曹建智 張健

摘 要：應(yīng)用人工神經(jīng)網(wǎng)絡(luò)理論與方法建立了白洋淀水質(zhì)評價(jià)的神經(jīng)網(wǎng)絡(luò)模型，對白洋淀5個(gè)監(jiān)測斷面水質(zhì)進(jìn)行了評價(jià)，并與主成分分析結(jié)果進(jìn)行對比。結(jié)果表明人工神經(jīng)網(wǎng)絡(luò)模型能很好地解決評價(jià)因子與水質(zhì)等級間復(fù)雜的非線性關(guān)系，評價(jià)水質(zhì)簡便可靠，預(yù)測精度高，具有通性和客觀性。

【關(guān)鍵詞】白洋淀 人工神經(jīng)網(wǎng)絡(luò) 水質(zhì)評價(jià)

1 引言

水環(huán)境質(zhì)量評價(jià)是環(huán)境質(zhì)量評價(jià)的一項(xiàng)重要內(nèi)容，評價(jià)方法主要有物元分析法、模糊綜合法、主成分分析法等。但這些方法都要事先假定模式或主觀規(guī)定一些參數(shù)，缺乏比較科學(xué)的確定環(huán)境因子權(quán)重的量化方法， 各因子權(quán)重的確定正確與否，對水質(zhì)評價(jià)的結(jié)論有比較大的影響，所以評價(jià)結(jié)果具有很強(qiáng)的主觀性，在實(shí)際中還不能得到真正的應(yīng)用。針對上述水質(zhì)評價(jià)存在的不足，國內(nèi)外學(xué)者已開展了多種水質(zhì)評價(jià)方法的研究，其中，人工神經(jīng)網(wǎng)絡(luò)模型具有建立任意輸入與輸出的非線性映射功能以及能模仿人腦進(jìn)行自識別、自組織等特點(diǎn)，被認(rèn)為是近年來興起和具有廣闊發(fā)展前景的方法，并已經(jīng)在湖泊的水質(zhì)綜合評價(jià)和預(yù)測中得到廣泛應(yīng)用。如：通過建立BP神經(jīng)網(wǎng)絡(luò)模型，張昆實(shí)等對荊州市長湖關(guān)咀段的水質(zhì)富營養(yǎng)化狀態(tài)進(jìn)行了分類評價(jià)；朱長軍等通過建立徑向基神經(jīng)網(wǎng)絡(luò)模型，對滏陽河邯鄲市區(qū)段7個(gè)監(jiān)測斷面水質(zhì)進(jìn)行了評價(jià)，均得到很好的結(jié)果?；谀壳吧袩o針對保定市白洋淀水質(zhì)的人工神經(jīng)網(wǎng)絡(luò)綜合評價(jià)模型，筆者采用Matlab人工神經(jīng)網(wǎng)絡(luò)工具箱，建立了一個(gè)能對湖泊水質(zhì)作出正確評價(jià)的BP神經(jīng)網(wǎng)絡(luò)模型，并對白洋淀水質(zhì)現(xiàn)狀作出客觀的評價(jià)，以期為有效保護(hù)和質(zhì)量白洋淀污染提供決策依據(jù)。

2 人工神經(jīng)網(wǎng)絡(luò)模型概述

在模式識別中應(yīng)用最廣泛的是具有誤差反向傳播算法（Back Propagation Algorithm）的人工神經(jīng)網(wǎng)絡(luò)模型，簡稱為BP神經(jīng)網(wǎng)絡(luò)。BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程就是一個(gè)網(wǎng)絡(luò)權(quán)系數(shù)的自適應(yīng)、自調(diào)整過程。經(jīng)過反復(fù)訓(xùn)練后，網(wǎng)絡(luò)具有對學(xué)習(xí)樣本的記憶、聯(lián)想的能力。BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)過程由正向和反向傳播組成。

2.1 正向傳播過程

輸入信號從輸入層經(jīng)隱含層神經(jīng)元傳向輸出層，在輸出端產(chǎn)生輸出信號，若輸出信號滿足給定的輸出要求，計(jì)算就可結(jié)束，若輸出信號不滿足給定的輸出要求，則轉(zhuǎn)入信號反向傳播。

設(shè)輸入層有q+1個(gè)信號輸入，隱含層有p+1個(gè)神經(jīng)元，輸出層有o個(gè)神經(jīng)元，輸入層與隱含層之間的權(quán)值用表示，為隱含層閾值，隱含層與輸出層之間的權(quán)值用表示，為輸出層閾值。

