下载文档原格式
金属材料化学成分分析的几种方法
化学成分是决定金属材料性能和质量的主要因素。
因此，标准中对绝大多数金属材料规定了必须保证的化学成分，有的甚至作为主要的质量、品种指标。
化学成分可以通过化学的、物理的多种方法来分析鉴定，目前应用最广的是化学分析法和光谱分析法，此外，设备简单、鉴定速度快的火花鉴定法，也是对钢铁成分鉴定的一种实用的简易方法。
一．化学分析法
根据化学反应来确定金属的组成成分，这种方法统称为化学分析法。
化学分析法分为定性分析和定量分析两种。
通过定性分析，可以鉴定出材料含有哪些元素，但不能确定它们的含量；定量分析，是用来准确测定各种元素的含量。
实际生产中主要采用定量分析。
定量分析的方法为重量分析法和容量分析法。
重量分析法：采用适当的分离手段，使金属中被测定元素与其它成分分离，然后用称重法来测元素含量。
容量分析法：用标准溶液（已知浓度的溶液）与金属中被测元素完全反应，然后根据所消耗标准溶液的体积计算出被测定元素的含量。
二．光谱分析法
各种元素在高温、高能量的激发下都能产生自己特有的光谱，根据元素被激发后所产生的特征光谱来确定金属的化学成分及大致含
量的方法，称光谱分析法。
通常借助于电弧，电火花，激光等外界能源激发试样，使被测元素发出特征光谱。
经分光后与化学元素光谱表对照，做出分析。
三．火花鉴别法
主要用于钢铁，在砂轮磨削下由于摩擦，高温作用，各种元素、微粒氧化时产生的火花数量、形状、分叉、颜色等不同，来鉴别材料化学成分（组成元素）及大致含量的一种方法。
问题分析：问题2主要是找出金属污染的主要原因，首先要找出污染最严重的金属，结合问题1的求解，我们通过主成分分析法对各种金属污染的严重性进行了判定主成分分析法：重金属对人体的危害由金属元素的化学性质决定，根据十余项指标和九项参数对重金属的潜在毒性进行分类和排序，考评指标和参数如下：电离势、熔点、沸点、熔化热、汽化热、电化当量、结合能、离子半径、密度、电荷离子半径比、氧化性、离子奇偶性、挥发性。
结论如下：重金属潜在毒性排行榜：毒性大：Hg汞〉Cd镉〉Tl铊〉Pb铅〉Cr铬〉In铟〉Sn锡毒性中等：Ag银〉Sb锑〉Zn锌〉Mn锰〉Au金〉Cu铜〉Pr镨〉Ce 铈〉Co钴〉Pd钯〉Ni镍〉V钒〉Os锇〉Lu镥〉Pt铂〉Bi铋〉Yb镱〉Eu铕〉Ga镓〉Fe铁〉Sc钪〉Al铝〉Ti钛〉Ge锗〉Rh铑〉Zr锆毒性较小：Hf铪〉Ru钌〉Ir铱〉Tc锝〉Mo钼〉Nb铌〉Ta钽〉Re铼〉W钨〉Tm铥〉Dy镝〉Nd钕〉Er铒〉Ho钬〉Gd钆〉Tb铽〉La镧〉Y钇砷：一种三价和五价的非金属元素,旧称“砒”。
通常呈金属的铁灰色,结晶形,性脆。
砷常小量地被掺入合金(如用于制造子弹的砷-铅合金),其化合物主要用于制造毒剂(如杀虫剂)、药物和玻璃 [arsenic]——元素符号As由于砷是一种非金属元素，所以在重金属毒性排行榜中没有这个元素但是它的毒性却很强，仅次于汞，我们将它放到了第二位。
Hg>As>Cd>Pb>Cr>Zn>Cu>Ni我们采用主成分分析法来验证我们的猜测：X1、X2、X3、X4、X5、X6、X7、X8分别表示：Hg、As、Cd、Pb、Cr、Zn、Cu、NiZ:标准化矩阵x：采样值x：均值s：标准差R:相关性矩阵：特征值p:维度2s：方差1、对原始指标数据的标准化采集p 维随机向量x =X1,X2,...,X pp（p=8）个影响因素测量值x i = (x i1,x i2,...,x ip)T，i=1,2,…,n 构造样本阵，对样本阵元进行如下标准化变换：计算样本的均值：1nijijx xn==∑计算方差：2 21()1nij jijx x sn=-=-∑得标准化矩阵Z通过MATLAB计算出标准化矩阵Z=zscore(A)见附录12、对标准化阵Z 求相关系数矩阵其中,通过MATLAB计算出相关系数化矩阵R=corrcoef(A)见附录23、解样本相关矩阵R 的特征方程得p 个特征根,确定主成分按 