高 凱

(陜西理工學院 數(shù)學與計算機科學學院,陜西 漢中 723001)

?

基于模糊神經(jīng)網(wǎng)絡(luò)的城市地下水水質(zhì)評價研究

高 凱

(陜西理工學院 數(shù)學與計算機科學學院,陜西 漢中 723001)

為了更好地研究分析陜西省漢中市中心城區(qū)水源地與各縣水源地的水質(zhì)現(xiàn)狀，為當?shù)厣鷳B(tài)環(huán)境保護提供決策參考依據(jù).在對2011年到2013年漢中市城市集中飲用水水源地水質(zhì)狀況分析的基礎(chǔ)上，結(jié)合T-S模糊神經(jīng)網(wǎng)絡(luò)模型，選取漢中市城市境內(nèi)7個監(jiān)測點地下水源的實測數(shù)據(jù)，有針對性地選擇9項指標作為水質(zhì)評價因子，對漢中市地下水質(zhì)量現(xiàn)狀進行綜合評價.分析結(jié)果表明：漢中市城市中心水源地水質(zhì)和各縣水源地水質(zhì)達標率均為100%，但是水質(zhì)有逐年下降的趨勢，需要引起當?shù)丨h(huán)保部門的重視，加強地下水源地的保護.

T-S模糊神經(jīng)網(wǎng)絡(luò)；地下水；水質(zhì)評價；漢中市

水質(zhì)評價是判斷水體環(huán)境質(zhì)量的一個重要指標，對水資源的合理利用和保護具有重要意義.但是由于進入水體的污染物數(shù)量和成分是一個不斷變化的不確定量，水質(zhì)級別、分類標準都存在著模糊性[1].根據(jù)《地下水質(zhì)量標準》(GB/T14848-93)中的規(guī)定，對地下水水質(zhì)進行綜合評價時，評價因子多達39項，且評價因子與水質(zhì)級別之間呈現(xiàn)出一種十分復雜的非線性關(guān)系，使得傳統(tǒng)的水質(zhì)評價數(shù)學模型具有很大的局限性.因此，如何將已經(jīng)監(jiān)測的水質(zhì)數(shù)據(jù)轉(zhuǎn)化為可以分析的狀態(tài)數(shù)據(jù)，找到影響水質(zhì)的原因具有重要的實際意義.

近年來水質(zhì)評價也提出了很多新的方法，如文獻[2]中模糊綜合評價法，文獻[3]中的主要成分分析法，文獻[4]中的指數(shù)法，文獻[5]中的神經(jīng)網(wǎng)絡(luò)模型法，文獻[6]中的模糊模式識別法，文獻[7]中的物元可拓法等.但是在應用這些評價方法中暴露出一些問題，在文獻[8]模糊綜合評價中，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，而且自適應能力較差.此外，雖有文獻[9-10]也對漢中市地下水質(zhì)進行了分析，但是只是對采樣的數(shù)據(jù)進行簡單的分級評價，并沒有提出科學可行的分析模型，也不能為今后每年產(chǎn)生的大量監(jiān)測數(shù)據(jù)提供一個可靠的分析工具.為此，本文結(jié)合地下水質(zhì)量標準，采用一種有效的智能T-S模糊神經(jīng)網(wǎng)絡(luò)水質(zhì)評價方法，對漢中市城市境內(nèi)7個監(jiān)測點連續(xù)3年的地下水源的實測數(shù)據(jù)進行全面評價.實驗證明，該方法精確度及可信度更好，能為環(huán)保部門提供更為科學的參考依據(jù).

1 T-S模糊神經(jīng)網(wǎng)絡(luò)

模糊數(shù)學中“模糊”是指它的研究對象，而“數(shù)學”是指它的研究方法[11]，模糊數(shù)學是用于處理模糊性現(xiàn)象的一種數(shù)學理論和方法.T-S模糊系統(tǒng)是一種自適應能力很強的模糊系統(tǒng)，該模型不僅能自動更新，而且能不斷修正模糊子集的隸屬函數(shù).模糊系統(tǒng)在模糊建模的過程中常存在學習能力缺乏，辨識過程復雜，模型參數(shù)優(yōu)化困難等問題.而人工神經(jīng)網(wǎng)絡(luò)具有自學習、自組織和自適應的能力，具有強大的非線性處理能力.二者的結(jié)合構(gòu)成模糊神經(jīng)網(wǎng)絡(luò)，可以有效地發(fā)揮模糊邏輯與神經(jīng)網(wǎng)絡(luò)的各自優(yōu)勢，彌補各自的不足[12-13].

2 漢中市地下水水質(zhì)評價實例

以下通過實例介紹T-S模糊神經(jīng)網(wǎng)絡(luò)在漢中市地下水水質(zhì)評價中的應用實例.

