朱增加+戴青松+盧高峰+王樂陽+蔡浩

摘 要 利用基本的神經(jīng)網(wǎng)絡(luò)模型在評價模型中確定指標權(quán)重的優(yōu)勢，將神經(jīng)網(wǎng)絡(luò)融入到評價模型之中，能夠很好地對水質(zhì)進行評價，為政府進行水質(zhì)的保護采取措施提供依據(jù)。

關(guān)鍵詞 神經(jīng)網(wǎng)絡(luò)模型；模糊綜合評價；權(quán)重；水質(zhì)評價

中圖分類號：X824 文獻標識碼：A 文章編號：1671-7597（2014）07-0147-01

目前，水污染很嚴重，治理好水污染，改善環(huán)境，防止造成進一步的污染，已經(jīng)成為了社會所研究的重點。因此，水質(zhì)的評價成為了一項重要的研究熱點，根據(jù)水質(zhì)的相關(guān)的指標的特點，綜合分析得到水質(zhì)的狀況，能夠為政府采取合理的措施提供依據(jù)。目前，神經(jīng)網(wǎng)絡(luò)模型對水質(zhì)進行評價已經(jīng)成為了熱點，神經(jīng)網(wǎng)絡(luò)的優(yōu)點在于權(quán)重的確定方面，能夠合理的確定各個指標的權(quán)重，但是在評價的模型上[1]，神經(jīng)網(wǎng)絡(luò)用的層層分析模型，沒有做夠好的進行水質(zhì)的評價，本文在神經(jīng)網(wǎng)絡(luò)中融合模糊綜合評價模型，能夠很好的對水質(zhì)進行評價。

1 神經(jīng)網(wǎng)絡(luò)理論

人工神經(jīng)網(wǎng)絡(luò)（AnificialNeural Nemorks，ANN）是通利用數(shù)學模型的方法進行抽象和模擬，是一種模仿人腦結(jié)構(gòu)和它的功能的非線性的信息處理系統(tǒng)。它主要是大量的單元相互連接而組成的網(wǎng)絡(luò)結(jié)構(gòu)，來實現(xiàn)大腦的感知和學習功能。神經(jīng)網(wǎng)絡(luò)拓撲結(jié)構(gòu)可以分為前饋多層式網(wǎng)絡(luò)模型、反饋遞歸式網(wǎng)絡(luò)模型和隨機型網(wǎng)絡(luò)模型等。根據(jù)研究水質(zhì)問題多因素權(quán)重問題以及神經(jīng)網(wǎng)絡(luò)的相關(guān)理論，前饋多層式網(wǎng)絡(luò)中的反向傳播神經(jīng)網(wǎng)絡(luò)（BP神經(jīng)網(wǎng)絡(luò)）具有良好的持久性以及適時預報性，因此在本文的評價模型中，我們都采用BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)方式[2]。

前饋神經(jīng)網(wǎng)絡(luò)分為了神經(jīng)元分層排列，包含了輸入層、隱含層和輸出層三個層次結(jié)構(gòu)，每個層次的神經(jīng)元只能夠接收前一個層次的神經(jīng)元，層層對應。這是一種比較強有力的學習系統(tǒng)，它的結(jié)構(gòu)相對而言較為簡單，并且編程也比較容易，是一種靜態(tài)的非線性映射，通過簡單的非線性處理進行復合映射，能夠得到更加復雜的處理能力。這些前饋網(wǎng)絡(luò)學習，它們分類能力和模式識別的特點都要強于一般的反饋網(wǎng)絡(luò)。典型的前饋網(wǎng)絡(luò)有感知器網(wǎng)絡(luò)和BP網(wǎng)絡(luò)。水質(zhì)評價模型中，一般采用的都是BP神經(jīng)網(wǎng)絡(luò)，能夠很好的處理各個指標之間的關(guān)系特點，做到很好的評價，但是需要一個更好的模型結(jié)合神經(jīng)網(wǎng)絡(luò)確定權(quán)重的特點進行水質(zhì)評價，能夠收到更好的效果。

2 模糊綜合評價的基本理論

模糊數(shù)學是利用數(shù)學方法進行研究與處理模糊現(xiàn)象的數(shù)學。模糊綜合評價作為一門新的評價科學，是典型數(shù)學、統(tǒng)計數(shù)學之后的發(fā)展起來的一門新的數(shù)學學科，可以處理很多之前數(shù)學無法解決的問題。開始具有爭議，經(jīng)過一段時間，開始迅速發(fā)展，而且涉及的應用領(lǐng)域越來越廣泛，已經(jīng)遍及理、工、農(nóng)、醫(yī)及社會科學，充分體現(xiàn)了評價模型的優(yōu)越之處。

