高凱，賈偉

?

基于T-S模糊神經(jīng)網(wǎng)絡(luò)評價(jià)漢江干流漢中段水質(zhì)

高凱，賈偉

摘 要：為準(zhǔn)確客觀地評價(jià)漢江干流漢中段水環(huán)境質(zhì)量狀況，利用T-S模糊神經(jīng)網(wǎng)絡(luò)模型，對漢江干流漢中段監(jiān)測點(diǎn)，連續(xù)5年的水質(zhì)監(jiān)測狀況數(shù)據(jù)進(jìn)行了分析評價(jià)。結(jié)果表明，在選取的6個(gè)水質(zhì)監(jiān)測指標(biāo)數(shù)據(jù)下，漢江干流漢中段水質(zhì)相對較好，但流經(jīng)城鎮(zhèn)段的水質(zhì)存在惡化的趨勢，需要采取措施進(jìn)行有效的預(yù)防保護(hù)。提出的T-S模糊神經(jīng)網(wǎng)絡(luò)應(yīng)用于水環(huán)境質(zhì)量評價(jià)方法簡便可靠，預(yù)測精度高，可以在水質(zhì)評價(jià)中進(jìn)行推廣。

關(guān)鍵詞：T-S模糊神經(jīng)網(wǎng)絡(luò)；漢江干流漢中段；水質(zhì)評價(jià)

0 引言

水質(zhì)是評判水體環(huán)境質(zhì)量的一個(gè)重要指標(biāo)，對水資源的利用具有重要意義。越來越多的人工神經(jīng)網(wǎng)絡(luò)預(yù)測模型應(yīng)用于水資源與環(huán)境工程領(lǐng)域，也提出了很多新的方法，主要有模糊綜合評價(jià)法、主成分分析法、指數(shù)法、神經(jīng)網(wǎng)絡(luò)模型法、模糊模式識別法及物元可拓法等[1-5]。Carbajal-Hernández等[6]對墨西哥城進(jìn)行了空氣質(zhì)量評估，該評估模型先對采樣數(shù)據(jù)進(jìn)行模糊推理，再將處理后的數(shù)據(jù)通過自回歸模型對空氣質(zhì)量進(jìn)行預(yù)測，取得了較好的效果。但在應(yīng)用這些評價(jià)方法的過程中也暴露出一系列問題，如在模糊綜合評價(jià)中一般采用線性加權(quán)平均模型得到評判集，使評判結(jié)果易出現(xiàn)失真、失效、跳躍等現(xiàn)象，且自適應(yīng)能力較差[7-13]。漢江是南水北調(diào)中線工程的水源地，其水質(zhì)的好壞關(guān)乎著南水北調(diào)受惠區(qū)域中人民的健康；尤其是漢江漢中段作為漢江上游，其水質(zhì)污染狀況及其變化趨勢更為重要。拓守恒等[14]利用模糊神經(jīng)網(wǎng)絡(luò)模型研究了漢江段水質(zhì)，但只采用了一年的取樣數(shù)據(jù)，不能客觀全面的反映漢江水質(zhì)長期連續(xù)變化的過程。為此，本文結(jié)合水質(zhì)評價(jià)標(biāo)準(zhǔn)，采用一種有效的智能T-S模糊神經(jīng)網(wǎng)絡(luò)水質(zhì)評價(jià)方法，對漢江干流漢中段連續(xù)5年監(jiān)測點(diǎn)的水質(zhì)數(shù)據(jù)進(jìn)行全面評價(jià)，以期能為環(huán)保部門提供更為科學(xué)的參考依據(jù)。

1 水質(zhì)評價(jià)

1.1 樣本選取

在此以國家頒布的《地表水環(huán)境質(zhì)量標(biāo)準(zhǔn)》（GB3838-2002）作為評價(jià)依據(jù)，結(jié)合漢江干流漢中段水質(zhì)狀況，有針對性地選擇了氨氮（NH3-N）、溶解氧（DO）、氰化物、高錳酸鹽指數(shù)、五日生化需氧量(BOD5)和六價(jià)鉻等6項(xiàng)指標(biāo)來綜合評價(jià)漢江水質(zhì)狀況。本研究將以2006~2010年五年間漢江干流漢中段國控1個(gè)監(jiān)測斷面（烈金壩C1）和省控4個(gè)監(jiān)測斷面（梁西渡C2、南柳渡C3、蒙家渡C4和黃金峽C5）的河流水質(zhì)監(jiān)測的年平均值（數(shù)據(jù)均來自2006~2010年漢中市環(huán)保局環(huán)境統(tǒng)計(jì)數(shù)據(jù)）作為模糊神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本數(shù)據(jù)，采樣數(shù)據(jù)如表1~表5所示。

