周 燕,王里奧

模糊神經(jīng)網(wǎng)絡(luò)在重慶市飲用水原水水質(zhì)評(píng)價(jià)中的應(yīng)用

周 燕,王里奧

(重慶大學(xué)資源與環(huán)境科學(xué)學(xué)院,重慶400044)

多因子的水質(zhì)綜合評(píng)價(jià)是一個(gè)復(fù)雜的數(shù)學(xué)建模問題,一般方法難以求得精確結(jié)果。人工神經(jīng)網(wǎng)絡(luò)是一種先進(jìn)的復(fù)雜非線性計(jì)算方法,是目前前沿研究領(lǐng)域之一。本文在研究神經(jīng)網(wǎng)絡(luò)和模糊數(shù)學(xué)的基礎(chǔ)上,構(gòu)建了一種模糊神經(jīng)網(wǎng)絡(luò),并用它對(duì)水質(zhì)進(jìn)行評(píng)價(jià)。通過仿真實(shí)驗(yàn)表明了該方法的有效性。

模糊神經(jīng)網(wǎng)絡(luò);水質(zhì)評(píng)價(jià);長(zhǎng)江;嘉陵江

水質(zhì)評(píng)價(jià)是根據(jù)水質(zhì)評(píng)價(jià)標(biāo)準(zhǔn)和水質(zhì)檢測(cè)樣本各項(xiàng)指標(biāo)值,通過一定的數(shù)學(xué)模型,確定樣本的等級(jí)。水質(zhì)評(píng)價(jià)的目的是能夠準(zhǔn)確判斷出水質(zhì)樣本的污染等級(jí),為水質(zhì)源的保護(hù)方案制定提供依據(jù)。水質(zhì)評(píng)價(jià)常用的方法包括單因子評(píng)價(jià)、主分量分析評(píng)價(jià)、綜合指數(shù)評(píng)價(jià)法、模糊評(píng)價(jià)法和灰色評(píng)價(jià)法等[1-4]。人工神經(jīng)網(wǎng)絡(luò)是一種新穎的數(shù)學(xué)建模方法,具有非線性映射、并行性、自適應(yīng)、自學(xué)習(xí)和容錯(cuò)性等能力,能夠解決屬于模式設(shè)別的水質(zhì)評(píng)價(jià)問題。

1 模糊神經(jīng)網(wǎng)絡(luò)原理

1.1 P-S神經(jīng)網(wǎng)絡(luò)模型

前向型神經(jīng)網(wǎng)絡(luò)中一般都含有求和節(jié)點(diǎn),在復(fù)雜問題的求解中往往不能得到較好的結(jié)果,混合型P-S神經(jīng)網(wǎng)絡(luò)中沒有求和節(jié)點(diǎn),可以用來(lái)模擬仿真復(fù)雜系統(tǒng)。假設(shè)輸入層有2個(gè)節(jié)點(diǎn),混合性P-S神經(jīng)網(wǎng)絡(luò)如圖1所示。

圖1 混合型模糊神經(jīng)網(wǎng)絡(luò)

其中S表示相加節(jié)點(diǎn),P表示相乘節(jié)點(diǎn),^表示邏輯運(yùn)算。

當(dāng)輸入節(jié)點(diǎn)為3個(gè)時(shí),P-S神經(jīng)網(wǎng)絡(luò)的輸入如下所示:

y=

其中,x1,x2,x3是網(wǎng)絡(luò)輸入,μAi·μAi·μAi是

123

隸屬度函數(shù),p0,p1,p2,p3是系數(shù)。

隸屬度函數(shù)都用高斯型函數(shù),具體形式如下:

其中,cij和bij為模型參數(shù)。

1.2 P-S神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法

混合型P-S神經(jīng)網(wǎng)絡(luò)根據(jù)網(wǎng)絡(luò)輸出和期望輸出的誤差來(lái)修正系數(shù)和隸屬函數(shù)參數(shù),從而使模糊神經(jīng)網(wǎng)絡(luò)輸出不斷逼近真實(shí)輸出,其學(xué)習(xí)修正算法如下所示:

(1)系數(shù)修正

其中,yd是網(wǎng)絡(luò)的期望輸出,yc是網(wǎng)絡(luò)的實(shí)際輸出,e表示期望輸出和實(shí)際輸出的誤差。

(2)參數(shù)修正

2 基于P-S模糊神經(jīng)網(wǎng)絡(luò)的水質(zhì)評(píng)價(jià)