确定m 值，使信息的利用率达85%以上，对每个λj ,j=1,2,...,m, 解方程组Rb = λj 得单位特征向量1b 、2b 、3b ……8b贡献率i V ：1(1,2,,)ii pkk V i p λλ===∑累计贡献率i Q ：11(1,2,,)ikk i pkk Q i p λλ====∑∑i Q =1ni i V =∑ n=1、2、3 (8)通过MATLAB 计算出特征向量，主成分贡献率，见附录3 [COEFF,LATENT,EXPLATNED]=pcacov(R) 表1因子分析结果以85%作为界限，从表1中可以看出只要取四个因子就足够了。
主成分1主成分2中的指标
主成分分析是一种常用的数据降维技术，它可以帮助我们理解数据中的模式和结构。
在主成分分析中，主成分1和主成分2是两个最重要的成分，它们可以帮助我们解释数据中的大部分变异。
在主成分分析中，我们通常会关注一些指标来评价主成分1和主成分2的贡献和重要性。
首先，我们可以关注主成分的方差解释比例。
方差解释比例告诉我们每个主成分解释了数据总方差的百分比。
通常情况下，我们希望选择解释累积方差的比例较高的主成分作为我们的分析对象，因为它们能够更好地保留原始数据的信息。
其次，我们还可以关注主成分的载荷或因子负荷。
载荷告诉我们每个变量对于主成分的贡献程度，它们可以帮助我们理解主成分所代表的特征。
通过分析载荷，我们可以确定哪些变量对于主成分的影响最大，从而更好地理解主成分的含义。
另外，我们还可以考虑主成分得分。
主成分得分是每个观测值在主成分上的投影，它们可以帮助我们理解每个观测值在主成分上的表现，进而对数据进行分类或者聚类分析。
总的来说，主成分1和主成分2的指标包括方差解释比例、载荷和主成分得分等，这些指标可以帮助我们全面地理解主成分的贡献和重要性，从而更好地解释数据的变异和结构。
一、（一）主成分分析基本原理概念：主成分分析是把原来多个变量划为少数几个综合指标的一种统计分析方法。
从数学角度来看，这是一种降维处理技术。
思路：一个研究对象，往往是多要素的复杂系统。
变量太多无疑会增加分析问题的难度和复杂性，利用原变量之间的相关关系，用较少的新变量代替原来较多的变量，并使这些少数变量尽可能多的保留原来较多的变量所反应的信息，这样问题就简单化了。
原理：假定有n 个样本，每个样本共有p 个变量，构成一个n ×p 阶的数据矩阵，记原变量指标为x 1，x 2，…，x p ，设它们降维处理后的综合指标，即新变量为 z 1，z 2，z 3，… ，z m (m ≤p)，则系数l ij 的确定原则：①z i 与z j （i ≠j ；i ，j=1，2，…，m ）相互无关；②z 1是x 1，x 2，…，x P 的一切线性组合中方差最大者，z 2是与z 1不相关的x 1，x 2，…，x P 的所有线性组合中方差最大者； z m 是与z 1，z 2，……，z m －1都不相关的x 1，x 2，…x P ，的所有线性组合中方差最大者。
新变量指标z 1，z 2，…，z m 分别称为原变量指标x 1，x 2，…，x P 的第1，第2，…，第m 主成分。
从以上的分析可以看出，主成分分析的实质就是确定原来变量x j （j=1，2 ，…， p ）在诸主成分z i （i=1，2，…，m ）上的荷载 l ij （ i=1，2，…，m ； j=1，2 ，…，p ）。
⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎣⎡=np n n p p x x x x x x x x x X 212222111211⎪⎪⎩⎪⎪⎨⎧+++=+++=+++=p mp m m m p p pp x l x l x l z x l x l x l z x l x l x l z 22112222121212121111............从数学上可以证明，它们分别是相关矩阵m 个较大的特征值所对应的特征向量。
