我国工业污染物检测指标典型相关实证探究.docVIP

我国工业污染物检测指标典型相关实证探究摘要 我国工业污染物的检测指标主要分为大气污染、固体废弃物污染和水污染三大类。要对工业污染物进行综合控制,必须了解工业大气、固体废弃物、水污染等不同污染物之间的相关程度及全面污染的程度,但是现有的研究较少关注污染物之间的相关性,而是针对不同的污染物分别采取措施,难以实现高效的综合治理。本文对我国31个省、直辖市和自治区的工业污染物检测指标典型相关进行了实证研究,研究结果表明,我国工业大气污染与固体废弃物污染,工业大气污染与工业废水污染之间存在显著的典型相关关系,但在工业固体废物污染与工业废水污染之间,除了个别污染物之间具有较强相关性以外,整体的相关性并不显著。此结论对建立以工业大气污染为主的环境治理政策具有积极的指导作用。 关键词 环境污染检测指标;典型相关系数;典型变量;典型相关分析 中图分类号 F276 文献标识码 A 文章编号 1002-2104(2010)05-0164-05 doi:10.3969/j.issn.1002-2104.2010.05.027 我国工业污染物的检测指标主要分为大气污染,固体废弃物污染和水污染三大类。其中大气污染物包括SO?2、工业粉尘和烟尘;工业固体废弃物包括冶炼废渣、粉煤灰、炉渣、煤矸石、尾矿和其他固体废弃物;而水污染物则包括一般无机、有机污染物和有害重金属等,其中挥发酚、氰化物、化学需氧量、石油类废物和氨氮属于一般无机或有机污染物,而有害重金属则包括汞、镉、六价铬,铅等。要对工业污染物进行综合控制,应当了解工业大气、固体废弃物、水污染等不同污染物之间的相关程度及全面污染的程度,但是现有的实证研究主要是列出不同污染物的实际值[1-3],或者分析工业污染排放与经济增长或空间分布之间的关系等[4-6],并针对不同的污染物分别采取措施,很少关注污染物之间的相关性,难以实现高效的综合治理。本文选择典型相关分析方法,对我国各类工业污染物之间的相关性进行实证分析,这一研究对于我国建立以工业大气污染为主的环境治理政策具有积极的指导作用。 1 典型相关分析的基本原理和步骤 典型相关分析的目的是寻找一组指标的线性组合和另一组指标的线性组合,使两者之间的相关性达到最大(即两个典型变量的相关系数达到最大)。这两组指标往往是同一研究对象的两组不同指标,这两个典型变量称为第一对典型变量,它们之间的相关系数为第一个典型相关系数。同理,继续寻找第二对典型变量,使其和第一对典型变量互不相关,同时本身也具有最大的相关性。第二个典型相关系数不可能超过第一个典型相关系数,但由于两对典型变量不相关,因此,它们所提取的相关信息是不重复的。如此重复迭代寻找典型变量,直到两组指标之间的相关性被提取完毕为止。通过这种典型相关分析方法可将研究两组指标之间的相关关系转化为研究这些原始指标线性组合之间的相关关系,因此,减少了研究变量的个数,起到了“降维”和分离的作用。 典型相关分析的基本步骤有四个[9]: (1)设两组指标X=(X?1,X?2,L,X?p)′,Y=(Y?1,Y?2,L,Y?q)′,X??(1)?,X??(2)?,L,X??(n)?,Y??(1)?,Y??(2)?,L,Y??(n)?为样本。首先,对各单项指标作标准化变换。由于各指标的量纲不同,需要对各指标作标准化变换,即X*=D?-1??1(X-μ?1),Y*=D?-1??2(Y-μ?2)。其中:μ?1=EX,μ?2=EY,D?1=diag(σ??x?1?,Lσ??x?P?),D?2=diag(σ??Y?1?,Lσ??Y?2?)。标准化变换可以使典型相关分析能均等地对待每一个指标,同时标准化并不会改变变量之间的相关系数。 (2)计算相关系数矩阵R。将R剖分为R=R??11?R??21? R??12?R??22?,其中R??11?,R??22?为第一组指标和第二组指标各自的相关系数矩阵,R??12?为第一组指标和第二组指标的相关系数矩阵。 (3)求典型相关变量和典型相关系数。先求A=R?-1???11?R??12?R?-1???22?R??21?的特征根λ?i2,特征向量a?i,使之满足a′?iR??11?a?i=1;求B=R?-1???22?R??21?R?-1???11?R??12?的特征根λ?i2,特征向量b?i,满足b′?iR??22?b?i=1。由典型相关分析理论可知,矩阵A和B具有相同的非零特征根λ?i2,i=1,2,L m,其中m=rank(A)=rank(B)。由此可得m对典型变量U?1=a′?1X*,V?1=b′?1Y*,U?2=a′?2X*,V?2=b′?2Y*,L,U?m=a′?mX*,V?m=b′?mY*和相应的典型相关系数λ?1,λ?2,Lλ?m。 (4)