[40]。NH3-N數(shù)據(jù)均值為0.4032mg/L，有50%的數(shù)值處于0.054mg/L-0.368mg/L；TN數(shù)據(jù)均值為6.06472mg/L，有50%的數(shù)值處于4.61mg/L-7.03mg/L；TP數(shù)據(jù)均值為0.28065mg/L，有50%的數(shù)值處于0.17mg/L-0.354mg/L；COD均值為30.8561mg/L，有50%的數(shù)值處于20.2mg/L-36.1mg/L。圖3.14種水質(zhì)指標(biāo)四分位圖3.5水質(zhì)機(jī)器學(xué)習(xí)預(yù)測模型3.5.1水質(zhì)指標(biāo)預(yù)測模型在本項(xiàng)研究中，基于XL小韋河重點(diǎn)監(jiān)測斷面XL斷面2023年全年的水質(zhì)在線監(jiān)測數(shù)據(jù)，運(yùn)用了三種集成機(jī)器學(xué)習(xí)算法（SVM、DT和RF）來構(gòu)建和訓(xùn)練水質(zhì)趨勢的預(yù)測模型。本研究的預(yù)測目標(biāo)為COD、NH3-N、TN和TP的定量值，通過監(jiān)督學(xué)習(xí)的方法進(jìn)行模型訓(xùn)練和參數(shù)優(yōu)化。在模型評估階段，采用了R2、RSME和MAE進(jìn)一步地，通過圖3.2直觀展示了SVM、DT和RF算法在2023年1月1日至2023年11月30日時(shí)間段內(nèi)對XL斷面水質(zhì)趨勢的預(yù)測結(jié)果。這些結(jié)果不僅揭示了不同算法在時(shí)間序列預(yù)測上的效能差異，而且為水質(zhì)管理和污染控制提供了數(shù)據(jù)支持和決策參考?？梢钥闯觯噍^于SVM和DT模型，RF模型對四個(gè)水質(zhì)指標(biāo)的預(yù)測趨勢線與在線監(jiān)測數(shù)據(jù)趨勢重合度最高。RF模型對COD、NH3-N、TN及TP預(yù)測時(shí)，真實(shí)值與預(yù)測值之間的R2分別為0.917、0.875、0.885和0.907，樣本標(biāo)準(zhǔn)差RMSE分別為4.644、0.246、1.152和0.048，平均絕對誤差MAE分別是2.842、0.135、0.687、0.033，各項(xiàng)評估參數(shù)均較好，可作為理想的水質(zhì)趨勢預(yù)測模型。為確證水質(zhì)預(yù)測模型的泛化性能及其對未來水質(zhì)變化的預(yù)測準(zhǔn)確性，本研究進(jìn)一步應(yīng)用經(jīng)過充分訓(xùn)練的模型對小韋河XL斷面在2023年12月1日至12月16日期間的水質(zhì)狀況進(jìn)行了預(yù)測。在實(shí)證分析中，RF模型的預(yù)測輸出與同期的實(shí)際在線監(jiān)測數(shù)據(jù)進(jìn)行了詳盡的比較與對照。通過此種對比分析，可以評估模型在獨(dú)立數(shù)據(jù)集上的表現(xiàn)，從而驗(yàn)證其在實(shí)際水環(huán)境監(jiān)測和預(yù)測中的適用性和有效性。如圖3.3XL斷面12月水質(zhì)趨勢預(yù)測所示，可以看出RF模型得到的COD、NH3-N、TN及TP的R2分別為0.942、0.766、0.701和0.771,RMSE分別為3.558、0.317、0.693、0.037，MAE分別為2.129、0.181、0.523、0.032，在所比較的三種模型中，依然展現(xiàn)出最佳的預(yù)測效能，其預(yù)測結(jié)果與實(shí)際水質(zhì)變化趨勢的一致性最為顯著，與在線監(jiān)測數(shù)據(jù)的吻合度亦達(dá)到了最高水平。