設(shè)隱含層的輸入為，輸出為，輸出層的輸入為，輸出為；

設(shè)訓(xùn)練樣本集為，對應(yīng)任一訓(xùn)練樣本，其中。實(shí)際輸出為，期望輸出為，設(shè)n為迭代次數(shù)，則權(quán)值和實(shí)際輸出均是n的函數(shù)。網(wǎng)絡(luò)輸入訓(xùn)練樣本，由輸出工作信號的正向傳播過程可得隱含層輸入

其中為學(xué)習(xí)率，是一個(gè)給定的常數(shù)。

至此，BP神經(jīng)網(wǎng)絡(luò)完成了正向傳播與反向調(diào)節(jié)的過程。BP算法一般需要經(jīng)過多次迭代，才能使學(xué)習(xí)誤差收斂到預(yù)設(shè)精度。

3 BP神經(jīng)網(wǎng)絡(luò)模型用于白洋淀水質(zhì)評價(jià)

3.1 輸入層神經(jīng)元數(shù)的確定

神經(jīng)網(wǎng)絡(luò)的輸入層神經(jīng)元為水質(zhì)評價(jià)指標(biāo)。本文通過白洋淀實(shí)際水質(zhì)監(jiān)測結(jié)果，最終確定了溶解氧、高錳酸鉀指數(shù)、五日生化需氧量（BOD5）、氨氮（NH3-N）、總磷（TP）、總氮（TN）等6個(gè)影響水質(zhì)分級的主要因子作為建立評價(jià)模型的主要參數(shù)指標(biāo)。

3.2 隱含層和輸出層神經(jīng)元數(shù)的確定

隱含層神經(jīng)元個(gè)數(shù)的確定比較復(fù)雜，目前，BP神經(jīng)網(wǎng)絡(luò)隱含層節(jié)點(diǎn)的選取還沒有理論上的指導(dǎo)，更多的情況是由經(jīng)驗(yàn)和實(shí)驗(yàn)來確定。輸出層神經(jīng)元數(shù)一般確定為水質(zhì)量的級別，所以輸出層神經(jīng)元數(shù)目定為1。本文以模型的誤差為目標(biāo)函數(shù)，經(jīng)試算，最終確定隱層神經(jīng)元為10個(gè)。

3.3 訓(xùn)練樣本的選擇和預(yù)處理

本文選用安新橋（A1）、端村（A2）、大張莊（A3）、留通（A4）、郭里口（A5）等5個(gè)斷面的年平均值作為評價(jià)對象（見表1），各采樣點(diǎn)樣品的采集和測試按照《水環(huán)境監(jiān)測規(guī)范》完成。數(shù)據(jù)處理軟件及其版本為Matlab R2010a。根據(jù)GB3838-2002《地表水環(huán)境質(zhì)量標(biāo)準(zhǔn)》中規(guī)定的分類等級，各類水質(zhì)的環(huán)境指標(biāo)濃度均有限制，只要所要評價(jià)的指標(biāo)處于各類水質(zhì)的濃度限制范圍內(nèi)，該水質(zhì)就是其相應(yīng)的類別。

《地表水環(huán)境質(zhì)量標(biāo)準(zhǔn)》中規(guī)定5類水質(zhì)標(biāo)準(zhǔn)可提供5個(gè)訓(xùn)練樣本，對于BP神經(jīng)網(wǎng)絡(luò)來說，5組訓(xùn)練樣本并不足以反應(yīng)水質(zhì)內(nèi)部之間蘊(yùn)含的規(guī)則，導(dǎo)致BP網(wǎng)絡(luò)水質(zhì)評價(jià)模型魯棒性不強(qiáng)，泛化能力差，識別精度低，沒有實(shí)用價(jià)值。因此必須要對訓(xùn)練樣本進(jìn)行擴(kuò)充。本文根據(jù)標(biāo)準(zhǔn)樣本將水質(zhì)分成6類即I、II、III、IV、V和劣V類，應(yīng)用Matlab對5組樣本進(jìn)行隨機(jī)插值，每類生成50個(gè)樣本，共獲得300個(gè)樣本。由于各指標(biāo)具有不同的量綱，屬于不同類型，故指標(biāo)間具有不可公度性，所以對收集到的訓(xùn)練樣本，一般不直接采用，而要先進(jìn)行歸一化處理。

