史利濤

(漯河市生態(tài)環(huán)境局臨潁分局，河南 漯河 462600)

引 言

城市居住環(huán)境中的河水是中水回用技術(shù)的主要應(yīng)用對象，通過對城市居民生活用水進行集中處理，使水質(zhì)達到一定標(biāo)準，可回用于植被灌溉、路面清掃、廁所沖洗等，實現(xiàn)綠色生態(tài)發(fā)展戰(zhàn)略下的節(jié)水要求[1]。因此劉冉等提出了一個基于輻射傳輸過程的水質(zhì)遙感模型，根據(jù)入射光在水體中的輻射傳輸，確定污染物的懸浮狀態(tài)，以定量分析的方式獲取監(jiān)測水樣，為中水回用的河道水質(zhì)，提供一個科學(xué)的監(jiān)測技術(shù)[2]。李韶慧等對黔中水利樞紐的一期工程的核心水源工程進行評價，區(qū)分了各評價因子對水質(zhì)貢獻的差異性，提出了基于組合賦權(quán)貝葉斯模型的水質(zhì)評價方法，對水質(zhì)進行了較為精確的評價，達到了貴州省水功能區(qū)劃的相應(yīng)要求[3]。董巍等提出了基于最小二乘支持向量機的污水處理出水水質(zhì)COD預(yù)測模型，實現(xiàn)污水處理中出水水質(zhì)COD光譜信號重構(gòu)，采用最小二乘支持向量機法建立水樣吸光度和水質(zhì)COD濃度預(yù)測模型，進而實現(xiàn)了污水處理中出水水質(zhì)COD在線預(yù)測，穩(wěn)定性較強[4]。

但是以往研究方法僅僅依靠單一的分類方法確認水質(zhì)信息，訓(xùn)練與學(xué)習(xí)能力較差，直接影響模型監(jiān)測精度，因此，此次研究將數(shù)據(jù)挖掘方法與監(jiān)測模型相結(jié)合，優(yōu)化水質(zhì)變化監(jiān)測模型。數(shù)據(jù)挖掘分為6個大步驟，以更加詳細和精準的操作方式處理監(jiān)測數(shù)據(jù)，為模型的監(jiān)測工作提供數(shù)據(jù)劃分原則，為今后的水質(zhì)變化監(jiān)測，提供更加科學(xué)的技術(shù)支持。

1 基于數(shù)據(jù)挖掘的城市人居環(huán)境河流水質(zhì)變化監(jiān)測模型

1.1 計算影響水質(zhì)變化的參考指標(biāo)

城市人居環(huán)境中，河流水質(zhì)直接影響到綠化灌溉、車輛沖洗、道路沖洗等節(jié)水方案，同時，在城市污水處理中，二氧化氯主要是針對水體消毒的消毒劑，主要應(yīng)用于飲用水、污水、食品加工車間環(huán)境、水產(chǎn)養(yǎng)殖、土壤改良等領(lǐng)域，功效是通過二氧化氯的強氧化性來殺滅水中的致病菌、病毒、芽孢、真菌、微生物等，達到凈化水質(zhì)的目的，因此在傳統(tǒng)方法的基礎(chǔ)上，本文所設(shè)計的水質(zhì)變化監(jiān)測模型選擇氯作為影響水質(zhì)變化的參考指標(biāo)。

河道水流中的試劑氯，以總余氯、化合性余氯以及游離余氯的形式存在?？紤]到河道中的有機物和無機物，會對余氯造成衰減反應(yīng)，利用下列公式，描述河道中余氯的衰減過程：

Cl2+M=CBPs

(1)

公式中：CBPs表示含量為s的反應(yīng)產(chǎn)物；Cl2表示河道水中的自由余氯；M表示能與自由余氯發(fā)生反應(yīng)的有機物或無機物。設(shè)置三個參數(shù)的反應(yīng)速率分別為vp、vc和vm，則通過下列方程組中的公式，描述不同物質(zhì)的反應(yīng)結(jié)果：

(2)

公式中：qp、qc以及qm分別表示CBPs、Cl2和M的實際濃度。若反應(yīng)產(chǎn)物CBPs的濃度值小于物質(zhì)M的濃度值時，將qm看做一個常數(shù)，則

(3)

公式中：vs表示余氯的衰減速率。河道是土體或建筑表面組成的空間，因此水中的余氯還會與河道接觸，此時余氯與河道上的粘附物質(zhì)發(fā)生反應(yīng)，消耗了余氯。因此河道接觸面的余氯反應(yīng)速率為：

