。
關(guān)鍵詞:新型光催化水體治理SPSS 軟件水環(huán)境
中圖分類號(hào):X51 文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):1674-098X(2021)11(b)-0022-03
水資源是人類最寶貴的自然財(cái)富之一,水體作為城市水資源、生態(tài)和景觀的核心組成部分,在城市社會(huì)經(jīng)濟(jì)建設(shè)中具有舉足輕重的作用[1]。為了發(fā)展社會(huì)經(jīng)濟(jì),人類不斷地利用水資源,但同時(shí)也帶來(lái)了嚴(yán)重的水環(huán)境問(wèn)題[2]。為解決水污染問(wèn)題,各類技術(shù)應(yīng)運(yùn)而生。新型光催化技術(shù)具有利用太陽(yáng)能驅(qū)動(dòng)、迅速改善水質(zhì)、施工維護(hù)簡(jiǎn)便、環(huán)境友好等特點(diǎn),在多個(gè)水體得到應(yīng)用,并取得良好效果[3-4]。由于新型光催化技術(shù)主要依靠太陽(yáng)光,是一種無(wú)需耗電耗能、無(wú)需二次污染、綠色環(huán)保的生態(tài)治理水環(huán)境的新技術(shù),有別于傳統(tǒng)的消毒、過(guò)濾,甚至是化學(xué)方法的凈化水質(zhì)技術(shù),對(duì)治理黑臭河道具有極大的作用[5]。本文基于深圳市辛養(yǎng)魚(yú)塘監(jiān)測(cè)數(shù)據(jù),使用SPSS統(tǒng)計(jì)學(xué)分析軟件對(duì)新型光催化技術(shù)的治理效果進(jìn)行分析,判斷水質(zhì)參數(shù)的數(shù)據(jù)走勢(shì),能從改造前后的數(shù)據(jù)變化中為新型光催化技術(shù)的使用提供理論依據(jù)。
1 理論框架
在統(tǒng)計(jì)學(xué)中,線性回歸是對(duì)一個(gè)或多個(gè)解釋變量、被解釋變量之間關(guān)系進(jìn)行建模分析的方法,此方法的主要目的是判斷諸多變量之間是否存在相關(guān)性,并通過(guò)構(gòu)建模型來(lái)預(yù)測(cè)感興趣的變量。在回歸分析期間,可按照相互之間的關(guān)系將其分為線性或非線性兩種[6]。
通過(guò)引入相關(guān)性檢驗(yàn)結(jié)果,能夠確定定量分析目標(biāo)[7]。為了能夠提高數(shù)據(jù)處理結(jié)果的精準(zhǔn)度,整個(gè)分析結(jié)果必須通過(guò)SPSS統(tǒng)計(jì)學(xué)分析軟件完成數(shù)據(jù)分析,因此在整個(gè)定量分析過(guò)程中可以引入多個(gè)自變量因素,進(jìn)一步提高數(shù)據(jù)處理的精準(zhǔn)度[8]。同時(shí),運(yùn)用相關(guān)系數(shù)的方法,分析各個(gè)指標(biāo)之間的相關(guān)性。
2 材料與方法
2.1 指標(biāo)選擇本研究基于2019—2020年廣東省深圳市寶安區(qū)沙井街道辛養(yǎng)社區(qū)辛養(yǎng)魚(yú)塘治理前后過(guò)程中定期取樣的水質(zhì)數(shù)據(jù),分析辛養(yǎng)魚(yú)塘運(yùn)用新型光催化技術(shù)治理前后的水質(zhì)差異,選取5個(gè)關(guān)鍵水質(zhì)指標(biāo)(Y~Y)作為因變量對(duì)新型光催化治水技術(shù)進(jìn)行綜合評(píng)估。
再加上4個(gè)自變量(X~X),這9個(gè)指標(biāo)更具典型性,能綜合、全面地反映水質(zhì),保證分析指標(biāo)和結(jié)果的客觀性和準(zhǔn)確性。浮床和水下森林示意圖如如1、圖2所示。其中,X~X與Y~Y具體內(nèi)涵如下。
X:水域面積,m。
X:催化網(wǎng)面積,m。
X:生態(tài)浮島植物蓋度,%。
X:水下森林覆蓋面積,m。
Y:DO治理前后差值,mg/L。
Y:NH3-N治理前后差值,mg/L。
Y:COD治理前后差值,mg/L。
Y:TP治理前后差值,mg/L。
Y:TN治理前后差值,mg/L。
2.2 數(shù)據(jù)來(lái)源
本研究選取了2019—2020年深圳寶安區(qū)的一個(gè)池塘,池塘外形為一個(gè)長(zhǎng)約70 m,寬約60 m的矩形,總面積約4200 ㎡,據(jù)現(xiàn)場(chǎng)勘察水深約1.5 m,底泥厚度約30 cm,呈黝黑色。將辛養(yǎng)魚(yú)塘治理前后檢測(cè)數(shù)據(jù)中的DO(Dissolved oxygen,溶解氧)、NH3-N(Ammonia,氨
氮)、COD(Chemical Oxygen Demand,化學(xué)需氧量)、TP(Total Phosphorus,總磷)、TN(Total Nitrogen,總氮)作為數(shù)據(jù)分析的對(duì)象。
3 結(jié)果分析與討論
3.1 成對(duì)樣本t 檢驗(yàn)