RF模型不僅在量化預(yù)測精度上優(yōu)于其他兩種模型，而且在趨勢預(yù)測方面也表現(xiàn)出了較高的準(zhǔn)確度，這表明其在水質(zhì)趨勢預(yù)測方面具有較好的泛化能力和魯棒性。因此，本研究將RF模型作為水質(zhì)指標(biāo)預(yù)測模型。此外，進(jìn)一步的分析揭示，在TN指標(biāo)的預(yù)測方面，相較于其他三個(gè)水質(zhì)指標(biāo)（COD、NH3-N、TP）展現(xiàn)出相對較弱的預(yù)測效能。這一現(xiàn)象可能與河流自然條件下較高的TN背景值及其易受季節(jié)性變化影響的特性有關(guān)。圖3.2監(jiān)測斷面水質(zhì)趨勢預(yù)測模型圖3.3XLXL斷面12月水質(zhì)趨勢預(yù)測模型3.5.2單因子水質(zhì)評價(jià)結(jié)果預(yù)測應(yīng)用單因子評價(jià)法對2023年12月1日至12月16日的97個(gè)連續(xù)監(jiān)測斷面的水質(zhì)數(shù)據(jù)進(jìn)行等級評價(jià)以及COD、TP和NH3-N這三個(gè)水質(zhì)指標(biāo)的水質(zhì)等級評定(詳細(xì)見附錄表A3)。同時(shí)，與用RF模型預(yù)測的數(shù)據(jù)的水質(zhì)等級對比。如圖3.4所示，對混淆矩陣分析中，該模型對于12月份XL斷面水質(zhì)等級的預(yù)測準(zhǔn)確度表現(xiàn)出極高的準(zhǔn)確性尤其是劣Ⅴ預(yù)報(bào)準(zhǔn)確率十分高，顯示出模型在極端水質(zhì)狀況預(yù)測上的高效性。圖3.4三種水質(zhì)指標(biāo)和總等級評價(jià)預(yù)測3.5.3綜合污染指數(shù)水質(zhì)評價(jià)結(jié)果預(yù)測為了驗(yàn)證模型亦可滿足水質(zhì)綜合污染評價(jià)需求，本研究在XL斷面綜合污染指數(shù)評價(jià)結(jié)果基礎(chǔ)上，繼續(xù)開發(fā)了一個(gè)可直接預(yù)測水質(zhì)綜合污染指數(shù)P的RF模型。如圖3.5所示，將真實(shí)值與RF模型得到的水質(zhì)綜合污染指數(shù)預(yù)測值進(jìn)行散點(diǎn)擬合?？梢钥吹?，散點(diǎn)擬合的R2分別為0.998和0.983，RMSE分別為0.031和0.081，MAE則分別為0.017和0.036，這說明模型對2023年1月1日至2023年11年30日的歷史數(shù)據(jù)以及2023年12月1日至2023年12月16日的未知數(shù)據(jù)的擬合情況均較好。圖3.5小韋河XL斷面平均綜合污染指數(shù)預(yù)測結(jié)果3.6本章小結(jié)本章利用機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等技術(shù)，開發(fā)了一類基于人工智能的能對未來水質(zhì)變化進(jìn)行預(yù)測和預(yù)警的水質(zhì)模型。主要結(jié)論如下：（1）在模型選擇上，本研究采用了三種主流的集成學(xué)習(xí)算法，即SVM、,DT和RF，對水質(zhì)參數(shù)進(jìn)行深入分析和預(yù)測，經(jīng)過對比分析RF模型準(zhǔn)確性更好，擬合度更高。選擇以RF模型作為作為水質(zhì)指標(biāo)預(yù)測模型。（2）對選出模型進(jìn)行進(jìn)一步的分析和完善，運(yùn)用單因子評價(jià)法和綜合污染指數(shù)評價(jià)法對水質(zhì)數(shù)據(jù)進(jìn)行評價(jià)，然后將其與訓(xùn)練好的RF模型得到的預(yù)測值進(jìn)行分析、擬合。結(jié)果表明該模型準(zhǔn)確度高、擬合情況好，能夠?qū)崿F(xiàn)對水質(zhì)變化趨勢預(yù)測及水質(zhì)預(yù)警。