表1　2006年漢江干流水系水質(zhì)監(jiān)測年平均值（單位：mg/L）

表2　2007年漢江干流水系水質(zhì)監(jiān)測年平均值（單位：mg/L）

表3　2008漢江干流水系水質(zhì)監(jiān)測年平均值（單位：mg/L）

表4　2009漢江干流水系水質(zhì)監(jiān)測年平均值（單位：mg/L）

表5　2010漢江干流水系水質(zhì)監(jiān)測年平均值（單位：mg/L）

1.2 評價(jià)模型

基于T-S模糊神經(jīng)網(wǎng)絡(luò)的漢江干流漢中段水質(zhì)評價(jià)算法流程如圖1所示：

圖1　基于T-S模糊神經(jīng)網(wǎng)絡(luò)的漢江干流漢中段水質(zhì)評價(jià)算法流程

模糊神經(jīng)網(wǎng)絡(luò)根據(jù)訓(xùn)練樣本輸入、輸出維數(shù)確定網(wǎng)絡(luò)的輸入和輸出節(jié)點(diǎn)數(shù)，由于輸入數(shù)據(jù)維數(shù)為6，輸出數(shù)據(jù)維數(shù)為1，所以確定網(wǎng)絡(luò)的輸入節(jié)點(diǎn)個(gè)數(shù)為6，輸出節(jié)點(diǎn)個(gè)數(shù)為1，根據(jù)網(wǎng)絡(luò)輸入輸出節(jié)點(diǎn)數(shù)，通過試錯(cuò)法確定隸屬度函數(shù)個(gè)數(shù)為12，故確定模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)為6-12-1，隨機(jī)初始化模糊隸屬度函數(shù)中心c，寬度b和系數(shù)p0~p6。為保證精度，模糊神經(jīng)網(wǎng)絡(luò)訓(xùn)練用訓(xùn)練數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)，采用matlab2010b的linspace函數(shù)在各級評價(jià)標(biāo)準(zhǔn)之間按隨機(jī)均勻分布方式內(nèi)插生成訓(xùn)練樣本。水質(zhì)指標(biāo)標(biāo)準(zhǔn)數(shù)據(jù)來自表1，網(wǎng)絡(luò)反復(fù)訓(xùn)練100次[15]。

2 結(jié)果與討論

首先，用訓(xùn)練樣本訓(xùn)練模糊神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)反復(fù)訓(xùn)練100次。其次，用訓(xùn)練好的模糊神經(jīng)網(wǎng)絡(luò)評價(jià)漢江干流漢中段流域水質(zhì)，根據(jù)網(wǎng)絡(luò)預(yù)測值得到水質(zhì)等級標(biāo)準(zhǔn)。按照“優(yōu)良中次差”的五級評價(jià)習(xí)慣，我們將評價(jià)等級劃分為五級，預(yù)測值小于1.5時(shí)水質(zhì)為一級，預(yù)測值在1.5~2.5時(shí)水質(zhì)為二級，預(yù)測值在2.5~3.5時(shí)水質(zhì)為三級，預(yù)測值在3.5~4.5時(shí)為四級，預(yù)測值大于4.5時(shí)水質(zhì)為五級。根據(jù)訓(xùn)練好的模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行樣本測試，發(fā)現(xiàn)網(wǎng)絡(luò)的預(yù)測輸出值與實(shí)際輸出值非常接近，200個(gè)訓(xùn)練數(shù)據(jù)誤差如圖2所示：

圖2　訓(xùn)練樣本測試等級比較

100個(gè)測試數(shù)據(jù)誤差如圖3所示：

圖3　測試樣本預(yù)測與等級比較

結(jié)果表明本文構(gòu)建的模型對水質(zhì)進(jìn)行綜合評價(jià)精確度很高[16-19]。

以T-S模糊神經(jīng)網(wǎng)絡(luò)模型對漢江干流漢中段流域5個(gè)監(jiān)測斷面，連續(xù)5年的監(jiān)測水質(zhì)評價(jià)結(jié)果，如圖4所示：

圖4　漢江漢中段5個(gè)監(jiān)測斷面5年的T-S模糊神經(jīng)網(wǎng)絡(luò)評價(jià)

該圖可知，“十一五”期間漢江干流水質(zhì)均達(dá)到II級以上，漢江干流烈金壩、梁西渡、蒙家渡和黃金峽斷面從2006年開始水質(zhì)有不同程度的改善，特別是2010年，各監(jiān)測斷面水質(zhì)明顯趨好，也說明漢中對漢江水質(zhì)加大了治理污染的力度。