對(duì)于5項(xiàng)指標(biāo)數(shù)據(jù),假設(shè)治理前的數(shù)據(jù)為μ(i =DO、NH-N、COD、TP、TN),治理后的數(shù)據(jù)均值為μ(i = DO、NH-N、COD、TP、TN),且服從正態(tài)分布。原假設(shè)為該技術(shù)對(duì)河道的水質(zhì)改變不大,即μ- μ = 0。若使用新型光催化技術(shù)使得河道水質(zhì)發(fā)生變化,對(duì)于DO指標(biāo),有μ -μ< 0;對(duì)于其余指標(biāo)μ - μ> 0,故拒絕原假設(shè)。結(jié)果如表1所示,經(jīng)過(guò)計(jì)算,P 值屬于左側(cè)檢驗(yàn),計(jì)算結(jié)果均大于α,故拒絕原假設(shè)。由此可以得出,新型光催化技術(shù)對(duì)提高水體中DO,削減水中NH-N、COD、TP、TN等有機(jī)物具有顯著性的作用。
3.2 線性回歸分析
將新引入的4個(gè)自變量分別與因變量進(jìn)行線性回歸分析,并將數(shù)據(jù)和表達(dá)式總結(jié)如表2所示。通過(guò)線性回歸分析后發(fā)現(xiàn),線性回歸可粗略擬合各個(gè)水質(zhì)數(shù)據(jù)的變化趨勢(shì),應(yīng)選擇其他合適的模型進(jìn)行擬合操作。同時(shí)也反映出可能需加入更多項(xiàng)目進(jìn)行擬合,因此還需要做進(jìn)一步的研究。
3.3 皮爾遜相關(guān)性分析
將治理前后的DO、NH-N、COD、TP、TN這5項(xiàng)數(shù)據(jù)進(jìn)行對(duì)比并作差,觀察變化情況,并將其作為新的因變量進(jìn)行皮爾遜相關(guān)性分析。根據(jù)相關(guān)系數(shù)的正負(fù)、大小來(lái)判斷指標(biāo)之間的強(qiáng)弱關(guān)系,可以判斷出各個(gè)指標(biāo)之間的相關(guān)程度,如表3、表4所示。由相關(guān)性檢驗(yàn)得出:4個(gè)自變量對(duì)因變量DO治理前后差值呈正相關(guān),與因變量NH-N、COD、TP、TN治理前后差值呈負(fù)相關(guān),NH-N與TN這2個(gè)指標(biāo)具有強(qiáng)相關(guān)性。
4 結(jié)論與建議
本文基于深圳市辛養(yǎng)池塘使用新型光催化技術(shù)前后的水質(zhì)數(shù)據(jù),利用SPSS軟件成對(duì)樣本t 檢驗(yàn)、線性回歸、皮爾遜相關(guān)性分析3個(gè)功能進(jìn)行研究。t 檢驗(yàn)結(jié)果顯示,相關(guān)技術(shù)實(shí)施后,水體DO、NH-N、COD、TP、TN這5項(xiàng)指標(biāo)具有顯著改善。線性回歸可粗略擬合各個(gè)水質(zhì)數(shù)據(jù)的變化趨勢(shì),但未來(lái)應(yīng)選擇其他合適的模型進(jìn)行擬合操作。同時(shí),結(jié)果也反映出可能需加入更多項(xiàng)目進(jìn)行擬合來(lái)更好地反映實(shí)際情況,因此還需要進(jìn)一步深入研究。水域面積、催化網(wǎng)鋪設(shè)面積、生態(tài)浮島植物株數(shù)、水下森林面積這4個(gè)自變量對(duì)因變量DO治理前后差值呈正相關(guān),與因變量NH-N、COD、TP、TN治理前后差值呈負(fù)相關(guān),NH-N與TN這2個(gè)指標(biāo)具有強(qiáng)相關(guān)性。由于實(shí)驗(yàn)周期、所采集的數(shù)據(jù)量數(shù)量有限,下一步計(jì)劃采用其他更切合的模型進(jìn)行分析研究,并突出效果良好的時(shí)段數(shù)據(jù)進(jìn)行針對(duì)性分析。本項(xiàng)研究為確認(rèn)技術(shù)適用邊際條件、最大化發(fā)揮技術(shù)效能及推廣技術(shù)應(yīng)用提供了一種科學(xué)支撐。
參考文獻(xiàn)
[1] 梁金媚.城市河道生態(tài)治理與環(huán)境保護(hù)探索[J].資源節(jié)約與環(huán)保,2020(12):42-43.
[2] 楊章慶.城市景觀生態(tài)河道水污染總量控制系統(tǒng)設(shè)計(jì)研究[J].環(huán)境科學(xué)與管理,2021,46(4):164-169.
[3] 鄒勝男,嚴(yán)曉立,許亮,等.石墨烯光催化氧化技術(shù)在黑臭河道綜合整治中的應(yīng)用[J].環(huán)境保護(hù)與循環(huán)經(jīng)濟(jì),2018,38(6):24-26.
[4] 王雪松,李駿,張鴿.光催化技術(shù)治理城市黑臭河道成效研究[J].江蘇水利,2020(8):6-9,14.
[5] 秦曉振,許雯佳.石墨烯光催化技術(shù)在黑臭水體治理中的應(yīng)用——以江陰濱江路河為例[J].資源節(jié)約與環(huán)保,2019(9):106-108.
[6] 張如夢(mèng).基于多元線性回歸模型的股票收益影響因素的實(shí)證分析[J].科技資訊,2021,19(2):235-237.
[7] 何佳奇.基于ARIMA-SVM混合模型的城市宏觀交通狀態(tài)分析與預(yù)測(cè)[D].北京:北京交通大學(xué),2020.
[8] 王燕,郭元?jiǎng)P.改進(jìn)的XGBoost模型在股票預(yù)測(cè)中的應(yīng)用[J].計(jì)算機(jī)工程與應(yīng)用,2019,55(20):202-207.