孟凡香，李天霄

(1.東北農業(yè)大學 水利與建筑學院，黑龍江 哈爾濱 150030；2.黑龍江省高校節(jié)水農業(yè)重點實驗室，黑龍江 哈爾濱 150030)

?

基于ABC-BP模型的阿什河流域水安全評價

孟凡香1,2，李天霄2

(1.東北農業(yè)大學 水利與建筑學院，黑龍江 哈爾濱 150030；2.黑龍江省高校節(jié)水農業(yè)重點實驗室，黑龍江 哈爾濱 150030)

針對水安全評價的特點，將人工蜂群算法(ABC)引入到BP神經網絡中，對其網絡結構、初始權值和閾值進行優(yōu)化，通過將BP神經網絡參數的優(yōu)化過程轉化為蜜蜂尋找最佳蜜源的過程，建立了基于人工蜂群算法優(yōu)化的BP網絡。選取11個水安全評價指標，以阿什河流域2011年阿城觀測斷面實測數據為例，對其2011年的水安全狀況進行了全面的評價。研究結果表明：阿什河流域2011年水安全等級普遍較差，均在Ⅲ級以下，與實際情況相符，且評價結果具有很強的穩(wěn)定性和魯棒性。因此，采用ABC-BP模型對流域水安全進行評價是一種行之有效的方法，研究成果為流域水安全評價提供了新的思路和方法。

阿什河流域；水安全評價；人工蜂群算法；BP神經網絡

阿什河是哈爾濱市阿城區(qū)內流程最長的清水源河流，它曾留下古代女真文明的烙印，也曾彰顯哈爾濱市的千年文脈，然而在地方片面追求經濟增長的今天，其污染也日益嚴重。自2005年松花江水污染事件以來，我國非常重視跨境江河水的保護與治理。另外，阿什河是哈爾濱市內最大的內河，位于哈爾濱市東部，從城市發(fā)展角度尚屬未開發(fā)區(qū)域，從生態(tài)角度屬自然特征良好，自然景觀豐富，且為金源文化的發(fā)源地，歷史悠久。此種背景下，采用現(xiàn)代數據處理方法和理論對阿什河流域水安全進行研究，一方面可以改善阿什河流域的水環(huán)境，保護阿什河流域的文化底蘊，另一方面對于國家與鄰國關系的和睦相處都具有非常重大的意義。近幾年來，關于阿什河流域水安全的研究引起了許多學者的注意，他們分別從不同的角度對阿什河流域的水安全進行了研究，取得了一定的研究成果，如：馬放等人[1]采用SWAT模型模擬了阿什河流域退耕還林、等高種植、化肥減量與植被過濾帶等4種非點源污染控制措施及其綜合效果，得出了植被過濾帶是阿什河流域非點源污染防治的最佳措施；胡鈺等人[2]利用水質、土壤監(jiān)測技術和15N穩(wěn)定同位素示蹤技術，對流域水安全進行了研究，得出阿什河流域氮污染較嚴重；聶鑫[3]研究了阿什河流域的水環(huán)境容量和污染物總量控制措施；周浩[4]、高鳳杰[5]、周軍[6]等分別從不同的角度，對阿什河流域的非點源污染進行了研究；汪胡根等人[7]采用BP神經網絡技術對阿什河流域的水安全進行了評價。上述研究從不同的角度對阿什河流域的水安全問題進行了研究，因采用的方法不同得到的研究結果也不盡相同。本文通過采用人工蜂群算法(ABC)優(yōu)化BP神經網絡模型的網絡結構、初始權值和閾值，選取11個水安全評價指標，以阿什河流域2011年阿城觀測斷面實測數據為例，對其2011年的水安全狀況進行了全面的評價，以期為阿什河流域水環(huán)境保護提供理論支撐。

1　研究方法

1.1BP網絡簡介

BP(Back-Propagation)網絡是1985年由美國加州大學的麥克萊倫德(McClelland)和魯梅爾哈特(D.Rumelhart)提出的一種多層前饋神經網絡的反向傳播學習算法，主要是為了研究并行分布式信息處理。隨后Hecht-Nielesen等人從數學理論上證明了Kolinogorov關于在一個相當寬的范圍內，多層反向傳播網絡能以任意精度逼近定義在緊致子集上的任意非線性連續(xù)函數，從而為反向傳播網絡的應用提供了理論根據[8]。目前，BP網絡己經成為應用最多且最重要的一種神經網絡形式。