南柳渡斷面水質(zhì)污染從2006年開始明顯呈上升趨勢，說明漢江干流流經(jīng)城鎮(zhèn)段污染明顯嚴(yán)重，因此政府應(yīng)加快城鎮(zhèn)污水處理廠建設(shè)，淘汰關(guān)停重污染企業(yè)，著力推進(jìn)“十二五”減排規(guī)劃，確保漢江水質(zhì)安全良好，為南水北調(diào)做好保障工作[20，21]。

3 總結(jié)

本研究應(yīng)用T-S模糊神經(jīng)網(wǎng)絡(luò)，依據(jù)《地表水環(huán)境質(zhì)量標(biāo)準(zhǔn)》（GB3838－2002）中的6項(xiàng)評價(jià)指標(biāo)及其插值形成的數(shù)據(jù)作為訓(xùn)練樣本，以漢江干流漢中段5年的數(shù)據(jù)作為檢驗(yàn)樣本，得到合理的評價(jià)等級，采用本文模型評價(jià)水質(zhì)，可以避免過多地人工干預(yù)分析，可以有效提高工作效率，綜合評價(jià)的結(jié)果更能全面地反映水質(zhì)污染的實(shí)際情況，為環(huán)境管理提供更科學(xué)的依據(jù)。

考慮到當(dāng)前監(jiān)測的指標(biāo)數(shù)據(jù)情況和漢中本地環(huán)境污染的的可能狀況，我們僅選擇了這6項(xiàng)典型指標(biāo)作為評價(jià)因子，對在某些污染物排放方面如“石油類”等沒有考慮，可能導(dǎo)致評價(jià)的不全面。這將在我們后期的工作中，視漢中污染的可能因素和人們的關(guān)心情況，在今后的監(jiān)測中進(jìn)行檢測，并加入到模型中進(jìn)行評價(jià)。

此外，在環(huán)境監(jiān)測研究系統(tǒng)開發(fā)中，可以利用物聯(lián)網(wǎng)技術(shù)，實(shí)時(shí)動(dòng)態(tài)的監(jiān)測指標(biāo)，及時(shí)的將數(shù)據(jù)傳遞到系統(tǒng)中，利用文中的模型給出評價(jià)結(jié)果，從而按月或天給出水質(zhì)評價(jià)的連續(xù)動(dòng)態(tài)結(jié)果。

參考文獻(xiàn)

[1] 陳琳, 劉俊民, 劉小學(xué). 支持向量機(jī)在地下水水質(zhì)評價(jià)中的應(yīng)用[J]. 西北農(nóng)林科技大學(xué)學(xué)報(bào)(自然科學(xué)版), 2010, 30(11): 221-226.

[2] Longqin Xu,Shuangyin Liu. Study of short-term water quality prediction model based on wavelet neural network[J]. Mathematical and Computer Modelling . 2013 (3-4)

[3] Jeen Lin,Ruey-Jing Lian. Design of a grey-prediction self-organizing fuzzy controller for active suspension systems[J]. Applied Soft Computing Journal . 2013 [3] Sepideh Karimi,Ozgur Kisi,Jalal Shiri,Oleg Makarynskyy. Neuro-fuzzy and neural network techniques for forecasting sea level in Darwin Harbor, Australia[J]. Computers and Geosciences . 2013

[4] José Juan Carbajal-Hernández,Luis P. Sánchez-Fernández,Jesús A. Carrasco-Ochoa,José Fco. Martínez-Trinidad. Assessment and prediction of air quality using fuzzy logic and autoregressive models[J]. Atmospheric Environment . 2012

[5] H.Y. Wu,K.L. Chen,Z.H. Chen,Q.H. Chen,Y.P. Qiu,J.C. Wu,J.F. Zhang. Evaluation for the ecological quality status of coastal waters in East China Sea using fuzzy integrated assessment method[J]. Marine Pollution Bulletin . 2011 (3)

[6] Carbajal-Hernández J．J．，Sánchez-Fernández L．P．，Carrasco-Ochoa J．A．，et al．Assessment and prediction of air quality using fuzzy logic and autoregressive models[J]．Atmospheric Environment，2012，60: 37-50

[7] 胡偉偉, 李婷, 馬致遠(yuǎn). 模糊綜合評價(jià)法與綜合評價(jià)法在礦區(qū)水質(zhì)評價(jià)中的對比研究[J]. 地下水, 2011, 33(3): 143-144.

[8] 汪天祥, 許士國, 韓成偉. 改進(jìn)主成分分析法在南淝河水質(zhì)評價(jià)中的應(yīng)用[J]. 水電能源科學(xué), 2012, 30(10): 33-36.

[9] 王林, 王興澤. 水質(zhì)標(biāo)識指數(shù)法在太子河水質(zhì)評價(jià)中的應(yīng)用[J]. 北方環(huán)境, 2012, 27(5): 198-200.

