生活垃圾转运站恶臭污染指标初探

3回归与相关分析
3.1模型的建立
臭气浓度为臭味综合指标，受多种因素影响。可以设想，臭气浓度和各单项指标存在某种线性关系。由于有多个单项指标，即为多重线性回归的问题。以臭气浓度为y因变量，以各臭味单项指标为x自变量，则满足以下回归模型：

此回归模型中存在多个白变量，需要找出对因变量影响最显著的白变量建立回归方程，即需要对白变量进行筛选，剔除对整个回归模型贡献小的白变量，这一过程称为模型的选择过程。
SAS系统中，白变量筛选的方法有多种，其中常用的是逐步回归法(STEPWISE)，其过程是逐个引入自变量，每次引入对Y影响显著的白变量，同时对方程中的老变量进行检验，把变为不显著的变量逐个从方程中剔除。最终得到的方程中即不漏掉对Y影响显著的变量，又不包含对Y影响不显著的变量。影响显著的变量还可通过通径系数c(p)的大小或其它信息判断其对回归模型的作用大小。
3.2回归模型的分析与改进
调用SAS系统的REG过程，对表4中各臭味指标检测数据做回归分析。程序运行结果：总回归模型的P值为0.003，决定系数(R2)即相关系数的平方为0.8896，回归方程可写为

式中，y为臭气浓度，x1～x5分别为二硫化碳、甲硫醇、甲硫醚、二甲二硫、苯乙烯(下同)。该结果说明，取显著性水平0.05，总回归模型中臭气浓度与各单项指标存在显著的线性关系，在臭气浓度的总变异中，由单项指标线性说明的部分占88.96％。
利用SAS系统的STEPWISE过程对回归方程的改进结果如下：对臭气浓度影响显著的变量只有苯乙烯和甲硫醇，其通径系数C(p)分别为28.49和3.43，回归方程为

程序运行结果显示，此改进的回归模型在显著性水平取0.05时的P值为0.0001，R2为0.8354，苯乙烯和甲硫醇的P值分别为0.0001和0.0006，均达到极显著水平。根据通径系数，苯乙烯对回归模型的作用更大。
但是，两方程中的甲硫醇(x2)的系数为负值，和臭气浓度间呈异常的负相关。在做臭气浓度和甲硫醇的一元线性回归中，发现两者的相关性是很不显著的(P=0.27，R2=0.1092)。再分析苯乙烯的情况，STEPWISE过程的第一步是代入了对臭气浓度影响最显著的苯乙烯，从P值为0.0187，R2仅为0.4084上看出，臭气浓度和苯乙烯的线性相关性并不好。
总之，分析表4的实验数据，如把各恶臭污染物集合为一个整体，其和臭气浓度间有一定的线性相关性，但各个恶臭污染物和臭气浓度的相关性并不好，甚至无逻辑上的相关性，如甲硫醇。
4讨论
4.1垃圾转运站恶臭污染指标的变异性
从以上实验数据可看出，无论是垃圾站边界点还是站内点，恶臭指标检测值的变化范围均较大，而站内点各指标的变化范围更大。分析造成这种变异的原因主要有：
4.1.1出入垃圾站的垃圾种类的复杂性带来的影响
目前，广州市生活垃圾的收运模式基本是把各社区街道收集的垃圾运到垃圾转运站，经压缩后转运到垃圾填埋场或焚烧厂。因近年来市区垃圾量大幅增加，各地收集的垃圾量过多，往往造成堆积在垃圾转运站，等待压缩作业的情况。所以，站内点采集的臭气一部分为刚收集来的垃圾直接散发的臭气。而广州市生活垃圾未经系统分类，更夹杂有餐厨垃圾、下水道垃圾等，成分复杂。不同种类的垃圾散发出不同的气味，导致随机采集的站内点臭气样品在同一化学成分的含量上有很大的差别。
4.1.2垃圾站边界点的臭气样品除了受出入垃圾的影响外，还直接受天气条件的影响垃圾站的臭气为无组织排放，风向、风速、湿度、气压等都能影响臭气的散发，使各边界点的臭气样品间缺乏均匀性和可比性。
4.1.3恶臭物质本身的性质
臭气成分中可能有活性较高的臭味物质，它们不能稳定存在，在较短的时间内经历复杂的生物化学过程(分解、氧化、还原等)发生了变化。另外，各臭味物质扩散性质不同也可能是一个影响因素。臭气成分的多样性和复杂性可能也是带来这种变异的原因之一。
4.2臭气浓度检测数据的质量控制
研究恶臭指标间的关系需要准确、客观的臭气浓度数据。臭气浓度的标准检测方法是三点比较式臭袋法，利用嗅辨员的感觉阈值求得臭气浓度。所谓感觉阈值，即是感觉到气味存在，而非需要定出气味特性的识别阈值。从本实验室多次的检测发现，即使是空气本底样品，也常出现臭气浓度值高出标准限值的情况。垃圾转运站周边的环境复杂，臭气浓度依靠感觉阈值判断可能是造成臭气浓度普遍超标的原因之一。
臭气浓度的另一个关键影响因素是嗅辨员。人的嗅觉非常复杂，不同日期、不同时段甚至情绪状态都会影响到个人的嗅觉，人的主观判断常使臭气浓度的检测缺乏重复性和再现性。每次实验前严格筛选嗅辨员确是最重要的质量控制。