2.1 研究區(qū)概況

漢中位于陜西省西南部，北依秦嶺，南屏巴山，與甘肅、四川毗鄰，中部為盆地.全市轄漢臺、南鄭、城固、勉縣、洋縣、西鄉(xiāng)、寧強、略陽、鎮(zhèn)巴、留壩、佛坪11個縣區(qū).市域總面積2.72萬平方公里，其中盆地占6%，淺山丘陵占36%，中高山區(qū)占58%.漢中氣候溫和、濕潤，年平均氣溫14.3℃，年降雨量871.8 mm，素有西北“小江南”和“金甌玉盆”之美稱.

研究區(qū)水能資源豐富.擁有嘉陵江和漢江兩大水系，大小支流500余條.全市地表徑流量217.6億立方米，地下水綜合補給量31.7億立方米，水量占全省三分之一.水能資源蘊藏量260萬千瓦，是西北地區(qū)水資源最豐富的地區(qū)之一.水質(zhì)安全關(guān)乎漢中地區(qū)數(shù)百萬人口的生命安全，因此本文對漢中市地下水質(zhì)進行評價研究，有著非常重要的意義.

2.2 評價標準與樣本選取

水質(zhì)評價是根據(jù)水質(zhì)評價標準和采樣水樣本各項指標，通過一定的數(shù)學模型計算確定采樣水樣本的水質(zhì)等級.本文根據(jù)國家頒布的《地下水質(zhì)標準》(GB/T 14848-93)作為評價依據(jù),結(jié)合漢中市地下水水質(zhì)狀況，本文有針對性地選擇9項指標作為評價因子，評價標準見表1.按照標準，地下水質(zhì)附合Ⅲ類及其以下的，均適合于集中式生活飲用水水源及工、農(nóng)業(yè)用水.

表1 地下水質(zhì)量分類指標 (mg·L-1)

本文原始樣本數(shù)據(jù)取自于漢中市2011年到2013年城市境內(nèi)7個監(jiān)測點地下水源的實測數(shù)據(jù)(取自漢中市環(huán)保局官方數(shù)據(jù))，即市中心城區(qū)東郊c1、西郊飲用水源地c2，城固縣城區(qū)飲用水源地c3，洋縣城區(qū)c4、中核四○五廠飲用水源地c5，勉縣城區(qū)飲用水源地c6，南鄭縣大河坎飲用水源地c7，采樣點地理位置如圖1所示.

圖1 漢中市城市境內(nèi)7個水源采樣監(jiān)測點位置

漢中市地下水源地水質(zhì)實行逐月監(jiān)測，連續(xù)3年的采樣數(shù)據(jù)取監(jiān)測年平均值如表2、表3和表4所示，其中“-”為當年沒有監(jiān)測此項指標.

表2 2011年漢中市監(jiān)測點各評價指標實測數(shù)據(jù) (mg·L-1)

表3 2012年漢中市監(jiān)測點各評價指標實測數(shù)據(jù) (mg·L-1)

表4 2013年漢中市監(jiān)測點各評價指標實測數(shù)據(jù) (mg·L-1)

2.3 模型建立

基于T-S模糊神經(jīng)網(wǎng)絡(luò)的漢中市地下水水質(zhì)評價算法流程如圖2所示.

圖2 基于T-S模糊神經(jīng)網(wǎng)絡(luò)的漢中市地下水水質(zhì)評價算法流程

其中模糊神經(jīng)網(wǎng)絡(luò)根據(jù)訓練樣本輸入、輸出維數(shù)確定網(wǎng)絡(luò)的輸入和輸出節(jié)點數(shù)，由于輸入數(shù)據(jù)維數(shù)為9(9個水質(zhì)指標)，輸出數(shù)據(jù)維數(shù)為1(水質(zhì)等級)，所以確定網(wǎng)絡(luò)的輸入節(jié)點個數(shù)為9，輸出節(jié)點個數(shù)為1，根據(jù)網(wǎng)絡(luò)輸入輸出節(jié)點數(shù)，通過試錯法確定隸屬度函數(shù)個數(shù)為18[13]，因此確定模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)為9-18-1，隨機初始化模糊隸屬度函數(shù)中心c，寬度b和系數(shù)p0～p9.

為保證足夠的精度，模糊神經(jīng)網(wǎng)絡(luò)用訓練數(shù)據(jù)訓練神經(jīng)網(wǎng)絡(luò)，采用matlab2010b的linspace函數(shù)在各級評價標準之間按隨機均勻分布方式內(nèi)插生成訓練樣本.水質(zhì)指標標準數(shù)據(jù)來自表1，網(wǎng)絡(luò)反復訓練1 000次.