第四章結(jié)論與展望4.1結(jié)論渭河流域作為黃河的主要支流，其水質(zhì)狀況對整個(gè)黃河流域具有顯著的影響。渭河流域因生產(chǎn)生活活動(dòng)而面臨較為嚴(yán)重的水質(zhì)污染問題，其治理工作對于維護(hù)渭河主干流的水質(zhì)安全至關(guān)重要。(1)水環(huán)境質(zhì)量現(xiàn)狀調(diào)查與評價(jià)本研究完成了對小韋河扶風(fēng)段的綜合性污染調(diào)查與水質(zhì)監(jiān)測，全面評估該河段的水環(huán)境質(zhì)量現(xiàn)狀。通過系統(tǒng)的采樣與分析，詳細(xì)考察了主要污染物的時(shí)空分布特性及其變化規(guī)律。結(jié)果揭示，小韋河扶風(fēng)段的水質(zhì)狀況顯著受到農(nóng)業(yè)面源污染、畜禽養(yǎng)殖活動(dòng)、居民生活污水排放以及支流匯入水質(zhì)的多重影響。特別是，氮和磷元素作為關(guān)鍵的營養(yǎng)性污染物，在該河段的水質(zhì)污染中扮演了主要角色。本研究還發(fā)現(xiàn)，小韋河扶風(fēng)段的水質(zhì)在不同季節(jié)和不同區(qū)域表現(xiàn)出顯著的空間異質(zhì)性，這可能與農(nóng)業(yè)生產(chǎn)的季節(jié)性模式、河流水文條件的變化以及人類活動(dòng)的時(shí)空分布有關(guān)。綜上所述，為小韋河扶風(fēng)段的水環(huán)境管理和污染控制提供了重要的科學(xué)依據(jù)。（2）重點(diǎn)監(jiān)測斷面水質(zhì)預(yù)測預(yù)警模型本研究根據(jù)2023年小韋河XL斷面連續(xù)監(jiān)測水質(zhì)數(shù)據(jù)成功構(gòu)建了對水質(zhì)變化趨勢預(yù)測及水質(zhì)實(shí)時(shí)預(yù)警的模型，實(shí)現(xiàn)了河流斷面水質(zhì)指標(biāo)的前瞻性預(yù)測與實(shí)時(shí)性警報(bào)。通過分析歷史水質(zhì)監(jiān)測數(shù)據(jù)，運(yùn)用時(shí)間序列分析和機(jī)器學(xué)習(xí)算法，對河流斷面未來一段時(shí)間內(nèi)的水質(zhì)變化趨勢進(jìn)行預(yù)測。該模型能夠識別水質(zhì)參數(shù)的長期變化模式和季節(jié)性波動(dòng)，為水質(zhì)管理和決策提供科學(xué)依據(jù)。同時(shí)，該模型結(jié)合實(shí)時(shí)水質(zhì)監(jiān)測數(shù)據(jù)和統(tǒng)計(jì)學(xué)習(xí)技術(shù)，對潛在的水質(zhì)異常和污染事件進(jìn)行快速響應(yīng)和預(yù)警。通過設(shè)定閾值和警報(bào)機(jī)制，模型能夠在水質(zhì)指標(biāo)超出正常范圍時(shí)自動(dòng)觸發(fā)警報(bào)，提醒相關(guān)部門及時(shí)采取措施，防止水質(zhì)惡化和污染擴(kuò)散。4.2展望構(gòu)建重點(diǎn)斷面水質(zhì)預(yù)測預(yù)警模型不僅在當(dāng)前水環(huán)境監(jiān)測和管理中發(fā)揮著至關(guān)重要的作用，而且對于該領(lǐng)域的未來發(fā)展同樣具有深遠(yuǎn)的影響和意義。(1)通過對歷史水質(zhì)監(jiān)測數(shù)據(jù)的分析，結(jié)合先進(jìn)的統(tǒng)計(jì)和機(jī)器學(xué)習(xí)技術(shù)，預(yù)測模型能夠揭示水質(zhì)參數(shù)之間的內(nèi)在聯(lián)系和變化規(guī)律，從而提高對未來水質(zhì)狀況的預(yù)測準(zhǔn)確性。