1.2人工蜂群算法

為了解決多變量函數優(yōu)化等問題，Karaboga于2005年提出了人工蜂群算法(artificial bee colony algorithm，簡稱ABC算法)。人工蜂群算法是模仿蜜蜂采蜜行為提出的一種優(yōu)化方法，是集群智能思想的一個具體應用，具有原理簡單、魯棒性和全局性好、收斂速度快等特點，是當前優(yōu)化研究領域的熱點[9]。由于蜂群算法已被證明比遺傳算法(GA)，粒子群優(yōu)化(PSO)、差分進化(DE)和蟻群算法之中任意一個都具有更好的優(yōu)化性能，因此被廣泛應用于函數優(yōu)化、動態(tài)規(guī)劃以及車間調度等熱點問題中。

1.3基于ABC優(yōu)化的BP網絡模型

將ABC算法與BP網絡相融合，利用ABC算法尋找最優(yōu)的BP網絡權值和閥值，具體步驟如下：

步驟一：創(chuàng)建一個BP神經網絡；

步驟二：初始化ABC算法有關參數；

步驟三：計算收益度進行尋優(yōu)；

步驟四：將得到的最優(yōu)解變換成BP網絡的連接權值和閥值，用水質數據進行評價和測試神經網絡。

2　阿什河流域水安全評價

2.1數據來源及評價標準

采用阿什河流域上的6個監(jiān)測斷面(馬鞍山水文站、阿城、阿城與香坊交界、信義溝入阿什河河口上、汲家村、信義溝入阿什河河口)2011年全年數據為基礎，參照《地面水環(huán)境質量標準》(GB 3838-2002)選取硫酸根(x1)、氟化物(x2)、總磷(x3)、總氮(x4)、Do(x5)、氨氮(x6)、CODcr(x7)、CODmn(x8)、BOD5(x9)、砷(x10)、揮發(fā)酚(x11)等11個指標進行水質分析。

水質評價標準參考《地面水環(huán)境質量標準》(GB 3838-2002)，其中：Ⅰ、Ⅱ級水主要反映地下水化學組成的天然背景含量，適用于各種用途；Ⅲ級水以人體健康基值為依據，主要適用于集中式生活飲用水源及工業(yè)、農業(yè)用水；Ⅳ級水以農業(yè)和工業(yè)用水要求為依據，除適用于農業(yè)和部分工業(yè)用水外，適當處理后可作生活飲用水；Ⅴ級水不宜飲用。

2.2ABC參數初始化

很明顯，當蜂群的規(guī)模越大，獲得最優(yōu)解的可能性也就越大，但是計算的工作量和復雜性也會相應增加。通過大量的仿真測試，本文蜂群規(guī)模設定為200，即采蜜蜂和跟隨蜂的數量均為100，最大循環(huán)次數設定為120。

2.3訓練樣本和測試樣本

本研究的水安全評價對象為阿什河流域5個監(jiān)測斷面2011年全年的水質監(jiān)測數據。BP神經網絡具有較強的泛化能力，能夠較好的處理樣本少的問題，以水質標準等級數據作為訓練樣本建立基于國家標準的評價模型。將這5組數據，11個指標輸入到BP神經網絡中。通常情況下，用0.2、0.4、0.6、0.8、1.0(或0.1、0.3、0.5、0.7、0.9)來代表水質標準Ⅰ至Ⅴ級。本文為了擴大各水質級別之間的數量關系，輸出訓練樣本選為-1、-0.5、0、0.5、1，當BP神經網絡的輸出值在小于-1時水質為Ⅰ級，[-1，-0.5]之間時水質為Ⅱ級，[-0.5，0]之間時水質為Ⅲ級，[0，0.5]之間時水質為Ⅳ級，[0.5，1]之間時水質為Ⅴ級，在大于1時水質為劣Ⅴ級。

2.4BP網絡結構確定

由于本文水質評價中共有11個指標、評價結果只有級別等級，因此BP神經網絡輸入層節(jié)點數為11個，輸出層節(jié)點數為1個。BP神經網絡的拓撲結構為11∶12∶1。隱含層的傳遞函數采用雙曲正切函數(transig)，輸出層采用線性函數(purelin)作為傳遞函數，訓練精度設置為10-2，最大訓練次數設置為1000。