主成分分析方法在经济问题的研究中，我们常常会遇到影响此问题的很多变量，这些变量多且又有一定的相关性，因此我们希望从中综合出一些主要的指标，这些指标所包含的信息量又很多。
这些特点，使我们在研究复杂的问题时，容易抓住主要矛盾。
那么怎样找综合指标？主成分分析是将原来众多具有一定相关性的指标重新组合成一组新的相互无关的综合指标来代替原来指标的统计方法,也是数学上处理降维的一种方法. 一. 主成分分析法简介主成分分析是将多个变量通过线性变换以选出较少个数重要变量的一种多元统计分析方法，又称主分量分析。
在实际问题中，为了全面分析问题，往往提出很多与此有关的变量（或因素），因为每个变量都在不同程度上反映这个课题的某些信息。
但是，在用统计分析方法研究这个多变量的课题时，变量个数太多就会增加课题的复杂性。
人们自然希望变量个数较少而得到的信息较多。
在很多情形，变量之间是有一定的相关关系的，当两个变量之间有一定相关关系时，可以解释为这两个变量反映此课题的信息有一定的重叠。
主成分分析是对于原先提出的所有变量，建立尽可能少的新变量，使得这些新变量是两两不相关的，而且这些新变量在反映问题的信息方面尽可能保持原有的信息。
信息的大小通常用离差平方和或方差来衡量。
主成分分析的基础思想是将数据原来的p 个指标作线性组合,作为新的综合指标(P F F F ,,,21 )。
其中1F 是“信息最多”的指标，即原指标所有线性组合中使)var(1F 最大的组合对应的指标，称为第一主成分；2F 为除1F 外信息最多的指标，即0),cov(21 F F 且)var(2F 最大，称为第二主成分；依次类推。
易知P F F F ,,,21 互不相关且方差递减。
实际处理中一般只选取前几个最大的主成分（总贡献率达到85%），达到了降维的目的。
主成分的几何意义：设有n 个样品，每个样品有两个观测变量,,21X X 二维平面的散点图。
n 个样本点，无论沿着1X 轴方向还是2X 轴方向，都有较大的离散性，其离散程度可以用1X 或2X 的方差表示。
指标评分方法
指标评分方法可以根据不同的应用场景和目的选择不同的方式，以下是常见的几种方法：
1. 加权平均法：给每个指标设定一个权重，将各指标得分乘以相应的权重后求加权平均数作为总得分。
2. 标准化法：将各指标的得分按照一定的比例映射到0-100之间，再对各指标得分进行加权平均计算。
3. 熵权法：通过信息熵理论计算各指标对总评价结果的贡献度，从而得出最终权重系数，再进行加权平均计算。
4. 主成分分析法：通过对原始指标数据进行主成分分析，提取出其中的主要因素，从而得到新的指标，并通过加权平均计算新指标的得分。
5. TOPSIS法：通过计算各指标与最优解和最劣解的距离，从而得到各指标的相对重要性，再通过加权平均计算总得分。
以上方法都有其适用场景和优缺点，需要根据实际情况选取合适的方法。
主成分分析法什么事主成分分析法:主成分分析（principal components analysis，PCA)又称：主分量分析，主成分回归分析法主成分分析也称主分量分析,旨在利用降维的思想，把多指标转化为少数几个综合指标。
在统计学中，主成分分析（principal components analysis，PCA）是一种简化数据集的技术.它是一个线性变换。
这个变换把数据变换到一个新的坐标系统中，使得任何数据投影的第一大方差在第一个坐标(称为第一主成分）上，第二大方差在第二个坐标（第二主成分)上，依次类推。
主成分分析经常用减少数据集的维数，同时保持数据集的对方差贡献最大的特征。
这是通过保留低阶主成分，忽略高阶主成分做到的。
这样低阶成分往往能够保留住数据的最重要方面。
但是，这也不是一定的，要视具体应用而定。
主成分分析的基本思想：在实证问题研究中，为了全面、系统地分析问题，我们必须考虑众多影响因素。
这些涉及的因素一般称为指标,在多元统计分析中也称为变量。
