孫英軍

(浙江省水文管理中心，浙江 杭州 310000)

1 概 述

工業(yè)廢水與生活廢水存在亂排放現(xiàn)象，使水體污染越來越嚴重，進而使水中氮、磷等物質(zhì)含量超標[1]。目前，各城市地下水達標率較低，地下水水質(zhì)嚴重污染已成為制約現(xiàn)代化與城鎮(zhèn)化建設的重要因素，且水污染破壞了生態(tài)環(huán)境，對人們生活與身體康健造成影響。地下水作為人類用水主要來源之一，對其水質(zhì)進行監(jiān)測已成為重點研究課題[2]。基于此，亟須提出可靠的地下水水質(zhì)參數(shù)監(jiān)測技術。為此，提出基于超球支持向量機的地下水水質(zhì)參數(shù)自動監(jiān)測技術。

2 技術概況

超球支持向量機每類樣本只在訓練本類模型時用到一次，適合并行運算。基本思想是由兩分類問題擴展到多分類，對每一類樣本構造出一個最小超球。超球支持向量機模型構建步驟如下：

a.利用主成分分析方法采集地下水水質(zhì)數(shù)據(jù)。

b.建立樣本指標體系，并選定訓練集與測試集。

c.初始化種群位置與速度，計算適應度值。

d.根據(jù)粒子速度、位置及學習因子更新慣性權重。

e.如果滿足終止條件則終止，得到最優(yōu)參數(shù)C(懲罰因子)與σ(核參數(shù))，基于最優(yōu)參數(shù)對超球支持向量機進行訓練，通過超球支持向量機對水質(zhì)進行分級。

結合支持向量機回歸問題對超球進行改進，生成包括所有樣本點的最小超球：

其中

式中R——超球半徑；

ξi——松弛變量；

C——懲罰因子；

a——超球球心。

超球支持向量機算法流程如下：

a.使用初始訓練集Xa訓練SVM。

b.生成超球。

c.數(shù)據(jù)集中任意一點xi到超平面f(x)±ε的距離公式為

保存di≤p的點，得到保存點集St。

d.將增量數(shù)據(jù)Xb加入Xa中，使用SVM訓練數(shù)據(jù)集Xa。

超球向量機法使用兩個同心超球縮減訓練集，提高訓練速度。

2.1 地下水水質(zhì)參數(shù)自動監(jiān)測

通過對典型支持向量機進行分析可知，該模型可將低維空間內(nèi)樣本映射至高維空間實現(xiàn)相應處理，進而實現(xiàn)線性可分。高維空間特征計算過程中可能出現(xiàn)維數(shù)災難，總體計算量非常大，為此引入核函數(shù)進行解決[7-8]。目前使用范圍較廣的核函數(shù)主要包括線性核函數(shù)與徑向基核函數(shù)等。本研究選擇以下形式的核函數(shù)：

式中xi和xj——第i和第j個樣本；

σ——核函數(shù)。

超球支持向量機運行過程中模型參數(shù)對分類具有較大影響，主要影響參數(shù)包含懲罰因子C與核參數(shù)σ。相關研究顯示，如果核參數(shù)非常小，模型訓練誤差非常小，即所有訓練樣本均為支持向量機，在核參數(shù)由小變大過程中，模型分類效果呈相應變化，中間將得到某個值所得分類效果最好。懲罰因子越小，模型分類復雜程度越低，經(jīng)驗風險值越大；相反模型分類復雜程度越高，經(jīng)驗風險值越小[9-10]。為此，須找出1組恰當?shù)膽土P因子與核參數(shù)使模型分類效果最優(yōu)。

采用改進粒子群法對超球支持向量機運行參數(shù)進行優(yōu)化，步驟如下：

a.初始化算法運行參數(shù)，包括種群規(guī)模sizepop和加速系數(shù)c1、c2等，將算法最大迭代次數(shù)設為Tmax，任意生成一組(C,σ)作為粒子初始位置。

b.設置改進粒子群算法適應函數(shù)，對粒子適應度進行計算與評估，選出最常用與典型的均方誤差MSE作為適應度函數(shù)，計算公式如下：

c.基于粒子適應度值更新粒子自身與群體最優(yōu)適應度值，對粒子速度、位置和學習因子等進行動態(tài)調(diào)節(jié)，獲取新粒子群，計算公式如下：

式中c1ini、c2ini——c1、c2初始值；

t、Tmax——目前迭代次數(shù)與最大迭代次數(shù)；

c1fin、c2fin——c1、c2終值。

d.如果未滿足算法終止條件或達到最大迭代次數(shù)，返回b將最優(yōu)參數(shù)進行輸出。

2.2 水質(zhì)等級評價

構建評價指標體系，并將該體系作為建立模型訓練樣本集合的基礎[3]，可降低人為因素與監(jiān)測數(shù)據(jù)對模型運行的干擾，且體現(xiàn)評價結果客觀性，利于提高評價結果科學性?；趯嶋H監(jiān)測數(shù)據(jù)與水環(huán)境質(zhì)量相關標準(見表1)，選取氨氮、總磷、總氮作為輸入?yún)?shù)。

表1 水環(huán)境質(zhì)量相關標準

由于指標項相對較多，且各指標項間存在密切聯(lián)系，對收斂效率與分類精確性產(chǎn)生影響，直接將部分監(jiān)測因子刪除易造成水質(zhì)情況難以全方位反映等問題，為此，引入主成分分析法，將高維空間數(shù)據(jù)轉(zhuǎn)化為低維空間數(shù)據(jù)進行處理，以簡化統(tǒng)計數(shù)字特征，消除重疊信息，獲取1組可反映原本輸入變量情況的新變量[4-6]。先對總體采集到的樣本進行主成分分析，具體過程如下。

