采用SPSS 17.0软件进行分析，具体步骤如下：

1)根据文献[18]报道结果，选取水质评价指标，包括：总硬度、溶解性总固体、氯化物、硝酸盐氮和氨氮。

2)对相关数据进行标准化，以消除不同指标间的量纲和数量级影响。

3)采用Kaiser-Meyer-Olkin (KMO)检验统计量和Bartlett球形度检验判断指标间的相关性，以确定原始变量是否适合进行因子分析。当KMO值>0.5时，可进行因子分析。Bartlett球形度检验对应的显著性<0.05时，原始变量间存在相关性，可进行主成分分析。

4)确定主成分个数。一般选取累计方差贡献率>80%，特征值>1的主成分。

5)根据计算结果，确定主成分F.*?>=_>i的表达式。

6)计算主成分分值，综合得分越高，表明水质污染越严重。

模糊综合评价法是借助模糊数学的隶属度理论把定性评价转化为定量评价，即对受到多种因素制约的事物或对象作出一个整体的评价，具体如下。

1）根据文献报道^[18]，选取总硬度、溶解性总固体、氯化物、硝酸盐氮和氨氮等5项水质因子作为评价指标。

2）根据《地下水质量标准（GB/T 14848—2017）》^[19]确定水质指标评判标准见表1。

3）建立隶属度函数及模糊矩阵。当j=1时，隶属度见式(1)(其中，X：水质因子实际测定值；S：水质因子标准限定值）。

当j=2、3、…、n-1时，隶属度见式(2)。

当j=n时，隶属度见式(3)。

4）通过超标倍数赋权法实现权重赋值。由于权重的不同定义，导致最终评价结果有较大差别，因此应将权重归一化。权重计算方法见式(4)。

式（4）中：a.*?>=_>i为污染物i的权重值；X.*?>=_>i为污染物i的实测值；S.*?>=_>i为污染物i的评价标准算数平均值。

5）建立权重矩阵A和模糊矩阵R之后，2个矩阵相乘后可以得到各水质因子的最终矩阵B，计算方法见式(5)。

6）根据评价结果，获得水质隶属度，最终确定水质类别。

为消除原始数据不同量纲和数量级的影响，需要对数据进行标准化处理，结果见表2。

采用相关分析法对5项水质指标进行分析，相关系数结果见表3。2个指标之间的相关系数绝对值越大，说明2个指标的相关性越强。相关系数为正，说明2个指标之间存在正相关关系，反之为负相关关系。

表3可知，除氨氮外，其余指标之间相关系数均在0.3以上，说明各指标信息存在重叠，具有一定的相关性，原始变量适合因子分析。主成分分析以变量相关性检验为前提，地下水KMO和Bartlett检验结果见表4。

表4可知，地下水KMO检验度量值>0.5，Bartlett球形检验显著性＜0.05，表明原始变量之间存在相关性，适合做主成分分析。

特征值表示成分对指标变量影响力的大小，若特征值<1，说明主成分的解释力度不够。主成分的方差及方差贡献见表5。

表5可知，特征值>1的有2个成分，累积的方差占比为85.8%，即可用2个主成分替代5个水质指标，其包含的信息量可以解释监测指标表征的绝大部分信息，可利用其进行地下水水质的评价研究。

初始因子载荷矩阵系数表征监测水质指标与主成分的相关程度，用于解释各个主成分变量的变异情况。其中，正值表示水质指标与主成分之间呈正相关，负值表示水质指标与主成分之间呈负相关；其绝对值越接近1，表明相关程度越高，则该指标可以作为评价地下水水质的主要控制指标。地下水主成分初始因子载荷矩阵见表6。

