湖泊水质评价是对湖泊水质优劣的定性和定量的评述,也是掌握湖泊水环境状况和进行水质管理的基础。自从20世纪60年代Jacobs提出水体质量评价的水质指数(WQI)概念和公式以来,国内外就不断有文献讨论水质评价的方法,但至今仍缺乏统一的、公认的评价模式[1]。环境污染及其程度的轻重属于模糊概念[2]。并且依据环境标准进行环境评价是一个典型的模糊模式识别问题[3]。模糊模式识别理论用于识别湖泊水质状况有三方面的优势使其更能反映湖泊水体的实际情况:采用相对隶属度函数来描述水质等级分界,实行隶属度择近原则,体现了实际水质状况对规定水质等级界限的模糊性,使识别结果更接近客观实际[4、5];建立的相对隶属函数模型,将各种不可比的湖泊水质指标数据映射成无量纲的相对隶属度,并加以权重,最后在模糊模式识别矩阵中确定相对于各水质等级的相对隶属度,以确定水环境的污染程度[6、7];识别指标权重的大小是根据实测值确定的,超标越多,权重越大;综合考虑了各项指标在总体污染中的作用差异,最终结果不仅能够反映出此水体的水质级别,还能反映出该水体对应于各水质等级的隶属情况[8]。因此本文采用模糊模式识别理论[9、10]中的模糊模式识别交叉迭代模型[11、12],以《地表水环境质量标准》(GB3838-2002)所规定的项目标准限值为依据,将湖泊水质优劣转化为定量的可比数据,用定量的结果划分等级,分析其受污染的程度。并以MATLAB7.0.1作为计算平台,实现对湖泊水质等级的模糊模式识别。利用该模型对乌梁素海不同时期的水质等级进行模糊模式识别,分析变化的趋势,并与实地监测数据对照分析,验证该识别模型的合理性和可靠性。1模糊模式识别交叉迭代模型1.1识别指标特征值与指标标准特征值设有对湖泊水质状况的模糊概念A(本文将其定义为“污染程度”)作识别的n个样本。这n个样本构成的集为X1,X2,…,Xn。每个样本由m个指标特征值描述,则这n个样本可用mn型的指标特征值矩阵X表示,即X=x11Ax1nMMxm1Axmn!""#$%%&mxn=(xij)(1)式中:xij为样本j的指标i的特征值,i=1,2,…,m;j=1,2,…,n。对n个样本按m个指标c个级别的指标标准特征值进行识别,则构成mc型的指标标准特征值矩阵Y,即Y=y11Ay1cMMym1Aymc!""#$%%&mxc=(yih)(2)式中:yih为指标i级别h的标准特征值,i=1,2,…,m;h=1,2,…,c。1.2指标的相对隶属函数根据文献[9]、[10]中对相对隶属度及相对隶属度函数的定义,相对隶属度函数通常分为指标递减型和指标递增型。根据指标标准值变化趋势选择相应的相对隶属度函数,计算各指标对模糊概念“污染程度”的相对隶属度:rij=0,xijyic或xijyicxij-yicyi1-yic,yi1>xij>yic或yi1yih>yic1,yih=yic)+*+,(4)式中:rij为采样点j的指标i对模糊概念“污染程度”的相对隶属度,0rij1,Sij为指标i的h级标准特征值对模糊概念“污染程度”的相对隶属度,0Sij1。得到指标特征值相对隶属度矩阵R=(rij),(i=1,2,…,m;j=1,2,…,n)和指标标准值相对隶属度矩阵S=(Sih),(i=1,2,…,m;h=1,2,…,c)。1.3初始权重的确定识别一个水体的水质优劣时,以权重来表示各识别指标在水体污染中所起作用的重要程度。通常采用实测指标超标率来确定权重,超标越多,权重越大。从而得到各识别指标的权重Wj=w1j,w2j,...,wmj,并且在合成之前归一化