3 漢中市地下水水質(zhì)評價實現(xiàn)

根據(jù)模糊神經(jīng)網(wǎng)路原理，在matlab2010b中編程實現(xiàn)漢中市地下水水質(zhì)評價算法.

3.1 網(wǎng)絡(luò)初始化

初始化模糊神經(jīng)網(wǎng)絡(luò)隸屬度函數(shù)參數(shù)和系數(shù)，采用歸一化的訓練樣本和檢驗樣本數(shù)據(jù)，調(diào)用MATLAB自帶的“mapminmax函數(shù)”將訓練樣本和檢驗樣本以及實測的7組樣本的數(shù)據(jù)按式(1)進行歸一化處理，使其轉(zhuǎn)化為0～1之間的數(shù)[14].

(1)

公式(1)中,y為歸一化后的數(shù)據(jù)，x為原始數(shù)據(jù)，xmin、xmax分別為數(shù)據(jù)集合中最小、最大值.

3.2 模糊神經(jīng)網(wǎng)絡(luò)訓練和水質(zhì)評價

首先用訓練樣本訓練模糊神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)反復訓練1 000次.其次用訓練好的模糊神經(jīng)網(wǎng)絡(luò)評價漢中市地下水水質(zhì)，根據(jù)網(wǎng)絡(luò)預測值得到水質(zhì)等級標準.預測水質(zhì)值在[0，1.5]時水質(zhì)為一級，預測值在(1.5，2.5]時水質(zhì)為二級，預測值在(2.5，3.5]時水質(zhì)為三級，預測值在(3.5，4.5]時為四級，預測值大于4.5時水質(zhì)為五級.根據(jù)訓練好的模糊神經(jīng)網(wǎng)絡(luò)進行樣本測試，發(fā)現(xiàn)網(wǎng)絡(luò)的預測輸出值與實際輸出值非常接近，2 000個訓練數(shù)據(jù)誤差如圖3所示，1 000個測試數(shù)據(jù)誤差如圖4所示，結(jié)果表明本文構(gòu)建的模型對水質(zhì)進行綜合評價精確度很高.

圖3 訓練樣本測試等級比較

圖4 測試樣本預測與等級比較

3.3 結(jié)果分析

通過本文采用的T-S模糊神經(jīng)網(wǎng)絡(luò)模型對漢中市地下水水質(zhì)7個監(jiān)點，連續(xù)3年的監(jiān)測水質(zhì)預測輸出評價結(jié)果如圖5、圖6和圖7所示.總體來看，3年間漢中市地下水水質(zhì)均達到Ⅱ級以下，均附合國家頒布的《地下水質(zhì)標準》(GB/T 14848-93)中的Ⅲ類標準，地下水飲用水源地水質(zhì)達標率均為100%.

圖5 2011年漢中市地下水水質(zhì)預測輸出

圖6 2012年漢中市地下水水質(zhì)預測輸出

圖7 2013年漢中市地下水水質(zhì)預測輸出

圖8 7個監(jiān)測點3年的T-S模糊神經(jīng)網(wǎng)絡(luò)評價

從圖8的評價結(jié)果可以看出：(1)利用T-S模糊神經(jīng)網(wǎng)絡(luò)模型得到的評價結(jié)果和環(huán)保部門的實測結(jié)果基本一致，說明本文構(gòu)建的模糊神經(jīng)網(wǎng)絡(luò)模型在地下水質(zhì)測試方面精確可用.(2)結(jié)合3年的預測水質(zhì)輸出數(shù)據(jù)分析，漢中市中心城區(qū)2個水源地與各縣5水源地的水質(zhì)無明顯差別，總體水質(zhì)保持較好，預測輸出數(shù)據(jù)均在模型預測值二級以下，說明漢中市中心城區(qū)沒有因為人口居住數(shù)量大而影響地下水水源水質(zhì).(3)除了城固縣2013年輸出值偏低以外，總體水質(zhì)輸出值逐年偏高，說明水質(zhì)有逐年下降的趨勢，需要引起當?shù)丨h(huán)保部門的重視，加強地下水源地的保護.(4)7個監(jiān)測點中，勉縣城區(qū)地下水質(zhì)預測輸出值連續(xù)3年都是最高，也從一個側(cè)面反映出當?shù)厮吹匚廴鞠鄬ζ渌貐^(qū)較為嚴重.勉縣政府在2014年3月開始制定了《勉縣漢江流域污染防治三年行動計劃》，制定了推動重污染企業(yè)轉(zhuǎn)型、實施“煤改電”、“煤改氣”、“油改氣”工程等26項具體措施，重點治理漢江干流勉縣段和褒河、堰河等一級支流，境內(nèi)沿漢江工業(yè)集中區(qū)、城鎮(zhèn)農(nóng)村污水垃圾處理等.說明政府已經(jīng)意識到問題的嚴重性，開始加強當?shù)匚廴局卫砉ぷ?(5)南鄭縣大河坎監(jiān)測點的水質(zhì)預測輸出值在3年間都是最小，說明南鄭縣環(huán)境污染治理已經(jīng)走上了較為規(guī)范化的道路，其他地區(qū)可以向其學習經(jīng)驗.

