高 凱

(陜西理工學(xué)院 數(shù)學(xué)與計(jì)算機(jī)科學(xué)學(xué)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(píng)價(jià)研究

高 凱

(陜西理工學(xué)院 數(shù)學(xué)與計(jì)算機(jī)科學(xué)學(xué)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(dāng)?shù)厣鷳B(tài)環(huán)境保護(hù)提供決策參考依據(jù).在對(duì)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(gè)監(jiān)測(cè)點(diǎn)地下水源的實(shí)測(cè)數(shù)據(jù)，有針對(duì)性地選擇9項(xiàng)指標(biāo)作為水質(zhì)評(píng)價(jià)因子，對(duì)漢中市地下水質(zhì)量現(xiàn)狀進(jìn)行綜合評(píng)價(jià).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(dá)標(biāo)率均為100%，但是水質(zhì)有逐年下降的趨勢(shì)，需要引起當(dāng)?shù)丨h(huán)保部門的重視，加強(qiáng)地下水源地的保護(hù).

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

水質(zhì)評(píng)價(jià)是判斷水體環(huán)境質(zhì)量的一個(gè)重要指標(biāo)，對(duì)水資源的合理利用和保護(hù)具有重要意義.但是由于進(jìn)入水體的污染物數(shù)量和成分是一個(gè)不斷變化的不確定量，水質(zhì)級(jí)別、分類標(biāo)準(zhǔn)都存在著模糊性[1].根據(jù)《地下水質(zhì)量標(biāo)準(zhǔn)》(GB/T14848-93)中的規(guī)定，對(duì)地下水水質(zhì)進(jìn)行綜合評(píng)價(jià)時(shí)，評(píng)價(jià)因子多達(dá)39項(xiàng)，且評(píng)價(jià)因子與水質(zhì)級(jí)別之間呈現(xiàn)出一種十分復(fù)雜的非線性關(guān)系，使得傳統(tǒng)的水質(zhì)評(píng)價(jià)數(shù)學(xué)模型具有很大的局限性.因此，如何將已經(jīng)監(jiān)測(cè)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(shí)際意義.

近年來(lái)水質(zhì)評(píng)價(jià)也提出了很多新的方法，如文獻(xiàn)[2]中模糊綜合評(píng)價(jià)法，文獻(xiàn)[3]中的主要成分分析法，文獻(xiàn)[4]中的指數(shù)法，文獻(xiàn)[5]中的神經(jīng)網(wǎng)絡(luò)模型法，文獻(xiàn)[6]中的模糊模式識(shí)別法，文獻(xiàn)[7]中的物元可拓法等.但是在應(yīng)用這些評(píng)價(jià)方法中暴露出一些問題，在文獻(xiàn)[8]模糊綜合評(píng)價(jià)中，一般采用線性加權(quán)平均模型得到評(píng)判集，使評(píng)判結(jié)果易出現(xiàn)失真、失效、跳躍等現(xiàn)象，而且自適應(yīng)能力較差.此外，雖有文獻(xiàn)[9-10]也對(duì)漢中市地下水質(zhì)進(jìn)行了分析，但是只是對(duì)采樣的數(shù)據(jù)進(jìn)行簡(jiǎn)單的分級(jí)評(píng)價(jià)，并沒有提出科學(xué)可行的分析模型，也不能為今后每年產(chǎn)生的大量監(jiān)測(cè)數(shù)據(jù)提供一個(gè)可靠的分析工具.為此，本文結(jié)合地下水質(zhì)量標(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(píng)價(jià)方法，對(duì)漢中市城市境內(nèi)7個(gè)監(jiān)測(cè)點(diǎn)連續(xù)3年的地下水源的實(shí)測(cè)數(shù)據(jù)進(jìn)行全面評(píng)價(jià).實(shí)驗(yàn)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(xué)的參考依據(jù).

1 T-S模糊神經(jīng)網(wǎng)絡(luò)

模糊數(shù)學(xué)中“模糊”是指它的研究對(duì)象，而“數(shù)學(xué)”是指它的研究方法[11]，模糊數(shù)學(xué)是用于處理模糊性現(xiàn)象的一種數(shù)學(xué)理論和方法.T-S模糊系統(tǒng)是一種自適應(yīng)能力很強(qiáng)的模糊系統(tǒng)，該模型不僅能自動(dòng)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(xué)習(xí)能力缺乏，辨識(shí)過程復(fù)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(xué)習(xí)、自組織和自適應(yīng)的能力，具有強(qiáng)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(shì)，彌補(bǔ)各自的不足[12-13].

