BASIC TRENDS OF VARIATION OF THE QUALITATIVE COMPOSITION OF SAMARA SURFACE WATER RUN-OFFS

Full Text

Проблема сбора, транспортирования и очистки поверхностных сточных вод является актуальной для многих городов Российской Федерации. В зависимости от рельефа местности для сбора и отвода поверхностного стока с территории городской округ Самара разделен на 15 бассейнов канализования. С I–V бассейнов канализования стоки через систему дождевой канализации отводятся в Саратовское водохранилище, с VI–XV – в залив Самарский Саратовского водохранилища [1]. Обобщенная характеристика варьирования качества поверхностного стока с территории г.о. Самара, рассчитанная по данным с 12 выпусков за последние 5 лет, представлена в табл. 1. Обобщенная характеристика поверхностного стока г.о. Самара Таблица 1 № п/п Наименование показателя Концентрация, мг/л Стандартное отклонение максимальная средняя минимальная 1 pH 7,93 7,68 6,88 0,29 2 БПК 16,54 6,61 2,63 4,92 3 Взвешенные вещества 34,18 24,79 14,03 5,68 4 Сухой остаток 1037,6 626,5 352,8 217,1 5 Хлориды 307,9 97,6 48,0 80,4 6 Сульфаты 317,2 151,6 76,9 69,6 7 Аммоний 7,766 1,716 0,253 2,141 8 Нитриты 0,392 0,180 0,051 0,095 9 Нитраты 5,339 3,518 1,263 0,977 10 Фосфаты 0,974 0,272 0,081 0,251 11 Железо 2,048 0,707 0,373 0,437 12 Медь 0,023 0,010 0,005 0,005 13 Цинк 0,020 0,013 0,009 0,004 14 Алюминий 0,237 0,034 0,005 0,064 15 Нефтепродукты 0,305 0,141 0,078 0,067 16 СПАВ 0,542 0,114 0,024 0,143 Известно, что состав поверхностного стока зависит от многих факторов. Однако степень этой зависимости неизвестна и не изучена структура связей между различными показателями. Таким образом, основная цель проводимого исследования – определение числа основных факторов, влияющих на формирование качественного состава поверхностного стока, установление структуры связей между показателями с выделением репрезентативного набора. Для данного исследования наиболее удобен факторный анализ, основная идея которого заключается в том, что структура связей между всеми анализируемыми признаками (показателями качества стока) может быть объяснена тем, что все эти переменные зависят (линейно или как-то иначе) от меньшего числа других, непосредственно не измеряемых («латентных») факторов, которые принято называть общими. Конечная цель статистического исследования, проводимого с привлечением аппарата факторного анализа, состоит в выявлении и интерпретации латентных общих факторов с одновременным стремлением минимизировать их число. Основная линейная модель факторного анализа имеет следующий вид: Е.Д. Палагин, П.Г. Быкова, У.М. Пахомова на общими факторами, а также включают в себя ошибки измерения показателей; p – количество латентных факторов; N – количество показателей; Факторные нагрузки имеют вид коэффициентов корреляции и показывают тесноту связи между факторами и первоначальными показателями. В результате расчета, с использованием пакета статистического анализа, было получено шесть обобщенных интегральных, непосредственно не измеряемых показателей. В последнем столбце полученной матрицы (табл. 2) показана дисперсия (h2) соответствующих показателей, которая определяет, насколько полно каждый из исходных показателей отражен в шести латентных факторах: h2  a2  a2  a2  a2  a2  a2 , (2) i1 i2 i3 i4 i5 i6 2 2 где ai1,, ai 6 – факторные нагрузки по шести факторам для i-го показателя. Анализ матрицы факторных нагрузок показывает, что наиболее полно отражены такие показатели, как, например: железо (на 98 %), аммоний (на 98 %), алюминий (на 97 %), слабее всего – рН (на 30 %). Это означает, что различия в качестве воды по xi   aij F j ui , (i = 1, 2, …, N), (1) рН не связаны тесно с полученными факторами – показателями. Кроме того, следует выделить такие где Fj – латентные общие факторы; aij – факторные нагрузки; ui – остаточные специфические факторы, которые определяют ту часть каждого из исследуемых показателей, которая не может быть объяснепоказатели, как БПК, нефтепродукты, нитраты и взвешенные вещества, которые хоть и достаточно полно отражены общими факторами, но не имеют хорошо выраженной связи ни с одним из шести факторов. Матрица факторных нагрузок Таблица 2 № п/п из табл. 1 Показатель Значения показателей в зависимости от разных факторных нагрузок h2 1 2 3 4 5 6 1 pH 0,52 0,13 0,08 0,05 -0,02 0,09 0,30 83 Нитриты Взвешенные вещества 0,19-0,38 0,920,59 0,030,06 -0,010,16 0,020,01 0,080,46 0,880,74 45 Сухой остаток Хлориды 0,19-0,06 -0,010,01 0,850,90 0,020,01 0,15-0,00 0,11-0,01 0,790,81 1411 Алюминий Железо 0,08-0,02 -0,010,06 0,010,03 0,970,96 0,140,24 0,020,01 0,970,98 12613 Медь Сульфаты Цинк -0,050,23-0,24 0,03-0,050,06 0,050,080,04 0,090,080,31 0,970,880,85 -0,030,120,02 0,960,860,87 716102159 Аммоний СПАВФосфаты БПКНефтепродукты Нитраты 0,00-0,010,070,16-0,550,47 0,11-0,010,120,500,14-0,21 0,050,030,020,070,01-0,01 -0,03-0,02-0,03-0,050,200,29 0,030,020,040,030,030,04 0,980,980,970,740,660,65 0,980,960,960,83 0,800,78 Сумма квадратов факторных нагрузок 0,6 2,38 2,3 3 3,43 5,85 17,56 Доля суммарной общности, % 3,4 