4 結(jié)論

本文應用T-S模糊神經(jīng)網(wǎng)絡(luò)，利用《地下水質(zhì)標準》(GB/T 14848-93)中的9項評價指標及其插值形成的數(shù)據(jù)作為訓練樣本，利用漢中市地下水水質(zhì)7個監(jiān)測點3年的數(shù)據(jù)作為檢驗樣本，得到合理的評價等級.采用本文模型評價水質(zhì)，可以避免過多地人工干預分析，可以有效提高工作效率，綜合評價的結(jié)果更能全面地反映水質(zhì)污染的實際情況，為環(huán)境管理提供更科學的依據(jù).當然由于選取的評價因子只有9項，在某些污染物排放方面也沒有考慮全面，也可能導致評價的結(jié)果出現(xiàn)誤差，這個將是今后模型改進的重點.

[1] 劉國東,丁晶.水環(huán)境中不確定性方法的研究現(xiàn)狀與展望[J].環(huán)境科學進展,1996,4(4):46-51.

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

[3] 汪天祥,許士國,韓成偉.改進主成分分析法在南淝河水質(zhì)評價中的應用[J].水電能源科學,2012(10):33-36.

[4] 王林,王興澤.水質(zhì)標識指數(shù)法在太子河水質(zhì)評價中的應用[J].北方環(huán)境,2012(5):198-200.

[5] 周忠壽.基于T-S模型的模糊神經(jīng)網(wǎng)絡(luò)在水質(zhì)評價中的應用[D].南京：河海大學,2007.

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

[7] 蘭雙雙,姜紀沂,王濱.基于物元可拓法的地下水水質(zhì)評價[J].吉林大學學報(地球科學版),2009,39(4):722-727.

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

[9] 常彩屏,鄭楠,鄭和平.漢中市城區(qū)地下水水質(zhì)評價與分析[J].陜西理工學院學報(自然科學版),2009(2):78-81.

[10]常彩屏,鄭楠,鄭和平.漢中市地下水水質(zhì)動態(tài)變化原因分析[J].水資源與水工程學報,2009(3):124-127+131.

[11]王小川,史峰,郁磊，等.Matlab神經(jīng)網(wǎng)絡(luò)43個案例分析[M].北京:北京航空航天大學出版社,2013.

[12]師黎,陳鐵軍.智能控制理論及應用[M].北京:清華大學出版社,2009.

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

[14]汪新波,粟曉玲.基于T-S模糊神經(jīng)網(wǎng)絡(luò)的民勤地下水水質(zhì)綜合評價[J].干旱地區(qū)農(nóng)業(yè)研究,2013(1):188-192+198.

[責任編輯 仲 圓]

Research on Evaluation of Urban Groundwater QualityBased on Fuzzy Neural Network

GAO Kai

(School of Mathematics and Computer Science, Shaanxi University of Technology, Hanzhong 723001, China)

In this paper, in order to study and analyze the current water quality status of water sources in the central region in Hanzhong city of Shaanxi province and various counties, and provide decision-making reference for the local ecological environment protection, based on the analysis of the water quality status of the centralized drinking water source in Hanzhong city from 2011 to 2013, combined with T-S fuzzy neural network model, the measured data of groundwater source of seven monitoring points in Hanzhong city are selected and nine indexes are selected as the evaluation factors of water quality, and comprehensive evaluation of groundwater quality in Hanzhong city is carried out. The analysis results show that the water quality compliance rate of water sources in the central region in Hanzhong city of Shaanxi province and various counties is 100%. But there is a declining trend in the water quality, this problem need to attract the attention of the local environmental protection department, and the protection of groundwater sources should be strengthened.

T-S fuzzy neural network; groundwater; water quality evaluation; Hanzhong city

1008-5564(2016)04-0066-06

2016-01-25

陜西理工學院科研計劃資助項目(SLGKY12-04)

高 凱(1981—)，男，陜西漢中人，陜西理工學院數(shù)學與計算機科學學院講師，碩士，主要從事智能優(yōu)化算法、環(huán)境數(shù)據(jù)處理和計算機數(shù)值模擬與分析研究.

X524

A