因为每个变量都在不同程度上反映了所研究问题的某些信息，并且指标之间彼此有一定的相关性,因而所得的统计数据反映的信息在一定程度上有重叠.在用统计方法研究多变量问题时,变量太多会增加计算量和增加分析问题的复杂性，人们希望在进行定量分析的过程中，涉及的变量较少，得到的信息量较多。
主成分分析正是适应这一要求产生的，是解决这类题的理想工具。
同样，在科普效果评估的过程中也存在着这样的问题。
科普效果是很难具体量化的。
在实际评估工作中，我们常常会选用几个有代表性的综合指标,采用打分的方法来进行评估，故综合指标的选取是个重点和难点。
如上所述，主成分分析法正是解决这一问题的理想工具.因为评估所涉及的众多变量之间既然有一定的相关性，就必然存在着起支配作用的因素。
根据这一点，通过对原始变量相关矩阵内部结构的关系研究,找出影响科普效果某一要素的几个综合指标，使综合指标为原来变量的线性拟合.这样,综合指标不仅保留了原始变量的主要信息，且彼此间不相关，又比原始变量具有某些更优越的性质，就使我们在研究复杂的科普效果评估问题时,容易抓住主要矛盾。
4，主成分分析法主成分分析（Principal Component Analysis，PCA），是一种统计方法。
通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量，转换后的这组变量叫主成分。
主成分分析首先是由K.皮尔森（Karl Pearson）对非随机变量引入的，尔后H.霍特林将此方法推广到随机向量的情形。
信息的大小通常用离差平方和或方差来衡量。
②主成分的解释其含义一般多少带有点模糊性，不像原始变量的含义那么清楚、确切，这是变量降维过程中不得不付出的代价。
因此，提取的主成分个数m通常应明显小于原始变量个数p（除非p本身较小），否则维数降低的“利”可能抵不过主成分含义不如原始变量清楚的“弊”。
③当主成分的因子负荷的符号有正有负时，综合评价函数意义就不明确。
4.4主成分分析法的运用叶晓枫，王志良,【2】在介绍主成分分析方法的基本思想及计算方法基础上,对水资源调配评价指标进行了降维计算. 结果显示筛选出的指标对原指标具有较好的代表性,简化了水资源评价问题的难度。
傅湘，纪昌明【3】，针对模糊综合评判法在综合评价中存在的主观随意性问题，提出采用主成分分析法进行区域水资源承载能力综合评价。
对各区域的灌溉率、水资源利用率、水资源开发程度、供水模数、需水模数、人均供水量和生态环境用水率达七个主要因索进行了分析；根据主成分分析法的原理，运用少数几个新的综合指标对原来的七个指标所包含的信息进行最佳综合与简化，研究其在各区域水资源开发利用过程中的不同贡献及综合效应。
周莨棋，徐向阳等【4】，针对传统主成分分析法用于水资源综合评价中存在一些问题，包括指标评价中的“线性”问题、无法体现评价指标主观重要性以及评价范围无法确定。
进行了改进，采用改进的极差正规方法对数据进行规格化，用规格化后的数据加入了主观重要性权进行协方差计算，对协方差特征向量采用正负理想点进行检验。
陈腊娇，冯利华等【5】，将主成分分析方法引入到水资源承载力研究中，并以浙江省为例，在现有资料的基础上，利用主成分分析的方法，定量分析影响水资源承载力变化的最主要的驱动因子。
几种多指标评价方法的比较研究多指标评价方法是指在评价对象或者决策方案的选择时，通过综合考虑多个评价指标来进行综合评价的方法。
在实际决策中，常常需要从多个方面来综合评价对象，在选择多指标评价方法时，需要根据评价对象的特点以及决策目标的要求来进行选择。
本文将从熵权法、主成分分析法和层次分析法这三种主要的多指标评价方法进行比较研究。
熵权法是一种基于信息论的多指标评价方法，它通过计算评价对象各指标之间的关联性来确定各指标的权重，然后将指标权重与指标值相乘再相加，得到最终的评价结果。
熵权法的优点是可以考虑各个指标之间的关联性，能够较好地反映指标之间的相互影响。
