孫菊秋，劉向楠

（河北省秦皇島水文水資源勘測(cè)局，河北 秦皇島 066000）

0 引言

地下水資源水質(zhì)較好、供水量穩(wěn)定，是我國(guó)北方地區(qū)最為倚重的生活用水水源。地下水動(dòng)態(tài)變化是制約城市可持續(xù)發(fā)展的重要因素，因此地下水水位觀測(cè)是水利部門最重要的工作之一。人工神經(jīng)網(wǎng)絡(luò)模型（BP-ANN）能夠通過自主學(xué)習(xí)、識(shí)別等功能模擬地區(qū)地下水水位動(dòng)態(tài)變化情況，其結(jié)果也更加準(zhǔn)確[1]。

1 BP-ANN神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)原理

（1）BP-ANN神經(jīng)網(wǎng)絡(luò)原理

人工神經(jīng)網(wǎng)絡(luò)（ANN）由大量簡(jiǎn)單處理單元（神經(jīng)元）共同構(gòu)成一個(gè)復(fù)雜的網(wǎng)絡(luò)系統(tǒng)，和人的大腦存在很多共同之處，均屬于高度復(fù)雜的非線性動(dòng)力學(xué)系統(tǒng)。神經(jīng)網(wǎng)絡(luò)的主要特征為智能化，即：可大規(guī)模并行、存儲(chǔ)處理、自學(xué)習(xí)、自組織、自適應(yīng)等，特別在處理模糊信息方面相對(duì)于傳統(tǒng)方法有著較大優(yōu)勢(shì)。

當(dāng)前在應(yīng)用人工神經(jīng)網(wǎng)絡(luò)時(shí)，一般都是采用BP神經(jīng)網(wǎng)絡(luò)模型或其改進(jìn)形式[2]。BP網(wǎng)絡(luò)是指具有非線性傳遞函數(shù)神經(jīng)元構(gòu)成的采用誤差反向傳播算法的前饋網(wǎng)絡(luò)，主要由三部分構(gòu)成：輸入層、隱含層、輸出層，其中隱含層由應(yīng)用對(duì)象復(fù)雜度、誤差情況確定。BP網(wǎng)絡(luò)層和層之間采用全互聯(lián)方式，同一層單元間不存在相互連接（見圖1）[3]。

（2）BP網(wǎng)絡(luò)算法的確定

BP網(wǎng)絡(luò)算法確定過程如下：輸入層接收輸入模式后，將其傳送給隱含層，隱含層經(jīng)處理后傳送給輸出層，最后經(jīng)輸出層處理后產(chǎn)生一個(gè)輸出模式，逐層處理、逐層更新，成為“前向傳播”。如果輸出響應(yīng)和期望輸出模式誤差較大，則就立即轉(zhuǎn)入“誤差后向傳播”，將其逐層修正。就這樣將一個(gè)個(gè)訓(xùn)練模式來訓(xùn)練網(wǎng)絡(luò)算法，當(dāng)重復(fù)“前向傳播”和誤差“后向傳播”均滿足精度要求后，則可確定BP網(wǎng)絡(luò)算法[4]。

圖1 BP三層結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)原理圖

2 項(xiàng)目區(qū)概況

秦皇島是我國(guó)首批沿海開放城市，是東北亞最重要的對(duì)外貿(mào)易口岸，擁有世界第一大能源輸出港，也是著名旅游城市。地勢(shì)北高南低，由北向南依次為北部山區(qū)→低山丘陵區(qū)→沖積平原區(qū)→沿海區(qū)。根據(jù)第六次人口普查結(jié)果，秦皇島市常住人口數(shù)量為298.77萬(wàn)人，年需供水量約為8.91億 m3，其中地下水供給量為5.77億m3。隨著供水規(guī)模逐漸上漲，秦皇島地下水水位在逐步下降，供水壓力逐步增大，若不進(jìn)行合理控制必然影響該地區(qū)經(jīng)濟(jì)的可持續(xù)發(fā)展。

3 BP-ANN神經(jīng)網(wǎng)絡(luò)模型在地下水水位預(yù)測(cè)中的應(yīng)用

3.1 BP神經(jīng)網(wǎng)絡(luò)模型設(shè)置

結(jié)合秦皇島地下水觀測(cè)數(shù)據(jù)，首先對(duì)BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)精度進(jìn)行分析，本文以1992~2002年地下水水位數(shù)據(jù)作為模型訓(xùn)練樣本，2003~2016年數(shù)據(jù)作為預(yù)測(cè)精度分析數(shù)據(jù)。主要輸入變量設(shè)計(jì)有地下水取水量、蒸發(fā)量、徑流量；輸出變量為地下水水位[5]。本項(xiàng)目設(shè)計(jì)的網(wǎng)絡(luò)模型含有5個(gè)計(jì)算神經(jīng)網(wǎng)絡(luò)單元，模型結(jié)構(gòu)為：輸入層×隱含層×輸入層=2×4×8，最大迭代輸為1000，模型訓(xùn)練學(xué)習(xí)效率為0.09，預(yù)測(cè)誤差要求不大于0.1。