2.5評價結果

采用MATLAB2009a編程計算，采用ABC算法優(yōu)化BP網絡的權值和閾值，ABC算法迭代120次后，已經完全收斂，說明了ABC算法的快速收斂性。BP神經網絡輸入層到隱含層的權值W1和閥值B1如下：

B1=[-0.85510.5365-0.6444-0.56940.14630.2729-0.5607-0.10690.4184-0.96350.11490.0967]′

隱含層到輸出層的權值W2和閥值B2如下：

W2=[-0.9805-0.0955-0.3278

-0.3051-0.1275-0.22880.25510.4138

-0.52030.3867-0.6099-0.1244]

B2=[0.5241]

采用上述已訓練好的BP神經網絡對阿什河流域5個監(jiān)測斷面2011年全面的水質數據進行評價，評價結果見表1。

表1　基于ABC-BP的各樣本水質等級

3　結　論

阿什河流域2011年水安全等級普遍較差，均在Ⅲ級以下，與實際情況相符，且評價結果具有很強的穩(wěn)定性和魯棒性?；贏BC的BP神經網絡水安全評價模型克服了初始權值和閾值的影響，從而使每次運行結果基本一致，避免了傳統(tǒng)BP神經網絡多次運行評價結果差異大的弊端。但是由于基于ABC-BP神經網絡水安全評價模型較傳統(tǒng)方法運行時間要長，消耗內存要大，這在一定程度上限制了其在實際中的應用。

[1]馬放,姜曉峰,王立,等.基于SWAT模型的阿什河流域非點源污染控制措施[J].中國環(huán)境科學,2016,36(2):610-618.

[2]胡鈺,王業(yè)耀,滕彥國,等.阿什河流域非點源氮污染的δ15N源解析研究[J].農業(yè)環(huán)境科學學報,2015,34(12):2327-2335.

[3]聶鑫.阿什河流域水環(huán)境容量及污染物總量控制研究[J].環(huán)境科學與管理,2015,40(12):72-75.

[4]周浩,雷國平,馮曉娟,等.基于MUSLE模型的阿什河流域農業(yè)非點源污染風險評估[J].農業(yè)現(xiàn)代化研究,2015(3):469-476.

[5]高鳳杰,侯大偉,姜晗,等.阿什河流域農業(yè)非點源污染源解析及空間異質性[J].東北農業(yè)大學學報,2014,45(9):67-72，78.

[6]周軍,張穎,高鳳杰,等.阿什河流域農業(yè)非點源污染優(yōu)先控制區(qū)域識別[J].水土保持研究,2013,20(3):180-184.

[7]汪胡根,胡桂平,張海峰,等.基于BP神經網絡的阿什河流域水質評價的研究[J].水利水電施工,2014(6):108-110.

[8]王永慶.人工智能原理與方法[M].西安:西安交通大學出版社,1999.

[9]Karaboga D,Akay B.A comparative study of artificial bee colony algorithm[J].Applied Mathematics and Computer,2009,214(1):108-132.

Evaluation of water safety based on ABC-BP model in Ash river basin

MENG Fanxiang1,2,LI Tianxiao2

(1.CollegeofWaterConservancyandArchitecture,NortheastAgriculturalUniversity,Harbin150030,China；2.KeyLaboratoryforWater-savingAgricultureofUniversitiesinHeilongjiangProvince,Harbin150030,China)

Aiming at the character of water safety evaluation, network structure, initial weights and threshold of BP neutral network can be optimized by Artificial Bee Colony (ABC for short). Through transferring parameter optimization process of BP neutral network to finding nectar source process of bee, the BP neutral network based on ABC can be built. Selecting 11 indexes and taking Acheng observation section measured data of Ash river basin in 2011 as an example, the water safety can be evaluated. The results show that the water safety degree is very low of Ash river basin in 2011 and all below Ⅲ,which is coincided with the fact and the results have good stability and robustness. Therefore, it is an effective way of adopting ABC-BP model to evaluate river basin water safety and the results can provide a new way and method for basin water safety evaluation.

Ash river basin; water safety evaluation; Artificial Bee Colony; BP neutral network

國家自然科學基金(51179032)

孟凡香(1984-)，女，工程師，主要從事農業(yè)水土資源高效利用等方面的研究工作。

X824

A

2096-0506(2016)03-0001-03