龍幸幸

(邢臺(tái)襄禹水利勘測(cè)設(shè)計(jì)有限公司,河北 邢臺(tái) 054000)

城市河道是城市規(guī)劃的重要組成部分,組成了城市景觀直接服務(wù)于居民的日常生活。然而,隨著經(jīng)濟(jì)的發(fā)展和城市化進(jìn)程的加快,城市工業(yè)開發(fā)區(qū)、居民集中生活區(qū)等區(qū)域的構(gòu)建對(duì)城市河道的水質(zhì)及水位均產(chǎn)生了影響,工業(yè)、生活污水的排放嚴(yán)重影響了河道水質(zhì),造成了黑臭水體的出現(xiàn),嚴(yán)重影響了城市景觀。城市河道的水質(zhì)和水位是維持城市景觀的關(guān)鍵,因此掌握河道水質(zhì)水位的變化規(guī)律,構(gòu)建河道水質(zhì)水位估算模型是提出改善河道生態(tài)的具體措施的基礎(chǔ)。

關(guān)于水質(zhì)水位估算模型的構(gòu)建,目前已取得了一定的研究進(jìn)展。徐睿等[1]基于改進(jìn)的GRNN模型對(duì)河流水質(zhì)進(jìn)行了估算,指出該模型在河流CODCr估算中取得了較高的精度;張秀菊等[2]基于BP網(wǎng)絡(luò)模型構(gòu)建了瀟河流域水質(zhì)預(yù)測(cè)模型,以重鉻酸鹽指數(shù)和高錳酸鹽指數(shù)為水質(zhì)指標(biāo)計(jì)算實(shí)例,指出該模型的模擬結(jié)果與實(shí)測(cè)值的相關(guān)系數(shù)在0.98以上;孫英軍等[3]基于改進(jìn)CNN模型構(gòu)建了河道水位區(qū)間預(yù)測(cè)模型,并證明了該模型的科學(xué)性。隨著科技的進(jìn)步,機(jī)器學(xué)習(xí)模型的應(yīng)用成為了各領(lǐng)域研究的熱點(diǎn),但關(guān)于城市內(nèi)部河道水位水質(zhì)估算模型構(gòu)建的研究仍然較少。

傳統(tǒng)的機(jī)器學(xué)習(xí)模型由于易陷入局部最優(yōu)解的缺點(diǎn),導(dǎo)致模型精度較低,因此常需對(duì)模型進(jìn)行優(yōu)化后再使用[4]。為得出城市河道水位水質(zhì)估算模型,本文以多年實(shí)測(cè)南排河水位水質(zhì)數(shù)據(jù)為基礎(chǔ),基于以不同算法優(yōu)化的長短期記憶神經(jīng)網(wǎng)絡(luò)模型(LSTM)對(duì)城市河道水位水質(zhì)估算模型進(jìn)行構(gòu)建,得出精度最高的推薦模型,以指導(dǎo)城市環(huán)保政策的制定。

1 研究方法

1.1 基礎(chǔ)數(shù)據(jù)獲取

在河北省南排河的固定監(jiān)測(cè)地點(diǎn)及固定監(jiān)測(cè)時(shí)間采集水樣,每個(gè)監(jiān)測(cè)地點(diǎn)取樣3次,同時(shí)測(cè)定,取平均值,監(jiān)測(cè)項(xiàng)目包括河道水位和水質(zhì)指標(biāo),水質(zhì)主要監(jiān)測(cè)水體中總氮、總磷、氨氮、化學(xué)需氧量和高錳酸鹽指數(shù),數(shù)據(jù)在2016—2018年期間每5天測(cè)一次,數(shù)據(jù)測(cè)試包括水位、總氮、總磷、氨氮、高錳酸鹽指數(shù)、化學(xué)需氧量。

1.2 估算模型構(gòu)建

1.2.1 長短期記憶神經(jīng)網(wǎng)絡(luò)模型

長短期記憶神經(jīng)網(wǎng)絡(luò)模型(LSTM)由輸入閥門、遺忘閥門、更新閥門和輸出閥門4部分組成,該模型在傳統(tǒng)機(jī)器學(xué)習(xí)模型基礎(chǔ)上考慮了參數(shù)的時(shí)間規(guī)律,消除了傳統(tǒng)機(jī)器學(xué)習(xí)模型的隨機(jī)性,提高了模型精度[5]。模型構(gòu)建具體步驟如下:

a.遺忘閥門。基于sig激活函數(shù),讀取舊元素的輸出值Yi-1和新元素的輸入值Xi,通過分析權(quán)重判定新元素的合理性,具體公式為

Fi=σ(W[Yi-1,Xi]+b)

