戚衛(wèi)偉

(遼寧省營(yíng)口水文局，遼寧 營(yíng)口 115000)

0 引 言

河流水質(zhì)污染物指標(biāo)濃度的準(zhǔn)確預(yù)測(cè)，是區(qū)域進(jìn)行水質(zhì)預(yù)警的重要依據(jù)，也是河流水污染事件決策的重要參考[1]。近些年來(lái)，隨著預(yù)測(cè)模型的不斷發(fā)展，河流水質(zhì)預(yù)測(cè)的精度得到明顯改善。這其中基于小波函數(shù)原理的BP神經(jīng)網(wǎng)絡(luò)模型在許多地區(qū)河流水質(zhì)污染物指標(biāo)濃度預(yù)測(cè)中得到不同程度的應(yīng)用。應(yīng)用結(jié)果均表明BP神經(jīng)網(wǎng)絡(luò)?；谒|(zhì)觀測(cè)數(shù)據(jù)樣本，通過(guò)樣本訓(xùn)練，逐步對(duì)其水質(zhì)污染負(fù)荷進(jìn)行擬合，從而實(shí)現(xiàn)水質(zhì)預(yù)測(cè)分析。但傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)模型由于不能考慮模型梯度變量影響，求解存在不能收斂的局限。為此有學(xué)者針對(duì)傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)模型的局限，對(duì)模型進(jìn)行了改進(jìn)，但改進(jìn)模型在河流水質(zhì)預(yù)測(cè)中還未得到應(yīng)用，為提高營(yíng)口地區(qū)河流水質(zhì)預(yù)測(cè)的精度，文章引入改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)模型對(duì)區(qū)域河流水質(zhì)進(jìn)行預(yù)測(cè)，并結(jié)合監(jiān)測(cè)濃度對(duì)傳統(tǒng)模型及改進(jìn)模型的計(jì)算精度進(jìn)行對(duì)比分析。研究成果對(duì)于營(yíng)口地區(qū)河流水質(zhì)預(yù)測(cè)具有重要的方法參考價(jià)值。

1 模型改進(jìn)原理

傳統(tǒng) BP神經(jīng)網(wǎng)絡(luò)模型基于小波變換原理對(duì)變量進(jìn)行方程求解計(jì)算：

(1)

式中：τ為橫向變量；α為小波變換變量；t為計(jì)算時(shí)段，h。模型對(duì)其進(jìn)行小波轉(zhuǎn)換計(jì)算：

ψ(t)=cos(1.75t)e(-t2/2)

(2)

對(duì)傳統(tǒng)模型的梯度變量進(jìn)行修正，修正方程為：

(3)

式中：φ(j)為改進(jìn)模型隱含層輸出變量；αj為模型基礎(chǔ)變量；i為模型控制節(jié)點(diǎn)數(shù)目；wij為變量權(quán)重；τj為模型控制節(jié)點(diǎn)計(jì)算步長(zhǎng)。結(jié)果模型變量權(quán)重對(duì)其輸出變量進(jìn)行計(jì)算：

(4)

式中：y(k)為模型輸出變量。結(jié)合區(qū)域水質(zhì)樣本觀測(cè)數(shù)據(jù)，對(duì)計(jì)算節(jié)點(diǎn)控制單元的參數(shù)對(duì)水質(zhì)指標(biāo)濃度進(jìn)行預(yù)測(cè)：

(5)

(6)

(7)

(8)

3 模型應(yīng)用

3.1 數(shù)據(jù)情況

以營(yíng)口地區(qū)河流為分析目標(biāo)，該河流的水質(zhì)監(jiān)測(cè)采樣數(shù)據(jù)系列為30年，由于點(diǎn)源和農(nóng)業(yè)面源污染的綜合影響，營(yíng)口地區(qū)河流水質(zhì)受到不同程度的影響。為提高營(yíng)口地區(qū)河流水質(zhì)，基于營(yíng)口地區(qū)河流實(shí)測(cè)的總氮數(shù)據(jù)，分別采用改進(jìn)的和傳統(tǒng)的的BP神經(jīng)網(wǎng)絡(luò)模型對(duì)區(qū)域河流總氮進(jìn)行預(yù)測(cè)，并對(duì)比分析不同模型的水質(zhì)預(yù)測(cè)精度。