圖2是根據(jù)秦皇島地區(qū)1992~2002年這十年間地下水平均埋深實(shí)測(cè)數(shù)據(jù)作為訓(xùn)練樣本建立BP網(wǎng)絡(luò)模型，之后對(duì)其進(jìn)行訓(xùn)練和仿真，直到誤差精度達(dá)到規(guī)定值以下[6]。由圖2可知：隨著訓(xùn)練次數(shù)逐步增加，BP網(wǎng)絡(luò)模型的誤差精度量級(jí)也在逐步降低，由102降至10-6，共經(jīng)歷了45次訓(xùn)練，其精度已滿足相關(guān)要求，因此可以停止訓(xùn)練。

圖2 BP網(wǎng)絡(luò)模型訓(xùn)練誤差變化曲線

3.2 BP神經(jīng)網(wǎng)絡(luò)擬合分析

為檢測(cè)上述設(shè)計(jì)最終確定的BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)的精準(zhǔn)度，將其應(yīng)用于2003~2016年秦皇島地區(qū)地下水水位預(yù)測(cè)中，并將預(yù)測(cè)值和真實(shí)測(cè)量值進(jìn)行比較，詳情見圖3。

圖3 BP神經(jīng)網(wǎng)絡(luò)模型擬合地下水埋深結(jié)果

表1 2003-2016年秦皇島地區(qū)地下水水位真實(shí)值和預(yù)測(cè)值對(duì)比分析 單位：m

上圖3中的十字星代表真實(shí)測(cè)量數(shù)據(jù)，而連續(xù)折線是BP神經(jīng)網(wǎng)絡(luò)模型的擬合曲線。根據(jù)真實(shí)測(cè)量值可知：秦皇島地區(qū)地下水埋深在10~16 m之間波動(dòng)。而擬合曲線的走勢(shì)和真實(shí)數(shù)據(jù)走勢(shì)完全一致，擬合結(jié)果精確度很高。表1對(duì)兩者數(shù)據(jù)進(jìn)行了羅列對(duì)比，其誤差值均在0.1以下，滿足要求。

3.3 地下水水位預(yù)測(cè)分析

通過檢驗(yàn)可知本項(xiàng)目最終確定的BP神經(jīng)網(wǎng)絡(luò)系統(tǒng)其精確度很高，完全可以應(yīng)用于未來幾年秦皇島地區(qū)的地下水水位預(yù)測(cè)，其預(yù)測(cè)結(jié)果（2017、2018、2019年）詳見表 2。

表2 秦皇島地區(qū)2017～2019年地下水月平均埋深預(yù)測(cè)結(jié)果

根據(jù)預(yù)測(cè)結(jié)果可知：秦皇島地區(qū)2017~2019年地下水埋深范圍在13.65~14.31 m。通過分析實(shí)測(cè)及預(yù)測(cè)數(shù)據(jù)可以確定該地區(qū)地下水埋深以0.2 m/a的速度逐漸下降，而造成該問題的主要原因包括：城市規(guī)模擴(kuò)大、地表水（降水）入滲量減少、人工開采量逐步增大等，這也是一般城市發(fā)展必然帶來的結(jié)果。

4 結(jié)語(yǔ)

通過應(yīng)用BP-ANN神經(jīng)網(wǎng)絡(luò)對(duì)秦皇島地區(qū)地下水水位預(yù)測(cè)，得出了未來三年內(nèi)該地區(qū)地下水埋深及動(dòng)態(tài)變化情況。通過2017年前8個(gè)月的地下水水位數(shù)據(jù)統(tǒng)計(jì)，驗(yàn)證了該技術(shù)預(yù)測(cè)的準(zhǔn)確性。BP-ANN神經(jīng)網(wǎng)絡(luò)系統(tǒng)快速準(zhǔn)確地完成了較大的統(tǒng)計(jì)工作量，為決策部門提供依據(jù)。

[1]馮羽,馬鳳山,魏愛華,趙海軍,郭捷.灰色系統(tǒng)與神經(jīng)網(wǎng)絡(luò)組合模型在地下水水位預(yù)測(cè)中的應(yīng)用[J].中國(guó)地質(zhì)災(zāi)害與防治學(xué)報(bào),2011,22(03):119-124.

[2]孫濤,李紀(jì)人,潘世兵.人工神經(jīng)網(wǎng)絡(luò)(ANN)模型在地下水資源預(yù)測(cè)中的應(yīng)用研究[J].世界地質(zhì),2004,(04):386-390.

[3]遲寶明,林嵐,丁元芳.基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)模型在地下水動(dòng)態(tài)預(yù)測(cè)中的應(yīng)用研究[J].工程勘察,2008,(09):36-41.

[4]王宇,盧文喜,卞建民,侯澤宇.三種地下水位動(dòng)態(tài)預(yù)測(cè)模型在吉林西部的應(yīng)用與對(duì)比 [J].吉林大學(xué)學(xué)報(bào) (地球科學(xué)版),2015,45(03):886-891.

[5]屈忠義,陳亞新,史海濱,魏占民.地下水文預(yù)測(cè)中BP網(wǎng)絡(luò)的模型結(jié)構(gòu)及算法探討[J].水利學(xué)報(bào),2004,(02):88-93.

[6]趙延濤.基于BP神經(jīng)網(wǎng)絡(luò)的城市地下水水位預(yù)測(cè) [D].鄭州大學(xué),2011.