(4)

公式中：v1表示水流到河道表面的傳輸系數(shù)；lh表示高度為h的河道半徑；qb表示河道表面的余氯濃度。則個面具上述計算結(jié)果，得到河道表面的余氯衰減速率，計算公式為：

(5)

公式中：f2表示Sherwood系數(shù)。聯(lián)立公式(3)和公式(5)，得到余氯在河流水中的衰減指標(biāo)：

(6)

將上述指標(biāo)作為模型監(jiān)測水質(zhì)變化的參照變量，然后進行下一階段的優(yōu)化設(shè)計[5]。

1.2 基于數(shù)據(jù)挖掘設(shè)置模型對水質(zhì)變化的設(shè)別模式

數(shù)據(jù)挖掘方法中，聚類分析技術(shù)是一種先進的應(yīng)用技術(shù)，可以根據(jù)目標(biāo)變量或?qū)傩?，計算具有距離差異的數(shù)據(jù)集合。因此利用數(shù)據(jù)挖掘技術(shù)，對水質(zhì)監(jiān)測矩陣進行數(shù)據(jù)分類。層次聚類分析法預(yù)先初始化相似矩陣和距離，然后對最小集合進行更新與合并，不斷重復(fù)循環(huán)更新新的數(shù)據(jù)集合，達到設(shè)定的集合數(shù)目后結(jié)束迭代。將距離設(shè)置為d，則第a個監(jiān)測區(qū)域和第b個監(jiān)測區(qū)域之間的距離為：

(7)

公式中：uam和ubm分別表示第a個和第b個監(jiān)測區(qū)域，指標(biāo)m的實際監(jiān)測值，該值就是公式(6)的計算結(jié)果[6]。而水質(zhì)成分是水質(zhì)變量觀測結(jié)果的線性組合，因此歸一化區(qū)域內(nèi)所有水體的歷史數(shù)據(jù)，得到水質(zhì)成分分析結(jié)果：

(8)

公式中：Fab表示水體成分；βae表示衰減速率指標(biāo)對于提取成分的影響程度；i、j分別表示水體主成分數(shù)目和監(jiān)測樣本數(shù)目；e表示水質(zhì)指標(biāo)的總變化次數(shù)。根據(jù)數(shù)據(jù)挖掘方法訓(xùn)練樣本數(shù)據(jù)，得到實際可用的參數(shù)，找出水質(zhì)數(shù)據(jù)之間的時空關(guān)聯(lián)，利用模型的智能計算程序，監(jiān)測水質(zhì)變化情況，找出各時空間區(qū)域內(nèi)，河道水質(zhì)指標(biāo)與其他參數(shù)之間的隱含關(guān)系，完成對某一特定區(qū)域內(nèi)水質(zhì)變化的識別[7]。監(jiān)測模型設(shè)計的核心思想是以智能推理的方式合理解釋重要的隱藏關(guān)系，并針對水質(zhì)污染物、污染源等問題提出相應(yīng)的管理措施，由此設(shè)置基于數(shù)據(jù)挖掘的水質(zhì)變化識別模式，如圖1所示，利用該模型實時監(jiān)測河流水質(zhì)變化特征。

圖1 水質(zhì)變化設(shè)別模式Fig.1 Water quality change model

將圖1所示的識別模式，與監(jiān)測模型之間建立有效連接，通過該模式控制模型的監(jiān)測行為[8]。

1.3 構(gòu)建具有時間性質(zhì)的水質(zhì)變化監(jiān)測模型

時間序列是指隨時間推移而發(fā)生變化的數(shù)據(jù)，由于監(jiān)測模型與監(jiān)測時間點存在相關(guān)性，因此構(gòu)建一個具有時間性質(zhì)的水質(zhì)變化監(jiān)測模型。根據(jù)統(tǒng)計特性，將時間序列劃分為平穩(wěn)和非平穩(wěn)時間序列，當(dāng)希望監(jiān)測結(jié)果在未來保持不變時，此時需要模型具有處理平穩(wěn)性監(jiān)測數(shù)據(jù)的能力；當(dāng)一些數(shù)據(jù)發(fā)生變化時，則需要模型具備處理非平穩(wěn)性數(shù)據(jù)的能力。已知目標(biāo)的未來走勢與參考指標(biāo)相關(guān)，因此根據(jù)移動平均法建立監(jiān)測模型，計算公式為：