13,6 13,1 17,1 19,5 33,3 100 Таким образом, различия в качестве поверхностного стока, сбрасываемого через отдельные выпуски, по 16 показателям (не считая показателей по БПК, нефтепродуктам, нитратам и взвешенным веществам) могут быть сведены к различиям лишь по 6 факторам. На основе факторного анализа выполнено разбиение и получены подмножества: из двух показателей (сухой остаток, хлориды), из двух показателей (алюминий, железо), из трех показателей (медь, сульфаты, цинк), из трех показателей (аммоний, СПАВ, фосфаты), а также из шести обособленных показателей (рН, нитриты, взвешенные вещества, БПК, нефтепродукты, нитраты). Факторный анализ структурирует систему и выделяет базовые (или общие) факторы, характеризующие варьирование всего множества переменных и аккумулирующие множество частных статистических отношений. Обобщенное отображение отношений переменных дает широкие возможности для решения прикладных задач, в частности выделение переменных, наиболее чувствительных к независимым факторам, которые можно рассматривать как индикаторы состояния системы. Репрезентативными показателями являются те, которые имеют наибольшую факторную нагрузку. Таким образом, на основе анализа данных, приведенных в табл. 2, выявлен следующий репрезентативный диагностический набор показателей: рН, БПК, взвешенные вещества, сухой остаток, аммоний, нитраты, нитриты, медь, алюминий, нефтепродукты. Полученный перечень показателей может использоваться для диагностики и мониторинга состава сбрасываемых стоков. Для интерпретации полученных факторов в рассматриваемую модель были введены дополнительные переменные, представляющие собой расходы стоков: поверхностный сток с селитебной территории, поверхностный сток с территории промышленных предприятий, условно чистые стоки промышленных предприятий, дренажные воды с селитебной территории и с территории промышленных предприятий, дренажные воды теплосетей, сток от промывки сетей и связанный с поливом территории. Таким образом, с учетом выявленной взаимосвязи отдельных видов стоков с полученными факторами можно интерпретировать их следующим образом: первый фактор представляет собой наличие условно чистого стока промышленных предприятий, который оказывает максимальное влияние на рН общего стока; второй фактор определяется поступлением дренажных вод с селитебных территорий. Его основным показателем является содержание нитритов в общем стоке; третий фактор отражает такие взаимосвязанные показатели, как сухой остаток и хлориды, т.е. солесодержание. Данный фактор не выявил хорошей связи с поступающими расходами. Однако наибольшее влияние на него оказывает полив территории; четвертый фактор – содержание алюминия и железа; пятый фактор отражает такие показатели, как содержание меди, сульфатов и цинка. (Их количество зависит в большей степени от общего расхода отводимого стока, а также от стока, образующегося в результате промывки сетей. Кроме этого, на содержание цинка оказывает влияние дренаж с территории промышленных предприятий. Учитывая вышеизложенное, можно предположить, что пятый фактор определяется состоянием самих сетей); шестой фактор характеризует наличие в воде аммонийного азота, СПАВ и фосфатов. Данный фактор не показал зависимости от какого-то определенного вида стока. Следует также отметить, что среди обособленных показателей у нефтепродуктов выявлена взаимосвязь с расходом дренажных вод теплосети. Очевидно, что в данном случае решающее влияние оказывает температурный режим поступающих стоков. В дополнение к перечисленным параметрам был произведен расчет с учетом показателей бактериального загрязнения поверхностного стока, таких как общие колиформные бактерии (ОКБ), термотолерантные колиформные бактерии (ТКБ) и колифаги (КФ). Наличие ОКБ сопряжено с содержанием нитратов и, по-видимому, характеризует общее санитарное состояние территории. Интересно, что содержание ТКБ связано в основном с поливом территории или, другими словами, смывом с поверхности водосбора, а содержание КФ, в первую очередь, – с промывкой сетей, т.е. с внутренними процессами, происходящими в сети. БИБЛИОГРАФИЧЕСКИЙ СПИСОК 1. Быкова, П.Г. Качество поверхностных вод, поступающих с территории города Самары в Саратовское водохранилище и реку Самара [Текст] / П.Г. Быкова, и др. // Традиции и инновации в строительстве и архитектуре: материалы 67-й Всероссийской науч.-техн. конференции / СГАСУ. – Самара, 2010. – С. 567-569. © Палагин Е.Д., Быкова П.Г., Пахомова У.М., 2011

About the authors

E. D PALAGIN

Самарский государственный архитектурно-строительный университет

Author for correspondence.
Email: vestniksgasu@yandex.ru

кандидат технических наук, доцент кафедры водоснабжения и водоотведения

P. G BYKOVA

Самарский государственный архитектурно-строительный университет

Email: vestniksgasu@yandex.ru

доцент кафедры водоснабжения и водоотведения

U. M PAKhOMOVA

Самарский государственный архитектурно-строительный университет

Email: vestniksgasu@yandex.ru

магистрант кафедры водоснабжения и водоотведения

References

Supplementary files