模糊綜合評價法是一種利用模糊數(shù)學為基礎(chǔ)的綜合評標方法。綜合評價法利用模糊數(shù)學隸屬度理論和模糊變換原理，根據(jù)給出的評價標準與實測值，考慮到被評價事物的各個相關(guān)因素，對其進行綜合評價。對于模糊綜合評價向量，即綜合隸屬度，可用如下公式：

A為輸入，代表參加評價因子的權(quán)重經(jīng)歸一化處理得到的一個1×n階矩陣；R為模糊變換裝置，是通過單因素評判得到的隸屬度向量，是一個n×m階的模糊關(guān)系矩陣；B為輸出，代表綜合評判結(jié)果，是一個1×m階矩陣[3]。

其中評價因子是m集合為：，分別為參與評價的n個評價因子。其中評價等級共m個等級，組成集合為：。

評判矩陣和隸屬度的式子為：

3 神經(jīng)網(wǎng)絡(luò)和模糊綜合評價結(jié)合算法

神經(jīng)網(wǎng)絡(luò)模型評價的精華在于權(quán)重的分析確定上，模糊綜合評價模型的優(yōu)點在于系統(tǒng)的評價模型，因此在評價的時候，只要將這兩者的優(yōu)點結(jié)合起來，就能夠得到很好的效果，因此設(shè)計了以下算法模型，能夠合理的對水質(zhì)進行評價，為科學的采取污染防治措施提供依據(jù)。

Step1：網(wǎng)絡(luò)初始化。根據(jù)系統(tǒng)輸入輸出序列（X，Y）確定網(wǎng)絡(luò)輸入層節(jié)點數(shù)p、隱含輸入層節(jié)點數(shù)l，輸出層節(jié)點數(shù)q，初始化輸入層、隱含層和輸出層神經(jīng)元之間的連接權(quán)值α和β（α為初始權(quán)重，β為臨界值，均隨機設(shè)為較小的數(shù)）給定學習速率和神經(jīng)元[4][5]。

Step2：輸出計算。將已有的樣本數(shù)值加在網(wǎng)絡(luò)上，利用公式算出其輸出值：

Step3：調(diào)整權(quán)系數(shù)。根據(jù)網(wǎng)絡(luò)預測誤差，按已知輸出數(shù)據(jù)與上面算出的輸出數(shù)據(jù)之差，調(diào)整權(quán)重系數(shù)，其中調(diào)整量為：其中：因為隱節(jié)點的輸出內(nèi)部抑制，利用反向推算可以得到：誤差值從輸出層反向推導得到。

Step4：對各層的權(quán)重系數(shù)進行調(diào)整后，得到調(diào)整后的權(quán)

重為：

BP神經(jīng)網(wǎng)絡(luò)利用梯度下降算法，通過迭代運算，不斷調(diào)整mij的數(shù)值，當?shù)玫降妮敵稣`差小于所設(shè)定的閥值時，將認為獲得的mijBP神經(jīng)網(wǎng)絡(luò)是合理的。而不斷迭代的方法相當于對各類情況進行調(diào)整，具有一定的學習記憶特征。

基金項目

國家自然科學基金青年基金（11201485）；徐州工程學院校青年項目（XKY2010201）。

參考文獻

[1]劉起霞，李清波，鄒劍峰.環(huán)境工程地質(zhì)[M].鄭州：黃河水利出版社，2001.

[2]孫會君，王新華.應用人工神經(jīng)網(wǎng)絡(luò)確定評價指標的權(quán)重[J].山東科技大學學報（自然科學版），2001，20（3）：84-86.

[3]萬金保，李媛媛.模糊綜合評價法在鄱陽湖水質(zhì)評價中的應用[J].上海環(huán)境科學，2007，26（05）：215-218.

[4]金菊良，魏一鳴，丁晶.基于改進層次分析法的模糊綜合評價模型[J].水利學報，2004（03）：65-70.

[5]郭慶春，何振芳，李力，等.BP人工神經(jīng)網(wǎng)絡(luò)模型在太湖水污染指標預測中的應用[J].南方農(nóng)業(yè)學報，2011，42（10）.

作者簡介

朱增加（1993-），本科，主要從事水體污染控制模型、機械污染處理研究等。endprint