(2)該模型能夠?qū)崿F(xiàn)對水質(zhì)異常變化的實(shí)時(shí)監(jiān)測和預(yù)警，為及時(shí)采取應(yīng)急響應(yīng)措施提供科學(xué)依據(jù)，有效防止水質(zhì)惡化和污染事故的發(fā)生。(3)未來研究可以進(jìn)一步探索和開發(fā)新的模型優(yōu)化和算法創(chuàng)新，提高模型的泛化能力和預(yù)測精度。結(jié)合遙感監(jiān)測、GIS技術(shù)、社交媒體等多源數(shù)據(jù)，可以提高模型的綜合性和準(zhǔn)確性。(4)可以建立長期監(jiān)測和評估機(jī)制，評估不同水環(huán)境管理和污染防治措施的效果。將預(yù)測預(yù)警模型與智能決策支持系統(tǒng)相結(jié)合，為水資源管理和污染防治提供更加智能化的解決方案。(5)考慮氣候變化對水質(zhì)的影響，也可開發(fā)氣候適應(yīng)性水質(zhì)管理和預(yù)測模型。通過不斷的技術(shù)創(chuàng)新和應(yīng)用實(shí)踐，重點(diǎn)斷面水質(zhì)預(yù)測預(yù)警模型有望在未來的水環(huán)境保護(hù)和水資源管理中發(fā)揮更加重要的作用，為實(shí)現(xiàn)水資源的可持續(xù)利用和水環(huán)境的長期健康提供強(qiáng)有力的科技支撐。

參考文獻(xiàn)鄧俊.三峽庫區(qū)典型小流域氮磷輸出特征及其影響因素研究[D].華中農(nóng)業(yè)大學(xué),2023.肖永清.探析工業(yè)廢水的排放污染及其有效治理途徑[J].上海染料,2021,49(02):60-66.高達(dá)志,毛文永,劉雙進(jìn).水污染控制的研究與措施[J].環(huán)境科學(xué)叢刊,1984,(11):1-53.姜文鵬,郭傳順,曲志超,等.礦物材料在重金屬污染土壤修復(fù)中的應(yīng)用[J].冶金與材料,2023,43(10):46-48.樊艷翔,雷社平,解建倉.廣東省河流水體富營養(yǎng)化綜合評價(jià)及分異特征——基于博弈論組合賦權(quán)法與VIKOR模型[J].生態(tài)環(huán)境學(xué)報(bào),2023,32(10):1811-1821.張廣增.環(huán)保工程中污水回收與再利用技術(shù)的探討[J].皮革制作與環(huán)保科技,2023,4(20):5-7.何文宣,李壘,李久義,等.密云水庫中微塑料的污染特征及生態(tài)風(fēng)險(xiǎn)評估[J].環(huán)境科學(xué)學(xué)報(bào),2022,42(12):122-135.劉紅梅.環(huán)境監(jiān)測水質(zhì)分析質(zhì)量保證的探討[J].皮革制作與環(huán)?？萍?2023,4(18):60-62.唐小娟.基于無人機(jī)技術(shù)的自然資源調(diào)查與監(jiān)測方法研究[J].智能建筑與智慧城市,2023,(10):43-45.孔倩茜.河流水質(zhì)連續(xù)監(jiān)測及水質(zhì)綜合評價(jià)方法研究[J].當(dāng)代化工研究,2023,(24):115-117.魏瀟淑,陳遠(yuǎn)航,常明,等.流域水污染監(jiān)測與溯源技術(shù)研究進(jìn)展[J].中國環(huán)境監(jiān)測,2022,38(05):27-37.HanH,LiB,YangL,etal.Constructionandapplicationofacompositemodelforacidminedrainagequalityevaluationbasedonanalytichierarchyprocess,factoranalysisandfuzzycomprehensiveevaluation:GuizhouProvince,China,asacase.