Nu Surficial Environment & Hydrological Geochemistry Laboratory

这是描述信息

【JH, 2026】任杰:机器学习优化的模糊综合评价框架解析城市河流水化学演化

访问量:

发布时间:2026-08-17

 

 特大城市群中的城市河流兼具区域供水、防洪排涝和生态维持等多重功能,是保障区域生态安全的重要生态屏障。随着城市化进程的加快,水库调蓄、再生水补给以及城市与农业复合输入等人为活动不断叠加于自然地球化学过程之上,使河流水化学演化机制日趋复杂,也为城市河流的精细化管理带来了严峻挑战。水质评价方法能够将多项监测指标转化为水质等级、风险信息与治理依据,是连接环境监测与管理决策的重要工具。然而,现有水质评价大多围绕具有明确标准限值的常规水质与污染指标展开,对具有水化学过程指示意义的主量离子关注相对不足。此外,在结果表征方面,传统方法往往侧重于达标与否的判定,或将多维信息压缩为单一综合分值,难以识别接近等级边界的渐进式变化,也可能掩盖评价结果相近但离子组成存在差异的样点信息。因此,亟需建立兼顾水化学过程解释、权重赋值合理性与临界状态识别能力的水质评价方法。

 

针对上述科学问题,中国地质大学(北京)科学研究院博士生任杰在导师韩贵琳教授的指导下,以京津冀地区潮白河流域为研究对象,对29份冬季枯水期河水样品开展水化学分析,综合运用水化学类型、离子比值和空间统计方法解析水化学演化过程。在层次分析法(AHP)主观赋权和熵权法客观赋权的基础上,进一步引入随机森林(RF)作为数据驱动权重,利用其刻画各指标与主导水化学梯度之间的非线性统计关联,形成融合主观、客观与数据驱动信息的综合权重,优化了模糊评价模型(FCE)的指标赋权,构建了一个基于机器学习增强的水质评价框架。主要认识如下:

 

  (1)潮白河水化学组成呈现明显的沿程演化特征,上游以Ca-HCO3和Ca-Na-HCO3型水为主,主要受碳酸盐岩风化和阳离子交换作用控制;中下游水化学类型逐渐向Na-HCO3型转变,并呈现Na-Cl-SO4富集特征,反映出城市与农业输入叠加影响的加剧。

 

(2)RF模型在赋权过程中表现出良好的稳定性(R2 = 0.749 ± 0.023)。在此基础上,融合AHP与熵权法构建混合赋权体系,综合识别出Na+、K+、Cl−和NO3−为综合权重较高的关键指标,有效优化了传统FCE中的指标赋权方式。

 

(3)基于最大隶属度原则的FCE评价结果显示,潮白河水体样品中Ⅰ级和Ⅱ级样品占比均为31%,Ⅲ级占21%,Ⅳ级占17%,总体来看83%的样品处于Ⅰ-Ⅲ级;但下游Ⅲ-Ⅳ级样品占比超过85%,表明枯水期水质总体处于良好至中等水平,但水质等级沿程升高。

 

(4)基于隶属度概率的分析结果表明,Ⅳ级和Ⅲ级的平均隶属度分别为0.44和0.28,揭示出部分样点已呈现向较高等级靠近的渐进趋势。其中,Cl−是驱动水质恶化的主导指标,NO3−次之。与熵权水质指数(EWQI)相比,改进后的FCE方法能够更有效地识别离子组成差异与临界状态变化。

  

  本研究将水化学过程解析与主观、客观和数据驱动赋权纳入统一的FCE框架,揭示了潮白河由上游自然风化控制向中下游人为盐分和营养盐输入影响增强的空间演化,并建立了一个基于水化学指标的水质评估框架,识别出影响水质的关键指标及水质变化的潜在趋势,为城市河流水质评价与精细化管理提供了方法参考。

 

 

 

图1  机器学习增强的模糊评价模型框架

 

 

 

图2 基于最大隶属度和隶属度概率原则的水质评价结果

 

 

 

图3 潮白河流域水化学演化及其主控因素沿程转变示意图

  

 

 


  

 

论文信息:Jie Ren, Guilin Han*, Xi Gao, Shitong Zhang, Qian Zhang. A machine-learning-enhanced fuzzy evaluation framework for hydrochemical evolution and ecohydrological attribution in a megacity river basin. Journal of Hydrology, 2026, 679, 136144.

文章链接:https://doi.org/10.1016/j.jhydrol.2026.136144

 

 

 

网站版权

发布时间:2020-02-13 00:00:00

地址:北京市海淀区学院路29号中国地质大学

电话:+86 10 82323536

邮编:100083

邮箱:sehgl_group@163.com