(1)

式中:Fi為遺忘閥門輸出項(xiàng);W為權(quán)重;b為偏執(zhí)矢量;σ為sig激活函數(shù)。

b.輸入閥門?；趖anh激活函數(shù)判定遺忘閥門輸出值能否達(dá)到要求,選出最優(yōu)值,具體公式為

Ii=σ(W[Yi-1,Xi]+b)

(2)

Ui=tanh(W[Yi-1,Xi]+b)

(3)

式中:Ii為模型輸入閥門;tanh為模型激活函數(shù);Ui為候選變量;其余參數(shù)意義同前。

c.更新閥門。將輸入閥門輸出值和遺忘閥門輸出值相乘,判斷當(dāng)前元素的狀態(tài)是否由Si-1更新到Si,具體公式為

Si=FiSi-1+IiZi

(4)

d.輸出閥門。經(jīng)過輸出閥門和相應(yīng)激活函數(shù)計(jì)算后,確定模型最終輸出值,具體公式為

Oi=σ(W[Yi-1,Xi]+b)

(5)

Yi=Oitanh(Si)

(6)

式中:Yi為模型輸出值;Oi為輸出閥門;其余參數(shù)意義同前。

1.2.2 鯨魚優(yōu)化算法

X(t+1)=Xb(t)+Deblcos(2πl(wèi))

(7)

式中:Xb(t)為個(gè)體最優(yōu)位置;D為當(dāng)前個(gè)體位置與最優(yōu)位置的距離;b和l為經(jīng)驗(yàn)參數(shù)。

1.2.3 改進(jìn)鯨魚優(yōu)化算法

以輸出值與實(shí)際值的均方差進(jìn)行方向搜索,在WOA算法迭代過程中引入改進(jìn)遺傳算法的自適應(yīng)交叉、變異因子,從而進(jìn)一步擴(kuò)大WOA算法搜索范圍,避免傳統(tǒng)算法的局部極值問題,算法具體步驟可參見獻(xiàn)[7]。

1.2.4 優(yōu)化LSTM模型比較

基于改進(jìn)鯨魚優(yōu)化算法對(duì)LSTM模型進(jìn)行優(yōu)化,得出IGA-WOA-LSTM模型,為驗(yàn)證該模型精度,將該模型模擬結(jié)果與WOA-LSTM模型、布谷鳥算法優(yōu)化LSTM模型(CSA-LSTM)、改進(jìn)遺傳算法優(yōu)化LSTM模型(IGA-LSTM)、粒子群算法優(yōu)化LSTM模型(PSO-LSTM)、遺傳算法優(yōu)化LSTM模型(GA-LSTM)進(jìn)行比較,得出城市河道水位水質(zhì)的估算推薦模型。

1.3 模型驗(yàn)證

采用2016—2017年的數(shù)據(jù)訓(xùn)練模型,基于2018年的數(shù)據(jù)驗(yàn)證模型精度,模型精度指標(biāo)采用相對(duì)誤差RE,相對(duì)均方根誤差RRMSE、決定系數(shù)R2和Nash系數(shù)NS表示。

2 結(jié)果與分析

2.1 城市河道不同年份水位水質(zhì)變化趨勢(shì)分析

圖1表示出了河北省南排河2016—2018年水位和5種水質(zhì)指標(biāo)的年內(nèi)變化趨勢(shì)。可以看出,不同指標(biāo)在不同年份的年內(nèi)變化趨勢(shì)基本相同,城市河道水位在年內(nèi)呈現(xiàn)出開口向下的二次拋物線形式,其中河道水位在不同年份的6—8月達(dá)到最大值,分別為45.81m、45.82m和45.92m;從水質(zhì)指標(biāo)來看,5種水質(zhì)指標(biāo)在年內(nèi)基本均呈現(xiàn)出先降低后增加的趨勢(shì),各項(xiàng)水質(zhì)指標(biāo)在1月、12月的值較高,在3—10月的值較低,這可能是由于在冬季水體中生物活性較低,降低了水體的自凈能力,導(dǎo)致河道水體水質(zhì)較差。水體總氮、總磷、氨氮、化學(xué)需氧量、高錳酸鹽指數(shù)含量在1月分別達(dá)到了3.97～4.67mg/L、0.219～0.247mg/L、0.95～1.25mg/L、30.39～32.19mg/L和6.63～6.77mg/L,取值普遍較高,按《地表水環(huán)境質(zhì)量標(biāo)準(zhǔn)》(GB 3838—2002),水體水質(zhì)維持在Ⅳ類水標(biāo)準(zhǔn),水質(zhì)較差。因此,應(yīng)加強(qiáng)城市河道在11月至翌年2月的水質(zhì)防治措施,提高該時(shí)段的水質(zhì)。

