谢谢朴文华的问题（蓝色字体），黑色字体是我的回答、或疑问、或补充说明  

王老师您好， 谢谢您上次的详细解答， 我还有几个一直都纠结着的问题想请教您~~
我是对几个污水处理厂运行阶段进行LCA的研究，但是我的指导老师建议用一年12个月的数据来进行，这样一来对3个污水处理厂的12个组数据进行LCA， 经过12次的重复过程后得到3个污水厂的12月的相对比较的结果。但是在同样的环境影响中（比如温室气体效应）的差距也不是很大，因为夏季的降雨量比较多，所以比冬季的环境影响低一些。
第一个问题是, 我现在很纠结这样对12个月进行LCA有没有价值呢? 因为我只考虑运行阶段，建设阶段和废弃阶段都不在范围内。而很多文献里都只考虑一年的总量或者1m3 污水时的平均值。

“是否区分12个月”其实是LCA的“目标定义”的一部分，即你是否想回答“一年中的差异”这样的问题。首先，LCA标准当然是允许提这类问题、进行这类分析的。其次，你问”是否有价值”，这不仅取决于差别是否显著，也取决于LCA的目标受众是否对这个问题感兴趣（你研究的目标受众是谁？）。第三，即便目标受众不明确或他们不是特别关注这个问题，你能得到诸如“因为夏季的降雨量比较多，所以比冬季的环境影响低一些”这样的结论与分析，作为研究内容的一个部分也并非全无价值。

这个问题与LCA的“目标定义”有关，即研究什么产品？回答什么问题（因此要选择哪些指标、收集哪些数据）？要讲给谁听（目标受众）？受众获得这些LCA结果可以用于哪些决策（目标应用）？这些问题看似简单，但在LCA工作过程中，常常以此作为判断和选择的依据，所以LCA的目标定义还是很重要的问题。

 
第二个问题是, 对这三个污水厂的运行阶段做完LCA后，提几个污泥管理的方案，比如 A污水厂没有污泥厌氧消化池，所以要运行到B处理厂后，与B处理厂的消化污泥合并进行厌氧消化而得出沼气和脱水污泥。但问题是当假设这个方案时， 怎么得出合并后的沼气和脱水污泥的产量呢？ 我的指导老师是做有关统计学研究的，所以想用回归分析的统计学方法来计算，但是我在文献中看的是用了一些活性污泥模型（是一种基于windows来进行模拟的软件，比如 GPS-X）来得出预测值，但如果现在开始学这软件也需要一些时间，所以实验室很多前辈们都不太赞成。而回归分析得出来的结果我又不太相信，因为就考虑一种进入消化池的污泥量的数据来预测了沼气的产量和最终脱水污泥排放量。现在因为一值得不到满意的沼气和污泥产量等数据，所以其后的LCA计算就更进行不了了。 这种情况该怎么办呢？ 一般用LCA做假设的方案对比时，那些排放物的数据时怎么得来的呢？

不太懂这个问题和具体技术过程。大致说个原则，供参考。

LCA的数据收集本质上就用各种raw data、采用具体的计算步骤mathematical relations，算出单元过程的各项消耗与排放。这就是一个建立数学模型的过程（在Global Guidance Principle for LCA database中，我们称为unit process modeling）。当然，数学模型应该反映实际过程中的技术性的因果关系，即各项消耗排放是由什么因素（raw data）决定的、数量关系是什么。例如，通常产品产量是自由变化的（即过程的基准流）、主原料的投入量是受产量影响的、配料受主原料影响、排放受消耗影响，通常依赖于物料平衡关系。你说的“活性污泥模型”及其“预测值”可能就是这类数量关系，可以为部分消耗或排放的计算提供依据。

无论如何，你应该先得出一套完整的消耗排放数据（单元过程数据集），而且数据收集过程采用的因果关系（算法）不应该严重偏离实际过程。你觉得用一个因素计算不准确，可以查技术文献，还受哪些因素影响，加入到你的算法中（这是研究本身该做的）。必要时可以采用假设（代价是缩小了你研究结论的适用范围）。

至于准不准确是另外一个层面的问题。当你有多种获得数据的方式时，才需要判断数据质量并选择。

我没用过回归分析，我理解回归分析结论显示的是“相关性”，这些相关性必须符合因果关系，即应该在技术和机理上可解释，然后才考虑是否能使用其数量关系。

你如果有结果，欢迎写出来看看。

关于单元过程数据收集的补充说明：

数据获得方法：通常主要的输入和输出种类和数量应该从相关行业和技术资料、实际生产记录、实际监测中收集，而配料计算和物料平衡计算是一种辅助性的获得数据的方法，可用于计算一些次要的输入和输出。

注意：物料平衡计算和物料平衡检查是不同的意思。物料平衡检查不是为了获得输入输出数据，而是数据收集完成后的检查步骤。如果某些平衡关系尚未用于输入和输出计算，则可以用于数据集的检查，帮助发现可能的错漏。