3.2 年尺度模型預(yù)測(cè)精度對(duì)比結(jié)果

結(jié)合營(yíng)口地區(qū)近30年的年尺度水質(zhì)監(jiān)測(cè)數(shù)據(jù)作為模型的訓(xùn)練樣本，分別采用改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)模型和傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)模型對(duì)區(qū)域2009年-2019年的總氮預(yù)測(cè)精度進(jìn)行對(duì)比分析，分析結(jié)果如表1所示。

表1 改進(jìn)模型和傳統(tǒng)模型的年總氮精度對(duì)比分析結(jié)果

從營(yíng)口地區(qū)河流總氮年尺度對(duì)比結(jié)果可看出，相比于傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)模型，改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)模型在營(yíng)口地區(qū)總氮年尺度預(yù)測(cè)精度上具有明顯的改善，總氮實(shí)測(cè)值和預(yù)測(cè)的總氮含量之間的誤差指標(biāo)平均降低±10%左右，且各年份總氮預(yù)測(cè)誤差均有所改進(jìn)。這主要是因?yàn)楦倪M(jìn)的BP神經(jīng)網(wǎng)絡(luò)模型對(duì)變量求解的梯度進(jìn)行修正，加速了模型的收斂精度，使得模型求解精度得到改善，因此提高了改進(jìn)模型對(duì)于年尺度總氮的預(yù)測(cè)精度。

3.3 月尺度模型預(yù)測(cè)精度對(duì)比結(jié)果

為對(duì)比不同月份下改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)模型和傳統(tǒng)模型的水質(zhì)預(yù)測(cè)精度，結(jié)合營(yíng)口地區(qū)水質(zhì)監(jiān)測(cè)站各月份總氮的監(jiān)測(cè)數(shù)據(jù)，對(duì)改進(jìn)前后模型月尺度的總氮預(yù)測(cè)精度進(jìn)行對(duì)比分析，分析結(jié)果如表2所示。

表2 改進(jìn)模型和傳統(tǒng)模型的月總氮精度對(duì)比分析結(jié)果

從改進(jìn)模型和傳統(tǒng)模型的月總氮精度對(duì)比分析結(jié)果可看出，和年尺度總氮預(yù)測(cè)精度具有一致性，相比于傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)模型，改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)模型在營(yíng)口地區(qū)月尺度總氮預(yù)測(cè)誤差上也有較為明顯的改善，總氮預(yù)測(cè)誤差相比于傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)模型減低±8%左右，月總氮預(yù)測(cè)誤差要高于年尺度總氮預(yù)測(cè)誤差，這主要是年尺度總氮預(yù)測(cè)由于均化影響，減低了模型預(yù)測(cè)隨機(jī)影響，而月尺度總氮誤差受隨機(jī)影響程度要高于年尺度，因此其誤差要高于年尺度。

4 結(jié) 論

1)改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)模型在營(yíng)口地區(qū)總氮年尺度預(yù)測(cè)精度上具有明顯的改善，總氮實(shí)測(cè)值和預(yù)測(cè)的總氮含量之間的誤差指標(biāo)平均降低±10%左右，且各年份總氮預(yù)測(cè)誤差均有所改進(jìn).

2)改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)模型在營(yíng)口地區(qū)月尺度總氮預(yù)測(cè)誤差上也有較為明顯的改善，總氮預(yù)測(cè)誤差相比于傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)模型減低±8%左右，由于年尺度均化影響，減低了模型預(yù)測(cè)隨機(jī)影響，而月尺度總氮誤差受隨機(jī)影響程度要高于年尺度，因此其誤差要高于年尺度。