[J].Waterenvironmentresearch:aresearchpublicationoftheWaterEnvironmentFederation,2024,96(2):e10986-e10986.樊艷翔,雷社平,解建倉.廣東省河流水體富營養(yǎng)化綜合評價(jià)及分異特征——基于博弈論組合賦權(quán)法與VIKOR模型[J].生態(tài)環(huán)境學(xué)報(bào),2023,32(10):1811-1821.李飛.遙感測繪技術(shù)在環(huán)境監(jiān)測和災(zāi)害預(yù)警中的應(yīng)用現(xiàn)狀研究[J].肇慶學(xué)院學(xué)報(bào),2024,45(02):78-84.黃東明.城市河道水生態(tài)修復(fù)技術(shù)與策略研究[J].廣東化工,2023,50(21):113-115.劉軍,李珊,張雅楠,等.水生生物毒性試驗(yàn)在環(huán)境損害司法鑒定領(lǐng)域的應(yīng)用與發(fā)展[J].生態(tài)毒理學(xué)報(bào),2022,17(04):243-264.譚婷.多菌靈對泥鰍氧化與免疫過程生物標(biāo)志物的影響及其可逆性分析[D].延安大學(xué),2023.馬清華.不同水體污染物對斑馬魚呼吸代謝的影響研究[D].山東師范大學(xué),2023.QianQY,WenSL,PingXY.ResearchprogressonDNAbarcodinganalysismethods.[J].Thejournalofappliedecology,2018,29(3):1006-1014.張宛宛,謝玉為,楊江華,等.DNA宏條形碼(metabarcoding)技術(shù)在浮游植物群落監(jiān)測研究中的應(yīng)用[J].生態(tài)毒理學(xué)報(bào),2017,12(01):15-24.馬馳.松嫩平原水體葉綠素a、懸浮物及鹽分濃度遙感反演研究[J].節(jié)水灌溉,2022,(07):95-101.曾江源,李震,陳權(quán),等.SAR土壤水分反演中的介電常數(shù)實(shí)部簡化模型[J].紅外與毫米波學(xué)報(bào),2012,31(06):556-562.駱昱宇,秦雪迪,謝宇鵬,等.智能數(shù)據(jù)可視分析技術(shù)綜述[J].軟件學(xué)報(bào),2024,35(01):356-404.王旭,王釗越,潘藝蓉,等.人工智能在21世紀(jì)水與環(huán)境領(lǐng)域應(yīng)用的問題及對策[J].中國科學(xué)院院刊,2020,35(09):1163-1176.張立福,張琳姍,孫雪劍,等.星地協(xié)同水質(zhì)光譜在線監(jiān)測系統(tǒng)及應(yīng)用研究[J].全球變化數(shù)據(jù)學(xué)報(bào)(中英文),2021,5(01):1-10+114-123.華萌萌,尹君,胡召玲,等.基于機(jī)器學(xué)習(xí)的歷史氣候重建論文智能識別與數(shù)據(jù)挖掘初探[J].第四紀(jì)研究,2021,41(02):550-561.王一.小韋河流域?qū)氹u段動(dòng)態(tài)性水環(huán)境容量研究[D].長安大學(xué),2022.劉彥利.基于SWAT模型的小韋河流域農(nóng)業(yè)非點(diǎn)源污染模擬研究[D].長安大學(xué),2023.趙恰,趙明杰,郭清,等.基于單因子評價(jià)法和綜合污染指數(shù)法解析龍鳳河水質(zhì)狀況[J].江蘇科技信息,2023,40(06):72-75.高云亮.牡丹江水質(zhì)現(xiàn)狀及污染特征研究[D].東北農(nóng)業(yè)大學(xué),2017.馬凱.黃河甘肅段水質(zhì)風(fēng)險(xiǎn)評價(jià)及其與土地利用類型響應(yīng)關(guān)系研究[D].蘭州交通大學(xué),2023.