2 漢中市地下水水質(zhì)評(píng)價(jià)實(shí)例

以下通過實(shí)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(píng)價(jià)中的應(yīng)用實(shí)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(tái)、南鄭、城固、勉縣、洋縣、西鄉(xiāng)、寧強(qiáng)、略陽(yáng)、鎮(zhèn)巴、留壩、佛坪11個(gè)縣區(qū).市域總面積2.72萬(wàn)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(rùn)，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(bǔ)給量31.7億立方米，水量占全省三分之一.水能資源蘊(yùn)藏量260萬(wàn)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(wàn)人口的生命安全，因此本文對(duì)漢中市地下水質(zhì)進(jìn)行評(píng)價(jià)研究，有著非常重要的意義.

2.2 評(píng)價(jià)標(biāo)準(zhǔn)與樣本選取

水質(zhì)評(píng)價(jià)是根據(jù)水質(zhì)評(píng)價(jià)標(biāo)準(zhǔn)和采樣水樣本各項(xiàng)指標(biāo)，通過一定的數(shù)學(xué)模型計(jì)算確定采樣水樣本的水質(zhì)等級(jí).本文根據(jù)國(guó)家頒布的《地下水質(zhì)標(biāo)準(zhǔn)》(GB/T 14848-93)作為評(píng)價(jià)依據(jù),結(jié)合漢中市地下水水質(zhì)狀況，本文有針對(duì)性地選擇9項(xiàng)指標(biāo)作為評(píng)價(jià)因子，評(píng)價(jià)標(biāo)準(zhǔn)見表1.按照標(biāo)準(zhǔn)，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(biāo) (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(gè)監(jiān)測(cè)點(diǎn)地下水源的實(shí)測(cè)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(diǎn)地理位置如圖1所示.

圖1 漢中市城市境內(nèi)7個(gè)水源采樣監(jiān)測(cè)點(diǎn)位置

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

表2 2011年漢中市監(jiān)測(cè)點(diǎn)各評(píng)價(jià)指標(biāo)實(shí)測(cè)數(shù)據(jù) (mg·L-1)

表3 2012年漢中市監(jiān)測(cè)點(diǎn)各評(píng)價(jià)指標(biāo)實(shí)測(cè)數(shù)據(jù) (mg·L-1)

表4 2013年漢中市監(jiān)測(cè)點(diǎn)各評(píng)價(jià)指標(biāo)實(shí)測(cè)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(píng)價(jià)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(píng)價(jià)算法流程

其中模糊神經(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9(9個(gè)水質(zhì)指標(biāo))，輸出數(shù)據(jù)維數(shù)為1(水質(zhì)等級(jí))，所以確定網(wǎng)絡(luò)的輸入節(jié)點(diǎn)個(gè)數(shù)為9，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(jī)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(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(jí)評(píng)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(lái)自表1，網(wǎng)絡(luò)反復(fù)訓(xùn)練1 000次.

3 漢中市地下水水質(zhì)評(píng)價(jià)實(shí)現(xiàn)

根據(jù)模糊神經(jīng)網(wǎng)路原理，在matlab2010b中編程實(shí)現(xiàn)漢中市地下水水質(zhì)評(píng)價(jià)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(xùn)練樣本和檢驗(yàn)樣本數(shù)據(jù)，調(diào)用MATLAB自帶的“mapminmax函數(shù)”將訓(xùn)練樣本和檢驗(yàn)樣本以及實(shí)測(cè)的7組樣本的數(shù)據(jù)按式(1)進(jìn)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(xùn)練和水質(zhì)評(píng)價(jià)

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1 000次.其次用訓(xùn)練好的模糊神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)漢中市地下水水質(zhì)，根據(jù)網(wǎng)絡(luò)預(yù)測(cè)值得到水質(zhì)等級(jí)標(biāo)準(zhǔn).預(yù)測(cè)水質(zhì)值在[0，1.5]時(shí)水質(zhì)為一級(jí)，預(yù)測(cè)值在(1.5，2.5]時(shí)水質(zhì)為二級(jí)，預(yù)測(cè)值在(2.5，3.5]時(shí)水質(zhì)為三級(jí)，預(yù)測(cè)值在(3.5，4.5]時(shí)為四級(jí)，預(yù)測(cè)值大于4.5時(shí)水質(zhì)為五級(jí).根據(jù)訓(xùn)練好的模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行樣本測(cè)試，發(fā)現(xiàn)網(wǎng)絡(luò)的預(yù)測(cè)輸出值與實(shí)際輸出值非常接近，2 000個(gè)訓(xùn)練數(shù)據(jù)誤差如圖3所示，1 000個(gè)測(cè)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(duì)水質(zhì)進(jìn)行綜合評(píng)價(jià)精確度很高.