然而，熵权法需要计算指标的熵值和权重值，计算过程较为复杂，同时需要构建指标之间的关联矩阵，容易出现主观性和不确定性。
主成分分析法是一种通过降维和综合指标的方法。
它通过将相关性较高的指标归并为一个主成分，并根据主成分的方差来确定权重，然后将主成分与指标值相乘再相加得到最终评价结果。
主成分分析法的优点是能够通过降维的方式减少指标的数量，提高评价效率，同时可以较好地反映指标的综合效果。
但是，主成分分析法需要事先给定各个指标的权重，该过程较为主观，可能会导致评价结果的不准确性。
层次分析法是一种通过对各个指标进行层级划分，通过层次结构模型来确定权重的方法。
层次分析法的优点是能够较好地考虑到指标之间的层次关系，能够较为科学地确定指标的权重，同时能够较好地反映指标的重要程度。
层次分析法的缺点是需要构建一个层次结构模型，并且需要通过专家调查或者专家判断来确定各个指标的权重，这样会增加主观性和不确定性。
综上所述，熵权法、主成分分析法和层次分析法分别具有各自的优点和适用范围，选择合适的方法需要根据实际评价对象的特点、决策目标的要求以及数据的可靠性和有效性等方面来综合考虑。
在实际应用中，可以根据具体情况选择适合的评价方法，或者结合多种评价方法进行综合评价，以提高评价结果的准确性和可靠性。
珠三角、长三角城市经济实力比较张赛飞珠江三角洲城市群经过20多年的发展，已形成了城市、产业和市场三大集群，进入工业化成熟期。
长江三角洲城市群经过多年发展，基本形成了较为合理的产业分工。
技术和资本密集型产业留在上海，劳动密集的工业则到苏州、昆山等地区。
这两个城市群城市化水平较高，经济发达，城市配套设施齐全，是国民经济增长的重要动力源。
因此，客观评价两地区各城市的经济实力显得尤为重要，并通过比较，以求更好地为各级政府宏观决策提供依据，促进各城市的协调发展。
一、研究的方法(一)主成分分析法与指标选取。
本文在借鉴相关研究成果的基础上，依据城市经济的相关理论，选取综合经济、固定资产投资、国内贸易、交通运输、对外经济、财政收入、人均收入7个分指标中11个反映城市经济实力的指标(GDP总量、人均GDP、第三产业比重、固定资产投资额、社会消费品零售额、货运量、外贸出口、实际利用外资、财政收入、城镇居民年人均可支配收入、农民年人均纯收入)，建立综合指标体系。
借助于一定的数量分析方法和模型，将原始数据进行标准化处理，确定出各城市若干个综合指标得分，再加以累计，从而得出各城市在经过数量模型计算后的排序情况。
这里采用多元统计分析的主成分分析法进行研究，利用2001年的统计数据，客观准确地评价长江三角洲15城市(上海、南京、杭州、宁波、苏州、无锡、常州、镇江、南通、扬州、泰州、湖州、嘉兴、绍兴、舟山)和珠江三角洲9城市(广东、深圳、珠海、佛山、江门、中山、东莞、惠州、肇庆)的经济发展状况。
(二)主成分分析的计算。
(1)计算由Yij构成的数据阵Y的相关阵R，R=(X’Y)／N。
(2)计算相关阵R的特征值，并将其由大到小的顺序列成λ1≥λ2≥λ11，同时求出它们相对应的特征向量。
(3)计算各指标的贡献率和累积贡献率，公式如下，结果如表1。
可以看出，当K=2时，其累积贡献率达87.44%，因此，取前两个主成分，记为P1、12。
(4)计算由F1、12所对应的特征向量构成的因子载荷阵和主成分得分系数，公式如下，系数如表2所不。
二、24城市经济实力比较(一)珠江三角洲和长江三角洲城市经济实力比较。
城市经济实力总排名中位于前12名的两地区各占一半，即上海、深圳、广州、东莞、苏州、杭州、佛山、珠海、宁波、无锡、南京、中山。
在珠江三角洲城市中排名第3位的东莞排在位于长江三角洲城市中排名第2位的苏州之前。
珠江三角洲城市的经济实力较强。
深圳、广州、东莞在24城市中排名居于前列。
综合经济位于前12名的两地区各占一半，上海位居首位，排在2—5位的是广州、深圳、珠海、东莞。
无锡居第6位；C,DP总量超过1000亿元城市依次是上海、广州、深圳、苏州、杭州、无锡、宁波、南京和佛山。