用P-S模糊神經(jīng)網(wǎng)絡(luò)對(duì)水質(zhì)進(jìn)行評(píng)價(jià),模糊神經(jīng)網(wǎng)絡(luò)水質(zhì)評(píng)價(jià)的分為P-S模糊神經(jīng)網(wǎng)絡(luò)構(gòu)建,模糊神經(jīng)網(wǎng)絡(luò)訓(xùn)練和模糊神經(jīng)網(wǎng)絡(luò)水質(zhì)評(píng)價(jià)3個(gè)部分,如圖2所示。

圖2 模糊神經(jīng)網(wǎng)絡(luò)水質(zhì)評(píng)價(jià)總體結(jié)構(gòu)

其中模糊神經(jīng)網(wǎng)絡(luò)構(gòu)建確定網(wǎng)絡(luò)的輸入和輸出數(shù)量,隸屬度函數(shù)和參數(shù)的個(gè)數(shù),模糊神經(jīng)網(wǎng)絡(luò)訓(xùn)練用國(guó)家標(biāo)準(zhǔn)水質(zhì)劃分標(biāo)準(zhǔn)中的數(shù)據(jù)范圍對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,模糊神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)用訓(xùn)練好的模糊神經(jīng)網(wǎng)絡(luò)對(duì)水質(zhì)等級(jí)進(jìn)行評(píng)價(jià)。

3 仿真實(shí)驗(yàn)

模糊神經(jīng)網(wǎng)絡(luò)用于水質(zhì)評(píng)價(jià)時(shí),需要采用水質(zhì)分級(jí)標(biāo)準(zhǔn)作為訓(xùn)練樣本對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。由于水質(zhì)評(píng)價(jià)數(shù)據(jù)的真實(shí)數(shù)據(jù)比較難找,所以采用了等隔均勻分布方式內(nèi)插標(biāo)準(zhǔn)數(shù)據(jù)表生成樣本的方式來(lái)生成樣本,采用的水質(zhì)標(biāo)準(zhǔn)數(shù)據(jù)表是《地表水環(huán)境質(zhì)量標(biāo)準(zhǔn)》(GB3838-2002),其規(guī)定限值如表1所示。

表1 地表水環(huán)境質(zhì)量標(biāo)準(zhǔn) mg/L

采用內(nèi)插的方式一共得到400組數(shù)據(jù),其中Ⅰ類到Ⅱ類間取100組,Ⅱ類到Ⅲ類間取100組,Ⅲ類到Ⅳ類間取100組,Ⅳ類到Ⅴ類間取100組,共400組,從中隨機(jī)取350組數(shù)據(jù)作為訓(xùn)練數(shù)據(jù),50組數(shù)據(jù)作為測(cè)試數(shù)據(jù)。

采用模糊神經(jīng)網(wǎng)絡(luò)對(duì)重慶市飲用水原水水質(zhì)進(jìn)行評(píng)價(jià),選取的水質(zhì)取樣點(diǎn)分布在重慶城區(qū)長(zhǎng)江和嘉陵江的上游、中游和下游,其中,嘉陵江的上游、中游和下游取水點(diǎn)分別為紅工水廠、高家花園水廠和大溪溝水廠的一級(jí)泵房原水監(jiān)測(cè)點(diǎn),長(zhǎng)江的上游、中游和下游取水點(diǎn)分別為毛紡水廠、和尚山水廠和黃桷渡水廠的一級(jí)泵房原水監(jiān)測(cè)點(diǎn)。水樣每季度采集一次,分析采用水樣的氨氮、溶解氧、化學(xué)需氧量、高錳酸鉀指數(shù)、總磷和總氮全部六項(xiàng)指標(biāo)。

采用神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)1997年-2008年的兩江水質(zhì),首先根據(jù)輸入數(shù)據(jù)和輸出數(shù)據(jù)的特點(diǎn)設(shè)置神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),因?yàn)閿?shù)據(jù)數(shù)據(jù)為六項(xiàng)指標(biāo),輸出數(shù)據(jù)為水質(zhì)標(biāo)準(zhǔn),故設(shè)置網(wǎng)絡(luò)的輸入節(jié)點(diǎn)數(shù)為6,輸出節(jié)點(diǎn)數(shù)為1,并且因?yàn)橛?個(gè)輸入,所以設(shè)置了7組系數(shù), p0-p6。用環(huán)境質(zhì)量標(biāo)準(zhǔn)得到的數(shù)據(jù)對(duì)模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè),首先隨機(jī)初始化系數(shù) p0-p6,b,c,給定一組輸入值 xi,根據(jù)式(2)和(1)可以得到網(wǎng)絡(luò)預(yù)測(cè)值 yci,通過比較預(yù)測(cè)值 yci和期望輸出值yd,通過式(3),(4)和(5)調(diào)整 p0-p6,b,c值,如此訓(xùn)練200次,然后用訓(xùn)練好的網(wǎng)絡(luò)對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行預(yù)測(cè),得到網(wǎng)絡(luò)訓(xùn)練過程和數(shù)據(jù)預(yù)測(cè)如圖3-4所示。