假設存在n個樣本和p個指標變量，則原始數(shù)據(jù)矩陣表達式為

對矩陣進行標準化處理，將數(shù)據(jù)按照一定比例進行縮放，使其落到1個小區(qū)間內(nèi)，對各指標分量進行標準化變換，變換表達式如下：

標準化后的矩陣X′可表示為

計算已知n個樣本間相關系數(shù)，相關矩陣中各元素通過對應相關系數(shù)描述如下：

計算獲取相關矩陣R， 基于Ax=λx轉(zhuǎn)換成|R-λE|=0，實現(xiàn)特征方程求解，獲取m個不小于0的特征值，即λ1，λ2，…，λm，且λ1≥λ2≥，…，≥λm≥0，其中與第i個特征值相應的特征向量為ai=(ai1,…,aip)。

基于以上得到的m個特征向量對m個主成分變量進行計算，公式如下：

式中F1——第一主成分；

但是，在對外漢語教學中，有很長一段時間我們把教學重點放在語音、詞匯和語法上，缺乏對語用教學的重視。那么，現(xiàn)階段留學生的語用能力到底處于一個什么樣的水平，內(nèi)部發(fā)展是否均衡,語用能力是否隨著語言能力的提高而提高？留學生對語用能力的重要性、語用失誤的嚴重性又是如何看待的？在留學生看來，教材編寫和課堂教學，是否存在著語用教學方面的不足？

Fi——第i主成分。

利用訓練集合監(jiān)督學習構建相應超球支持向量機水質(zhì)等級評價分類器，通過測試集合獲取評價結果，如果超過標準值則發(fā)出警報。在超球支持向量機中，各樣本僅需開展1次訓練，較好地解決了傳統(tǒng)分類法多次參加訓練與測試的問題。

3 試驗結果與分析

為驗證基于超球支持向量機的地下水水質(zhì)參數(shù)自動監(jiān)測技術可靠性，開展以下試驗。試驗平臺為matlab，以一地下水段為測試目標。監(jiān)測系統(tǒng)見圖1。

圖1 監(jiān)測系統(tǒng)

在地下水測試段分別設置3個測試點，對本文提出的監(jiān)測技術監(jiān)測準確性進行驗證。設置粒子群規(guī)模為20，加速度系數(shù)c1ini=2.5，c1fin=0.5，c2ini=0.5，最大迭代次數(shù)為50，ωmin=0.3，ωmax=0.9，懲罰因子取值區(qū)間為[0.01,100]，核參數(shù)取值區(qū)間為[0,20]。

部分水質(zhì)類別判斷結果見表2、表3。

表2 觀測點1水質(zhì)類別判斷結果

表3 觀測點2水質(zhì)類別判斷結果

由表2、表3可知，基于超球支持向量機的地下水水質(zhì)參數(shù)自動監(jiān)測技術監(jiān)測得到的結果與實際結果一致，而單因子分類結果與實際結果略有出入，有出入的原因是某個因子污染相對嚴重，導致單因子評價結果較片面，僅突出某一水質(zhì)因子的影響，無法整體反映地下水水質(zhì)參數(shù)情況。本文提出的監(jiān)測技術評價相對全面，綜合考慮了多項指標，可高效彌補單因子評價存在的不足，提高地下水水質(zhì)參數(shù)自動監(jiān)測精確性。

對地下水進行水樣測試，并記錄TOC(總有機碳)與COD(化學需氧量)，將記錄數(shù)據(jù)通過基于Python的數(shù)據(jù)分析軟件進行建模分析，生成以地下水COD值為x軸、以地下水TOC值為y軸的打點圖形，并運用最小二乘法對數(shù)據(jù)進行擬合，見圖2。

圖2 觀測點1 COD值與TOC值線性回歸模型

由圖2可知， 地下水COD值與TOC值存在良好的線性關系，監(jiān)測結果更靠近擬合的回歸曲線，可見地下水相關性較強。

TOC實測值與預測值跟隨性曲線見圖3，由圖3可知，兩處觀測點地下水水域TOC實測值曲線與TOC預測值曲線大致重合，可較好地實現(xiàn)不同地下水水域水質(zhì)參數(shù)監(jiān)測。

圖3 TOC實測值與預測值跟隨性曲線

基于上述研究，給出以下地下水水質(zhì)監(jiān)測建議：

a.建成前做好規(guī)劃。在監(jiān)測系統(tǒng)建設前期階段，基于各地區(qū)經(jīng)濟與供水等情況，按照先進、可靠的基本要求進行統(tǒng)一規(guī)劃，并為后期發(fā)展保留一定空間。隨著技術的不斷發(fā)展，在構建系統(tǒng)過程中預留接口，避免重復開發(fā)。

b.建設過程中強化管理。組織相關專家對相應方案進行優(yōu)化，并在開始投入建設后及時采集設備合格證書與說明書等，便于后期維護，并開展連續(xù)試運行，然后再驗收。

c.建成之后重視維護。以保障在線自動監(jiān)測性能為目的，按固定周期對各項監(jiān)測儀器進行清洗和調(diào)節(jié)。

4 結 論

現(xiàn)階段，水質(zhì)監(jiān)測效率低，且精確性較差，為此，提出基于超球支持向量機的地下水水質(zhì)參數(shù)自動監(jiān)測技術。以水質(zhì)監(jiān)測平臺為依托，結合主成分分析法、改進粒子群法、超球支持向量機構建地下水水質(zhì)參數(shù)級別評價模型。經(jīng)測試可知，本文所提方法具有良好的運行效果。下一步將結合外界因素進一步提升水質(zhì)監(jiān)測精確性，如利用地質(zhì)和氣象數(shù)據(jù)等實現(xiàn)水質(zhì)參數(shù)評價、監(jiān)測。