上海最多达4950.84亿元；佛山最少1068.36亿元，其中长江三角洲城市6个，珠江三角洲城市3个；人均GDP超过3万元的城市依次是珠海、深圳、东莞、广州、上海、佛山、无锡、苏州，珠海最高为48931元，苏州最少30384元，其中长江三角洲城市3个，珠江三角洲城市5个且排名靠前；第三产业比重超过40%的城市依次是广州、上海、舟山、东莞、南京、深圳、杭州、江门、无锡、珠海、佛山，广州最高为54.1%，佛山最少为40.4%。
11城市中长江三角洲5个，珠江三角洲6个。
可见珠江三角洲城市综合经济优势主要体现在人均GDP和产业结构上，尤其是人均GDP优势明显，而经济总量则不及长江三角洲城市。
表1：主成分的特征值及解释方差在总方差中的比重初始特征值修正载荷开方和主成分总值总方差中的％累计的％总值总方差中的％累计的％1 7.538011 68.52737 68.52737 7.538011159 68.52737 68.527372 2.080464 18.91331 87.44068 2.08046362 18.91331 87.440683 0.605777 5.507065 92.947754 0.335989 3.054441 96.002195 0.180194 1.638129 97.640326 0.112921 1.026551 98.666877 0.070328 0.639347 99.306218 0.047409 0.430991 99.73729 0.016436 0.149421 99.8866310 0.007114 0.064675 99.951311 0.004991 0.045371 100表2：主成分得分系数表主成分1 2GDP总量0.125222 -0.14087人均GDP 0.092944 0.253179第三产业比重0.089175 0.031097固定资产投资0.124214 -0.16128社会消费品零售额0.123108 -0.15729货运量0.112143 -0.22298外贸出口0.112914 0.18516实际利用外资0.125726 -0.04145财政收入0.123887 -0.13235农民年人均纯收入0.086453 0.331693 城镇居民人均可支配收入0.076488 0.362964固定资产投资位于前12名的珠江三角洲城市只有广州、深圳和佛山，而且第2位的广州与第1位的上海相比，差距很大。
2001年上海固定资产投资额达1984.31亿元，广州为978.21亿元，不及上海的一半。
前6名分别是上海、广州、深圳、苏州、南京和杭州，其中珠江三角洲城市只有两个，可见珠江三角洲城市的投资需求相对不足。
国内贸易位于前12名的珠江三角洲城市只有广州、深圳和佛山，前6名城市依次是上海、广州、深圳、南京、杭州、宁波，其中珠江三角洲城市只有两个。
2001年上海社会消费品零售额1861.3亿元，广州为1248.28亿元，深圳609.26亿元，深圳约为上海的1／3，广州的1／2。
总的来说，珠江三角洲城市的消费需求有待进一步扩大。
交通运输前12名的珠江三角洲城市有广州、佛山，深圳居15位。
位于前6名的依次是上海、广州、杭州、南京、佛山、宁波。
2001年上海货运量5.4亿吨，广州2.49亿吨，深圳0.514亿吨，上海是广州的两倍多，是深圳的10倍，优势十分明显。
因此珠江三角洲城市需要进一步完善交通网络，扩大交通流量。
对外经济前12名的珠江三角洲城市是深圳、东莞、广州、佛山、惠州，位于前6名的依次是上海、深圳、东莞、广州、苏州、佛山，其中外贸出口超过100亿美元的城市排序为深圳374.8亿美元、上海276.28亿美元、东莞189.89亿美元、苏州123.07亿美元、广州116.23亿美元。
实际利用外资超过10亿美元的城市有上海、深圳、广州、苏州、东莞、无锡、惠州、佛山，其中长江三角洲城市3个，珠江三角洲城市5个。