圖3 網(wǎng)絡(luò)訓(xùn)練過程

圖4 測(cè)試數(shù)據(jù)預(yù)測(cè)

運(yùn)用訓(xùn)練好的網(wǎng)絡(luò)對(duì)1997年-2008年的嘉陵江長(zhǎng)江各取水口的原水水質(zhì)進(jìn)行評(píng)價(jià),得到的結(jié)果如圖5-6所示,其中橫坐標(biāo)表示從1997年-2008年每季度水質(zhì)樣本,每個(gè)季度采集一次,一共是48個(gè)季度,縱坐標(biāo)表示樣本水質(zhì)等級(jí)數(shù)據(jù)。

圖5 嘉陵江飲用水原水水質(zhì)評(píng)價(jià)

圖6 長(zhǎng)江飲用水原水水質(zhì)評(píng)價(jià)

從評(píng)價(jià)的結(jié)果可以看出,嘉陵江3個(gè)取水口原水水質(zhì)從1997年-2008年總體呈逐年好轉(zhuǎn)趨勢(shì),從以前的Ⅳ類水體上升為Ⅱ類水體,且近年水質(zhì)都穩(wěn)定在Ⅱ類,上中下游的水質(zhì)也日趨接近;長(zhǎng)江三個(gè)取水口原水水質(zhì)從1997年-2008年也是逐年下降趨勢(shì),從以前的Ⅴ類水體到近年的Ⅱ類水體,上下游的水質(zhì)也是非常接近的。這說明兩江水質(zhì)的治理收到了很好的成效,水質(zhì)評(píng)價(jià)結(jié)果與嘉陵江和長(zhǎng)江的實(shí)際情況相吻合。預(yù)測(cè)結(jié)果的準(zhǔn)確性說明了模糊神經(jīng)網(wǎng)絡(luò)在水質(zhì)預(yù)測(cè)中的應(yīng)用價(jià)值。

4 結(jié)論

本文首先把神經(jīng)網(wǎng)絡(luò)和模糊數(shù)學(xué)相結(jié)合,構(gòu)建了一種模糊神經(jīng)網(wǎng)絡(luò),然后用模糊神經(jīng)網(wǎng)絡(luò)對(duì)水樣水質(zhì)進(jìn)行評(píng)價(jià),通過仿真實(shí)驗(yàn)表明了該方法的有效性,為水質(zhì)評(píng)價(jià)提供了一種新的參考方法。

[1] 尹海龍,徐祖信.我國(guó)單因子水質(zhì)評(píng)價(jià)方法改進(jìn)探討[J].凈水技術(shù),2002,(8):1-3.

[2] 林華榮.大氣環(huán)境質(zhì)量評(píng)價(jià)的主分量綜合指標(biāo)法[J].中國(guó)環(huán)境監(jiān)測(cè),1995,11(3):42-45.

[3] 厲彥玲,王亮.基于綜合指數(shù)法的生態(tài)環(huán)境質(zhì)量綜合評(píng)價(jià)系統(tǒng)的設(shè)計(jì)與應(yīng)用[J].測(cè)繪科學(xué),2005,30(1):89-90.

[4] Takagi T,Sugeno M.Fuzzy identification of systems and its application to modeling and control[J].IEEE Trans on System,Man,and Cybernetworkics,1985,15(1):21-24.

Application of Fuzzy Neural Network in Water Quality Assessment of Chongqing Drinking Water Sources

Water quality evaluation of multi-factor is a complex problem of mathematical modeling.Generally,common methods can not get precise result.Artificial neural network is an advanced complex nonlinear method.It plays a leading role in this field.A kind of fuzzy neural network is conceived by combining the advantages of both neural network and fuzzy mathematics for water quality evaluation.Simulation experiment shows the effectiveness of the method.

fuzzy neural network,water quality assessment,Yangtze river,Jialingjiang river

(College of Resource and Environmental Science,Chongqing University,Chongqing 400044,China)

ZHOU Yan,WANG Li-ao

X824

A

1674-2842(2010)01-0033-03

2009-12-02

周燕(1973-),女,工程碩士,研究方向?yàn)樗h(huán)境保護(hù)。