李昊天.重慶市農(nóng)村飲用水水質(zhì)綜合評價(jià)及其時(shí)空分析[D].中國疾病預(yù)防控制中心,2021.肖燚,郭亞會(huì),李明蔚,等.基于機(jī)器學(xué)習(xí)的地下水水質(zhì)預(yù)測研究[J].北京師范大學(xué)學(xué)報(bào)(自然科學(xué)版),2022,58(02):261-268.鐘雅婷,林艷梅,陳定甲,等.多組學(xué)數(shù)據(jù)整合分析和應(yīng)用研究綜述[J].計(jì)算機(jī)工程與應(yīng)用,2021,57(23):1-17.劉寶鍾.大數(shù)據(jù)分類模型和算法研究[M].云南大學(xué)出版社:201901.461.SongmingZhang,XiaofengChen,XumingRan,etal.PrioritizingCausationinDecisionTrees:AFrameworkforInterpretableModeling[J].EngineeringApplicationsofArtificialIntelligence,2024,133(33):108-224.NiuNing,JinHe.Identifyingurbanhouseholdsinrelativepovertywithmulti-sourcedata:AcasestudyinZhengzhou[J].JournalofUrbanAffairs,2024,46(4):845-863.左兆輝,王錚,劉鐵強(qiáng).基于銣原子鐘的高精度守時(shí)技術(shù)[J].集成電路與嵌入式系統(tǒng),2024,24(02):70-73.SerenayC,GokalpFY.Hybridstatisticalandmachinelearningmodelingofcognitiveneurosciencedata[J].JournalofAppliedStatistics,2024,51(6):1076-1097.謝智穎,何原榮,李清泉.基于時(shí)空相關(guān)性的公交大數(shù)據(jù)清洗[J].計(jì)算機(jī)工程與應(yīng)用,2022,58(01):113-121.附錄表A1小韋河扶風(fēng)段水質(zhì)指標(biāo)及單因子評價(jià)結(jié)果時(shí)期監(jiān)測點(diǎn)位編號水質(zhì)指標(biāo)（mg/L）單項(xiàng)指標(biāo)評價(jià)結(jié)果綜合水質(zhì)評價(jià)結(jié)果NH3-NTPCODNH3-NTPCOD豐水期10.3440.16723.167ⅡⅢⅣⅣ20.15411.11723.667Ⅱ劣ⅤⅣ劣Ⅴ30.2750.39117ⅡⅤⅢⅤ40.17910.28823.333Ⅱ劣ⅤⅣ劣Ⅴ58.1773.88342.167劣Ⅴ劣Ⅴ劣Ⅴ劣Ⅴ60.30610.38225.5Ⅱ劣ⅤⅣ劣Ⅴ71.28.69524.333Ⅳ劣ⅤⅣ劣Ⅴ80.5620.16113ⅢⅢⅠⅢ91.08810.04326.167Ⅳ劣ⅤⅣ劣Ⅴ101.070.01112ⅣⅠⅠⅣ110.80710.81724Ⅲ劣ⅤⅠ劣Ⅴ120.2790.1927Ⅲ劣ⅤⅣ劣Ⅴ130.2280.1921ⅡⅢⅣⅣ140.4370.20326ⅡⅢⅣⅣ151.7320.45523ⅡⅣⅣⅣ平水期10.2750.49213.667Ⅱ劣ⅤⅠ劣Ⅴ20.290.54312Ⅱ劣ⅤⅠ劣Ⅴ30.2750.39117ⅡⅤⅢⅤ40.4160.52114.333Ⅱ劣ⅤⅠ劣Ⅴ51.2580.52522.929Ⅳ劣ⅤⅣ劣Ⅴ63.3320.59636.5劣Ⅴ劣ⅤⅤ劣Ⅴ70.6380.5559.333Ⅲ劣ⅤⅠ劣Ⅴ80.5620.16113ⅢⅢⅠⅢ90.6520.42611.833Ⅲ劣ⅤⅠ劣Ⅴ101.070.01112ⅣⅠⅠⅣ110.6760.4228.333Ⅲ劣ⅤⅠ劣Ⅴ120.8190.48