圖3 訓(xùn)練樣本測(cè)試等級(jí)比較

圖4 測(cè)試樣本預(yù)測(cè)與等級(jí)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(duì)漢中市地下水水質(zhì)7個(gè)監(jiān)點(diǎn)，連續(xù)3年的監(jiān)測(cè)水質(zhì)預(yù)測(cè)輸出評(píng)價(jià)結(jié)果如圖5、圖6和圖7所示.總體來(lái)看，3年間漢中市地下水水質(zhì)均達(dá)到Ⅱ級(jí)以下，均附合國(guó)家頒布的《地下水質(zhì)標(biāo)準(zhǔn)》(GB/T 14848-93)中的Ⅲ類標(biāo)準(zhǔn)，地下水飲用水源地水質(zhì)達(dá)標(biāo)率均為100%.

圖5 2011年漢中市地下水水質(zhì)預(yù)測(cè)輸出

圖6 2012年漢中市地下水水質(zhì)預(yù)測(cè)輸出

圖7 2013年漢中市地下水水質(zhì)預(yù)測(cè)輸出

圖8 7個(gè)監(jiān)測(cè)點(diǎn)3年的T-S模糊神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)

從圖8的評(píng)價(jià)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(píng)價(jià)結(jié)果和環(huán)保部門的實(shí)測(cè)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(cè)試方面精確可用.(2)結(jié)合3年的預(yù)測(cè)水質(zhì)輸出數(shù)據(jù)分析，漢中市中心城區(qū)2個(gè)水源地與各縣5水源地的水質(zhì)無(wú)明顯差別，總體水質(zhì)保持較好，預(yù)測(cè)輸出數(shù)據(jù)均在模型預(yù)測(cè)值二級(jí)以下，說明漢中市中心城區(qū)沒有因?yàn)槿丝诰幼?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(shì)，需要引起當(dāng)?shù)丨h(huán)保部門的重視，加強(qiáng)地下水源地的保護(hù).(4)7個(gè)監(jiān)測(cè)點(diǎn)中，勉縣城區(qū)地下水質(zhì)預(yù)測(cè)輸出值連續(xù)3年都是最高，也從一個(gè)側(cè)面反映出當(dāng)?shù)厮吹匚廴鞠鄬?duì)其他地區(qū)較為嚴(yán)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(dòng)計(jì)劃》，制定了推動(dòng)重污染企業(yè)轉(zhuǎn)型、實(shí)施“煤改電”、“煤改氣”、“油改氣”工程等26項(xiàng)具體措施，重點(diǎn)治理漢江干流勉縣段和褒河、堰河等一級(jí)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(shí)到問題的嚴(yán)重性，開始加強(qiáng)當(dāng)?shù)匚廴局卫砉ぷ?(5)南鄭縣大河坎監(jiān)測(cè)點(diǎn)的水質(zhì)預(yù)測(cè)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(xué)習(xí)經(jīng)驗(yàn).

4 結(jié)論

本文應(yīng)用T-S模糊神經(jīng)網(wǎng)絡(luò)，利用《地下水質(zhì)標(biāo)準(zhǔn)》(GB/T 14848-93)中的9項(xiàng)評(píng)價(jià)指標(biāo)及其插值形成的數(shù)據(jù)作為訓(xùn)練樣本，利用漢中市地下水水質(zhì)7個(gè)監(jiān)測(cè)點(diǎn)3年的數(shù)據(jù)作為檢驗(yàn)樣本，得到合理的評(píng)價(jià)等級(jí).采用本文模型評(píng)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(píng)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).當(dāng)然由于選取的評(píng)價(jià)因子只有9項(xiàng)，在某些污染物排放方面也沒有考慮全面，也可能導(dǎo)致評(píng)價(jià)的結(jié)果出現(xiàn)誤差，這個(gè)將是今后模型改進(jìn)的重點(diǎn).

[1] 劉國(guó)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(xué)進(jìn)展,1996,4(4):46-51.

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

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

[4] 王林,王興澤.水質(zhì)標(biāo)識(shí)指數(shù)法在太子河水質(zhì)評(píng)價(jià)中的應(yīng)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(píng)價(jià)中的應(yīng)用[D].南京：河海大學(xué),2007.

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

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

[8] 薛巧英.水環(huán)境質(zhì)量評(píng)價(jià)方法的比較分析[J].環(huán)境保護(hù)科學(xué),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(píng)價(jià)與分析[J].陜西理工學(xué)院學(xué)報(bào)(自然科學(xué)版),2009(2):78-81.

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

[11]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.

[12]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.

[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(píng)價(jià)[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(píng)價(jià)[J].干旱地區(qū)農(nóng)業(yè)研究,2013(1):188-192+198.

[責(zé)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(xué)院科研計(jì)劃資助項(xiàng)目(SLGKY12-04)

高 凱(1981—)，男，陜西漢中人，陜西理工學(xué)院數(shù)學(xué)與計(jì)算機(jī)科學(xué)學(xué)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(jì)算機(jī)數(shù)值模擬與分析研究.

X524

A