3.4 網(wǎng)絡(luò)的學(xué)習(xí)訓(xùn)練及結(jié)果驗(yàn)證

本文應(yīng)用MatlabR2010a構(gòu)建網(wǎng)絡(luò)，網(wǎng)絡(luò)中的隱含層和輸出層神經(jīng)元傳遞函數(shù)均用tansig，訓(xùn)練函數(shù)采用trainlm，學(xué)習(xí)速率設(shè)定為0.5，期望誤差為0.0005，網(wǎng)絡(luò)最大訓(xùn)練次數(shù)為1000次。網(wǎng)絡(luò)建成后，從300個(gè)樣本中抽取60組作為測試樣本，其余作為訓(xùn)練樣本對網(wǎng)絡(luò)進(jìn)行訓(xùn)練。設(shè)置完訓(xùn)練參數(shù)后，調(diào)用train函數(shù)對BP網(wǎng)絡(luò)進(jìn)行訓(xùn)練。算法經(jīng)過402步訓(xùn)練到達(dá)了期望誤差，收斂速度很快，檢驗(yàn)樣本和測試樣本兩者的均方誤差曲線的變化趨勢一致，說明網(wǎng)絡(luò)具有很強(qiáng)的泛化能力，完全可以用來評價(jià)水質(zhì)。

3.5 白洋淀水質(zhì)綜合評價(jià)結(jié)果

將白洋淀10個(gè)監(jiān)測點(diǎn)的水質(zhì)監(jiān)測數(shù)據(jù)輸入已經(jīng)訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)模型對它們進(jìn)行評價(jià)，按照其輸出值與期望值的接近程度，決定其屬于那一級，評價(jià)結(jié)果見表2。作為對比項(xiàng)我們還列出了李亞鵬利用主成分分析法得出的結(jié)論。

比較表2中BP神經(jīng)網(wǎng)絡(luò)法和主成分分析法對5個(gè)斷面的評價(jià)結(jié)果，有2組結(jié)果是一致的，其余3組BP神經(jīng)網(wǎng)絡(luò)法的評價(jià)結(jié)果比主成分分析法得到的等級要高一級。這是因?yàn)橹鞒煞址治龇ㄒ笏崛〉膸讉€(gè)成分的累積貢獻(xiàn)率達(dá)到一個(gè)較高的水平才能來判斷水質(zhì)類別，并且?guī)в幸欢ǖ哪：?。而人工神?jīng)網(wǎng)路法是對所有參評因子進(jìn)行學(xué)習(xí)訓(xùn)練而得出的一種綜合評價(jià)結(jié)果，顯然比主成分分析法評價(jià)的結(jié)果更為客觀。

4 結(jié)語

由上可知，白洋淀水質(zhì)都在III類及以上，入淀控制面及周邊地區(qū)甚至達(dá)到劣V類水質(zhì)標(biāo)準(zhǔn)，再加上受到自然如淀水量不足影響，白洋淀水質(zhì)的污染程度將日益加劇。因此，建議保定市應(yīng)盡快編制白洋淀水污染應(yīng)急決策預(yù)案，加大上游污水處理能力建設(shè)，對上游污染源實(shí)行總量控制。其次，嚴(yán)格新建項(xiàng)目管理，從源頭控制污染物排放總量。最后，加大補(bǔ)水力度，提高淀內(nèi)水體自凈能力，建立白洋淀補(bǔ)水長效機(jī)制。

參考文獻(xiàn)

[1]周夢，肖琳.白洋淀水環(huán)境質(zhì)量評價(jià)的物元分析法[J].農(nóng)業(yè)與技術(shù)，34（10），2014，38-40.

[2]郗艷娟，趙振良等.模糊數(shù)學(xué)模型在白洋淀水質(zhì)綜合評價(jià)中的應(yīng)用[J].河北漁業(yè)，12，2010，5-9.

[3]郭翔云，崔慧敏.主成分分析法在白洋淀水質(zhì)評價(jià)中的應(yīng)用[J].河海水利，5，2005，55-56.

[4]張昆實(shí)，萬家云等.BP神經(jīng)網(wǎng)絡(luò)在湖泊水質(zhì)評價(jià)中的應(yīng)用研究[J].長江大學(xué)學(xué)報(bào)（自然科學(xué)版），1（2/3），2004，28-30.

[5]朱長軍，李文耀，張普，人工神經(jīng)網(wǎng)絡(luò)在水環(huán)境質(zhì)量評價(jià)中的應(yīng)用[J].工業(yè)安全與環(huán)保，31（2），2005，27-29.

[6]李亞鵬，白洋淀的水環(huán)境質(zhì)量與保護(hù)對策研究[D].河北農(nóng)業(yè)大學(xué)碩士學(xué)位論文，2006.

作者簡介

曹建智（1981-），男，河北省靈壽縣人。博士學(xué)位?，F(xiàn)供職于河北大學(xué) 數(shù)學(xué)與信息科學(xué)學(xué)院。主要研究方向?yàn)槲⒎址匠碳皯?yīng)用。

作者單位

河北大學(xué)數(shù)學(xué)與信息科學(xué)學(xué)院 河北省保定市 071002