910.167Ⅲ劣ⅤⅠ劣Ⅴ130.6940.1666ⅢⅢⅠⅢ140.7460.38612.5ⅢⅤⅠⅤ150.7970.3649.833ⅢⅤⅠⅤ枯水期11.2250.06324ⅣⅡⅣⅣ21.0030.05812.833ⅣⅡⅠⅣ30.2750.39117ⅡⅤⅢⅤ41.1720.05216ⅣⅡⅢⅣ57.1230.57813.833劣Ⅴ劣ⅤⅠ劣Ⅴ61.150.07215.833ⅣⅡⅢⅣ72.450.12317.833劣ⅤⅢⅢ劣Ⅴ80.5620.16113ⅢⅢⅢⅢ92.4350.14515.667劣ⅤⅢⅢ劣Ⅴ101.070.01112ⅣⅠⅠⅣ110.7340.16517ⅢⅢⅢⅢ122.8350.18512.833劣ⅤⅢⅠ劣Ⅴ136.9220.17224劣ⅤⅢⅣ劣Ⅴ140.850.1221.667ⅢⅢⅣⅣ157.2630.25327.333劣ⅤⅣⅣ劣Ⅴ表A2小韋河扶風(fēng)段綜合污染指數(shù)評價(jià)結(jié)果（IV水質(zhì)標(biāo)準(zhǔn)）采樣時(shí)期采樣點(diǎn)編號單因子污染系數(shù)平均綜合污染指數(shù)綜合評價(jià)結(jié)果污染貢獻(xiàn)率K（%）NH3-NTNTPCODNH3-NTNTPCOD豐水期10.2293.0290.5570.7721.529中度污染4.9966.0312.1416.8320.1032.80337.0570.78913.584重度污染0.256.8890.931.9430.1831.181.3030.5671.078中度污染5.6636.540.317.5440.1192.93334.2930.77812.708重度污染0.317.6989.952.0455.4519.31112.9431.4069.704重度污染18.7231.9844.464.8360.2043.24234.6070.8512.968重度污染0.528.3388.962.1870.83.6628.9830.81111.418重度污染2.3410.6884.612.3780.3752.40.5370.4331.248中度污染10.0164.0914.3411.5690.7254.14333.4770.87213.072重度污染1.8510.5685.362.22100.7133.080.0370.41.41中度污染16.8672.810.879.46110.5383.53736.0570.813.644重度污染1.318.6488.091.95120.1863.4670.6330.91.729中度污染3.5966.8512.2117.35130.1523.4250.6330.71.637中度污染3.169.7612.8914.26140.2912.9950.6770.8671.61中度污染6.0262.0114.0217.95151.1553.3321.5170.7672.257重度污染17.0649.2122.411.33平水期10.1832.8591.640.4561.713中度污染3.5655.6431.928.8820.1932.8381.810.41.747中度污染3.6854.1534.547.6330.1831.181.3030.5671.078中度污染5.6636.540.317.5440.2773.0531.7370.4781.848中度污染555.0631.338.6250.8393.9641.750.7642.439重度污染11.4754.1823.9210.4462.2216.6731.9871.2174.033重度污染18.3655.1616.4210.0670.4252.7771.850.3111.788中度污染7.9251.7834.55.880.3752.40.5370.4331.248中度污染10.0164.0914.3411.5690.4353.5091.420.3941.919中度污染7.5560.9424.666.84100.7133.0