[10] 周忠壽. 基于T-S模型的模糊神經(jīng)網(wǎng)絡(luò)在水質(zhì)評價(jià)中的應(yīng)用[D]. 河海大學(xué), 2007.

[11] 周林飛, 趙嶄, 孫佳竹, 等. 基于模糊模式識別的渾河水質(zhì)評價(jià)研究[J]. 水土保持研究, 2012, 19(5): 163-166.

[12] 蘭雙雙, 姜紀(jì)沂, 王濱. 基于物元可拓法的地下水水質(zhì)評價(jià)[J]. 吉林大學(xué)學(xué)報(bào)(地球科學(xué)版), 2009, 39(4): 722-727.

[13] 薛巧英. 水環(huán)境質(zhì)量評價(jià)方法的比較分析[J]. 環(huán)境保護(hù)科學(xué), 2004, 30(8): 35-40.

[14] 拓守恒, 何紅, 李鵬飛. 基于T-S模糊神經(jīng)網(wǎng)絡(luò)模型的漢中段漢江流域水質(zhì)評價(jià)與分析[J].計(jì)算機(jī)時(shí)代, 2013, (8):46-48, 51.

[15] 王小川, 史峰, 郁磊, 等. Matlab神經(jīng)網(wǎng)絡(luò)43個(gè)案例分析[M]. 北京: 北京航空航天大學(xué)出版社, 2013: 288-297.

[16] 師黎, 陳鐵軍. 智能控制理論及應(yīng)用[M]. 北京: 清華大學(xué)出版社, 2009.

[17] 張宇, 盧文喜, 陳社明. 基于T-S模糊神經(jīng)網(wǎng)絡(luò)的地下水水質(zhì)評價(jià)[J]. 節(jié)水灌溉, 2012, 7(7): 35-38.

[18] 孫增圻, 徐紅兵. 基于T-S模型的模糊神經(jīng)網(wǎng)絡(luò)[J]. 清華大學(xué)學(xué)報(bào)(自然科學(xué)版), 1997, 37(3): 76-80.

[19] 蔡述明, 陳國階. 漢江流域資源合理開發(fā)利用與經(jīng)濟(jì)發(fā)展綜合研究[M]. 武漢: 湖北科學(xué)技術(shù)出版社, 1997.

[20] 王云麗. 南水北調(diào)中線受水區(qū)水資源可持續(xù)利用評價(jià)[J]. 水科學(xué)與工程技術(shù), 2015, 189(1): 9-11.

[21] 劉秋. 南水北調(diào)中線水源區(qū)土地的利用生態(tài)安全分析—以陜西省為例[J]. 首都師范大學(xué)學(xué)報(bào)(自然科學(xué)版), 2015, 36(1): 95-98.

T-S Fuzzy Water Quality of Hanjiang River in Hanzhong Section Based on Neural Network Evaluation

Gao Kai, Jia Wei
(School of Mathematics and Computer Science, Shaanxi University of Technology, Hanzhong 723001, China)

Abstract:In order to evaluate the water environmental quality status accurately and objectively in Hanzhong stretch of Hanjiang mainstream, this paper uses T-S fuzzy neural network model to do analysis and evaluation to the water quality monitoring data got in the monitoring points of Hanzhong stretch of Hanjiang mainstream for five years in a row. The results shows that according to the six selected indicators of water quality monitoring data, the water quality of Hanzhong stretch of Hanjiang mainstream is relatively good, but the water quality of stretch through the town tends to be deteriorated, to which measures should be taken to protect. In this paper, TS fuzzy neural network used in water environmental quality assessment method is simple, reliable, high prediction accuracy, which can promote water quality evaluation.

Key words:T-S Fuzzy Neural Network; Hanjiang River in Hanzhong City; Water Quality Evaluation Research

收稿日期：（2015.06.04）

作者簡介：高 凱（1981-），漢中人，陜西理工學(xué)院，數(shù)學(xué)計(jì)算機(jī)科學(xué)學(xué)院，講師，碩士，研究方向：智能優(yōu)化算法、無線傳感器網(wǎng)絡(luò)和環(huán)境數(shù)據(jù)處理等，漢中，723001 賈 偉（1977-），男，陜西理工學(xué)院，數(shù)學(xué)計(jì)算機(jī)科學(xué)學(xué)院，講師，研究方向：為計(jì)算機(jī)網(wǎng)絡(luò)與智能計(jì)算，漢中，723001

基金項(xiàng)目：陜西理工學(xué)院科研計(jì)劃資助項(xiàng)目（SLGKY12-04）

文章編號：1007-757X(2016)02-0051-03

中圖分類號：TP399

文獻(xiàn)標(biāo)志碼：A