(9)

(10)

至此，在數(shù)據(jù)挖掘方法的輔助下，實現(xiàn)對城市人居環(huán)境河流水質(zhì)變化監(jiān)測模型的構(gòu)建。

2 實驗與分析

2.1 實驗準備

將河南省某城市的人居環(huán)境河流作為實驗測試對象，對該地區(qū)的河流水質(zhì)變化進行監(jiān)測。圖2為該城市中，某一村鎮(zhèn)的中水回用河道結(jié)構(gòu)圖。

圖2 中水回用河道結(jié)構(gòu)圖Fig.2 Reclained water reuse chamel structure diagram

圖2中，節(jié)點1表示村鎮(zhèn)供水源，其他節(jié)點表示村鎮(zhèn)人居環(huán)境用水節(jié)點，網(wǎng)狀結(jié)構(gòu)表示供水河道的走勢。根據(jù)文中設(shè)計模型的一般過程，結(jié)合數(shù)據(jù)挖掘和時序性質(zhì)基本特征，確定了自身輸入層、輸出層以及隱含層的神經(jīng)元個數(shù)，分別為10、1和12，設(shè)置模型的學(xué)習(xí)速度為0.1，終止誤差為0.0001，最大迭代次數(shù)為10000，初始權(quán)重范圍為[-0.5,0.5]，學(xué)習(xí)次數(shù)為7。根據(jù)上述參數(shù)的設(shè)置值，建立基于數(shù)據(jù)挖掘的城市人居環(huán)境河流水質(zhì)變化監(jiān)測模型，該模型在7次學(xué)習(xí)下，其損失函數(shù)的變化如圖3所示。

圖3 模型損失函數(shù)的變化趨勢Fig.3 Change trend of model loss function

根據(jù)圖3中的數(shù)據(jù)可知，監(jiān)測模型的損失函數(shù)為23.72，合計用時為3 386s。完成每一次學(xué)習(xí)任務(wù)后，根據(jù)樣本誤差剔除部分樣本，再根據(jù)剩余的樣本進行學(xué)習(xí)，整個建模過程中，學(xué)習(xí)的樣本數(shù)量和被剔除的樣本數(shù)量，如表1所示。

表1 建模過程中每次學(xué)習(xí)的樣本數(shù)量Tab.1 Sample number of each learning in modeling process (個)

根據(jù)表1中的數(shù)據(jù)可知，隨著學(xué)習(xí)次數(shù)的增加，被剔除的樣本數(shù)量隨之減少。當(dāng)模型建立完畢時，共剔除了3 051個樣本，最后用于建模的樣本數(shù)為17 545。選擇水質(zhì)監(jiān)測需要的儀器設(shè)備，搭建實驗測試平臺，將文中設(shè)計的監(jiān)測模型作為實驗組，將文獻[2]方法作為對照組(和本文方法一直，均以定量分析的方式獲取監(jiān)測水樣，減少數(shù)據(jù)采樣過程中的不確定性)，將兩個模型與水質(zhì)監(jiān)測系統(tǒng)之間建立連接，比較不同監(jiān)測模型對實驗地區(qū)的水質(zhì)監(jiān)測結(jié)果。

2.2 模型誤差檢驗

由于各學(xué)習(xí)樣本的河道水質(zhì)，是通過樣本所在區(qū)域的中水回用資源均值柵格化得到的，并不是該測試河道的實際中水回用資源，因此不對單個學(xué)習(xí)樣本誤差進行分析，利用模型計算各個位置的河道水質(zhì)，然后統(tǒng)計各個區(qū)域的水質(zhì)均值，將該值與村鎮(zhèn)報出的水質(zhì)數(shù)據(jù)進行比較。利用兩組模型監(jiān)測12個區(qū)域中，6個月內(nèi)的水質(zhì)變化情況，模型的監(jiān)測均值與公報值的絕對誤差和相對誤差，如表2所示。

表2 模型監(jiān)測均值與公報值的誤差對比Tab.2 Error comparison between the model monitoring mean value and the bulletin value