主成分1在溶解性总固体和总硬度等2个变量上具有高载荷，表明主成分1主要反映这2个指标的信息；主成分2在氨氮上具有高载荷，表明主成分2主要反映氨氮的信息。

用主成分初始因子载荷矩阵中数据除以主成分对应特征值平方根，得到主成分相对应的特征向量，即每个指标相应的系数，与标准化的后的数据ZX.*?>=_>i相乘，即可得出主成分F.*?>=_>1和F.*?>=_>2相应的表达式。根据初始特征值方差的百分比λ.*?>=_>1和λ.*?>=_>2，进而获得F值表达式。F.*?>=_>1、F.*?>=_>2和F相应的表达见式(6)～(8)。

公式(8)可见，获得地下水水质主成分F值，结果见表7。

根据F值越大，水质污染越严重进行不同采样点水质排名，由优至劣依次为黄旗-二十里-兴民-尹家-付家-小黑石-南鸭路咀-苏家。

根据隶属度公式，计算获得大连市地下水水质模糊矩阵，结果见表8。

根据权重计算公式，获得大连市地下水水质权重矩阵，结果见表9。

将上述计算获得的权重矩阵和模糊矩阵相乘后得到最终矩阵，进而获得综合评价结果，根据最大隶属度原则，确定水质所属类别，见表10。

表10可知，模糊综合评价法获得大连市地下水水质由优至劣顺序为黄旗-尹家-小黑石-南鸭路咀-兴民-二十里-付家-苏家。

主成分分析法获得大连市地下水水质由优至劣依次为黄旗-二十里-兴民-尹家-付家-小黑石-南鸭路咀-苏家；模糊综合评价法预测地下水水质由优至劣依次为黄旗-尹家-小黑石-南鸭路咀-兴民-二十里-付家-苏家。根据模糊综合评价法结果，黄旗水质最好(I类水)，苏家水质最差(V类水)，尹家为II类水，其余5个采样点均为III类水。其中，模糊综合评价法给出的黄旗和苏家水质排名与其在主成分分析中排名一致。尹家水质在模糊综合评价法和主成分分析中均具有较高排名，分别为第2位和第4位。尽管兴民、付家、二十里、南鸭路咀和小黑石在两个预测模型中排名顺序不很一致，可能原因是这5个采样点水质均为III类水，本身污染程度差别不明显，还有2种模型算法也不完全相同，导致2种预测模型在预测同一类水水质排名时出现较大差异。

由水质结果比较可知，采用主成分分析和模糊综合评价法所得结果基本一致。尽管模糊综合评价法在水质指标选取方面主观性较强，而且对同一级水质不能更好的区分优劣，但采用主成分分析法却有效地解决了这一问题。主成分分析法能有效降低数据维度，筛选出主要污染因子，最大限度地降低了评价因子选取主观性对评价结果的不利影响，而且能对同一级水质结果按照水质污染程度进行排序，更好地对水质优劣进行区分，使评价结果更加客观合理。尽管主成分分析法无法直接获得水质类别，但结合模糊综合评价法后，不仅可以获得水质类别，还能针对同一级水质进行水质排名，使结果更加详实。以上分析说明，主成分分析和模糊综合评价法2种模型结合使用后预测结果要比单一预测模型更加全面可靠。通过与文献^[18]报道的内梅罗指数法水质预测结果比较，发现本研究使用的模糊综合评价法预测的水质类别要比内梅罗指数法预测的水质类别更好，可能原因是2种预测模型基于的计算方法不同造成的，但2种预测模型预测水质排名总体趋势基本一致。

本研究以大连市地下水为研究对象，运用主成分分析和模糊综合评价法对水质主要影响指标进行分析，并对综合水质进行了评价。

1）针对大连市8个地下水监测断面水质进行评价，采用主成分分析法可将5个水质指标综合为2个主成分进行解释，解释率为85.8%。其中，第1主成分贡献率为65.753%，第2主成分贡献率为20.048%，第1主成分控制指标为溶解性总固体和总硬度，第2主成分控制指标为氨氮。模糊综合评价法预测8个地下水中1个I类水、1个II类水、5个III类水和1个V类水。

2）主成分分析和模糊综合评价法对8个不同区域的地下水水质排名预测存在差异，但总体趋势基本一致，说明两种模型结合使用后预测结果要比单一预测模型更加全面可靠。