可见珠江三角洲城市外向型经济发达，尤其是实际利用外资优势明显，但广州的对外经济排名不仅落后于上海、深圳，还落后于东莞，主要是外贸出口有待进一步提高。
财政收入前12名的珠江三角洲城市有深圳、广州、佛山，位于前6名的依次是上海、深圳、广州、苏州、南京、宁波，其中珠江三角洲城市只有两个。
这在一定程度上说明珠江三角洲城市的经济总量或经济活力不及长江三角洲城市。
人均收入前12名的珠江三角洲城市有深圳、东莞、广州、佛山、珠海、中山，前6名是深圳、东莞、广州、佛山、宁波、珠海。
除宁波外，其余5个城市都是珠江三角洲城市。
城镇居民人均可支配收入超过1.2万元的城市依次是深圳、东莞、珠海、杭州、广州、宁波、佛山、江门、上海、中山，其中珠江三角洲城市7个，深圳最高为23544元，东莞16938元，中山最少12803元。
农民年人均纯收入高于5000元的依次为深圳、东莞、广州、佛山、上海、苏州、无锡、宁波、嘉兴、绍兴、中山，其中珠江三角洲城市5个，且排名靠前。
深圳最高9869元，东莞7366元，广州6446元，其余8城市都是5000多元。
可见珠江三角洲城市的人均收入超过长江三角洲城市且优势明显。
通过以上比较可知，珠江三角洲城市优势主要在于综合经济、对外经济、人均收入三方面。
这在一定程度上说明珠江三角洲城市是外向型经济为主，在经济结构和人均收入等方面优于长江三角洲城市，尤其是人均收入优势明显。
但也存在着城市运行成本高的问题。
为此，珠江三角洲城市须加强城市总体规划，大力改善投资环境，提高劳动力素质，提高政府管理能力和服务意识，建立创新的城市协调机制，探索市场机制和行政干预的最优结合，从而最大限度地降低区域经济联系的交易成本，提升珠江三角洲城市的竞争力。
然而珠江三角洲城市在固定资产投资、国内贸易、交通运输、财政收入几方面不及长江三角洲城市。
表明珠江三角洲城市内需相对不足、城市流通功能相对薄弱，城市辐射能力有待进一步提高。
今后应不断开拓国内市场，建成一批档次高、容量大、辐射广的大型专业批发市场。
充分利用旧城改造的机遇，采取“零拆整建”方针，加速骨干商业企业集聚功能的发挥，形成龙头带动、联锁经营的商贸格局。
要进一步加快规划和建设金融、房地产、技术、人才、劳动力、信息等生产要素市场，充分发挥其调节、吞吐、扩散功能，使市场结构日趋完备，功能日臻完善，提升城市的流通功能。
与此同时，广东省范围内要实现资源调配与设施共享，并以铁路、高速公路、大型机场、港口为主要扩展脉络和物流节点，向西南、华中、华东甚至西北地区纵深方向推进，形成与毗邻省区的联合发展态势，拓展珠江三角洲发展空间。
(二)长江三角洲城市经济实力比较。
长江三角洲是我国东部沿海地区最大的城市密集带，经济专业化水平与分工协作水平较高，是我国传统的经济发达地区和对外贸易基地，是我国最重要的经济核心区。
长江三角洲的经济实力总排名是上海、苏州、杭州、宁波、无锡、南京、嘉兴、绍兴、常州、舟山、湖州、镇江、南通、扬州、泰州。
上海不仅总排名居首位，分指标中除人均收人不及宁波外，其他分指标都居于首位。
苏州的固定资产投资、对外经济、财政收入3个分指标领先，是长江三角洲第二经济强市。
杭州的交通运输居前，宁波的人均收入居前，无锡的综合经济居前，南京的国内贸易居前，这4城市的经济实力分别位于长江三角洲城市的3--6位。
上海，位于黄金海岸和黄金水道的交汇点，不仅是长江三角洲经济圈的交通枢纽，而且是长江流域货物流通的主要集散地。
上海将建设成为国际经济、金融、贸易、航运中心的大都市，在长江三角洲经济圈的核心城市地位十分明显。
经过20多年的改革开放，尤其是经过20世纪90年代的持续高速发展，上海国民经济整体素质明显提高，经济体制改革不断深入，现代化城市的基础设施框架初步显现，全方位开放格局基本形成。
在24城市7个分指标中除了人均收入外，其他6个分指标上海都位居第一。
其中固定资产投资和财政收入两指标优势明显。