根據(jù)表2中的計算結(jié)果可知，文中模型計算下，有58.33%的絕對誤差絕對值，小于20mm；所有絕對誤差絕對值均小于30mm。而文獻[2]方法應(yīng)用下，有41.67%的絕對誤差絕對值，小于20mm；有66.67%的絕對誤差絕對值小于30mm。且文獻[2]方法的水質(zhì)監(jiān)測誤差，有4個區(qū)域的水質(zhì)監(jiān)測絕對誤差絕對值，大于40mm。且這四個區(qū)域的相對誤差也超過了25%。計算兩個模型的相對誤差絕對值均值，分別為7.13%和16.65%，文中模型的相對誤差絕對值平均結(jié)果，比文獻[2]方法低了9.52%?？梢姶舜卧O(shè)計的水質(zhì)監(jiān)測模型，其監(jiān)測誤差更小，得到的水質(zhì)變化監(jiān)測結(jié)果，更加貼近河道水質(zhì)的真實值。

2.3 水質(zhì)變化監(jiān)測效果測試

已知河南省有17個地級市1個直轄市，為了方便實驗測試，將這些城市按照A1～A18的順序進行編號。已知18個城市中，有6個城市的水質(zhì)狀態(tài)經(jīng)過治理后，符合中水回用的標(biāo)準；有2個城市的水質(zhì)狀態(tài)則出現(xiàn)了中度污染現(xiàn)象；其他城市的水質(zhì)則一直符合中水回用標(biāo)準。實驗設(shè)置2個相同監(jiān)測周期，分別利用2個模型，對河南省各個城市的河流水質(zhì)變化進行監(jiān)測，周期與監(jiān)測過程一一對應(yīng)，縮減實驗時間。圖4為第1個監(jiān)測周期內(nèi)，兩個模型對城市人居環(huán)境河流水質(zhì)變化的監(jiān)測效果。

圖4 第1個測試周期內(nèi)模型對水質(zhì)變化的監(jiān)測效果Fig.4 Monitoring effect of the model on water quality changes in the first test period

根據(jù)已知的實驗測試條件發(fā)現(xiàn)，文中設(shè)計的模型準確得到了6個城市的河流水質(zhì)，不滿足中水回用標(biāo)準，同時也監(jiān)測到了2個城市的河流水質(zhì)出現(xiàn)了微弱變化。而文獻[2]方法在監(jiān)測過程中，還未發(fā)現(xiàn)明顯的污染變化。圖5是第2個監(jiān)測周期內(nèi)，兩組模型得到的監(jiān)測結(jié)果。

圖5 第2個測試周期內(nèi)模型對水質(zhì)變化的監(jiān)測效果Fig.5 Monitoring effect of the model on water quality changes in the second test period

根據(jù)圖5所示的監(jiān)測結(jié)果發(fā)現(xiàn)，此次設(shè)計的監(jiān)測模型，得到的城市河流水質(zhì)監(jiān)測結(jié)果，與已知的實驗測試條件完全一致。而文獻[2]方法則只發(fā)現(xiàn)了4個城市的河流水質(zhì)，開始接近中水回用標(biāo)準值，且未發(fā)現(xiàn)1個城市的河流水質(zhì)，朝著中度污染變化。比較兩組模型的訓(xùn)練誤差和泛化誤差，結(jié)果如表3所示。

表3 模型誤差統(tǒng)計Tab.3 Model error statistics (mm)

根據(jù)表3中的數(shù)據(jù)可知，此次設(shè)計的監(jiān)測模型，其精度更高，因此在監(jiān)測水質(zhì)變化時，融入了數(shù)據(jù)挖掘技術(shù)，可以得到與實際數(shù)據(jù)一致的監(jiān)測結(jié)果。

3 結(jié) 語

本研究在借鑒傳統(tǒng)監(jiān)測模型的基礎(chǔ)上，針對分類方法單一，學(xué)習(xí)與訓(xùn)練能力較差的問題，結(jié)合數(shù)據(jù)挖掘算法與時間序列，建立具有時間性質(zhì)的水質(zhì)變化監(jiān)測模型，幫助模型增強對數(shù)據(jù)的學(xué)習(xí)和訓(xùn)練能力，為城市水安全提供更完善的技術(shù)保障。

由于時間和實驗樣本的限制，僅對部分優(yōu)化內(nèi)容進行了詳細描述，缺少其他影響水質(zhì)變化因子的探討與區(qū)域內(nèi)水質(zhì)變化樣本的挖掘，因此，在以后的研究工作中，可以對其他部分進行說明，為模型的優(yōu)化和使用提供更詳細的數(shù)據(jù)。