圖1 城市河道水位水質(zhì)指標(biāo)變化趨勢(shì)分析

2.2 不同模型模擬水位水質(zhì)結(jié)果變化趨勢(shì)分析

圖2表示出了不同模型對(duì)城市河道水位水質(zhì)的模擬結(jié)果?？梢钥闯?不同模型模擬值與實(shí)測(cè)值的變化趨勢(shì)基本一致,這也證明了機(jī)器學(xué)習(xí)模型的科學(xué)性,其中IGA-WOA-LSTM模型模擬結(jié)果與實(shí)測(cè)值的變化趨勢(shì)最為接近,優(yōu)化模型模擬值的變化趨勢(shì)均優(yōu)于傳統(tǒng)的LSTM模型。在水位模擬中,IGA-WOA-LSTM模型精度最高,其余實(shí)測(cè)值的偏差最高僅為-0.016m,WOA-LSTM模型和CSA-LSTM模型精度次之;在水質(zhì)指標(biāo)模擬中,總氮的模擬結(jié)果IGA-WOA-LSTM模型精度最高,WOA-LSTM模型和CSA-LSTM模型精度次之,3種模型與實(shí)測(cè)值的最大偏差分別為0.096mg/L、0.135mg/L和0.142mg/L,LSTM模型精度較低,其與實(shí)測(cè)值的最大偏差為0.891mg/L;在總磷模擬結(jié)果中,IGA-WOA-LSTM與實(shí)測(cè)值的偏差最大僅為0.039mg/L,在所有模型中偏差最小, WOA-LSTM模型和CSA-LSTM模型精度次之,IGA-LSTM模型、PSO-LSTM模型和GA-LSTM模型精度較低;在其余3種水質(zhì)指標(biāo)模擬中,同樣表現(xiàn)為IGA-WOA-LSTM模型模擬結(jié)果與實(shí)測(cè)值的擬合效果最優(yōu)。

圖2 不同模型模擬結(jié)果趨勢(shì)分析

2.3 不同模型模擬結(jié)果精度對(duì)比

圖3表示出了不同模型模擬結(jié)果與實(shí)測(cè)值相對(duì)誤差對(duì)比?？梢钥闯?優(yōu)化后的LSTM模型可顯著提高精度,其中IGA-WOA-LSTM模型相對(duì)誤差均較低。在水位模擬中,IGA-WOA-LSTM模型相對(duì)誤差為0.03%,WOA-LSTM模型和CSA-LSTM模型的相對(duì)誤差分別為0.06%和0.11%,PSO-LSTM模型、IGA-LSTM模型和GA-LSTM模型精度較低,但仍優(yōu)于LSTM模型;在總氮模擬中,IGA-WOA-LSTM模型與實(shí)測(cè)值的相對(duì)誤差為1.12%,WOA-LSTM模型和CSA-LSTM模型的精度次之,相對(duì)誤差分別為3.47%和3.90%,LSTM模型相對(duì)誤差最高,達(dá)到了16.49%;在總磷模擬中,IGA-WOA-LSTM模型精度最高,其相對(duì)誤差僅為2.72%,PSO-LSTM模型和GA-LSTM模型在優(yōu)化模型中的精度較低,相對(duì)誤差分別為12.23%和12.10%;在氨氮、化學(xué)需氧量和高錳酸鹽指數(shù)的模擬中,同樣表現(xiàn)為IGA-WOA-LSTM模型精度最高,其相對(duì)誤差分別為2.74%、4.18%和4.62%。

圖3 不同模型模擬結(jié)果相對(duì)誤差雷達(dá)

為進(jìn)一步比較模型精度,本文繪制了不同指標(biāo)精度結(jié)果的箱線圖,見圖4?？梢钥闯?在所有指標(biāo)模擬中,IGA-WOA-LSTM模型均表現(xiàn)出了較高的精度,其RE和RRMSE的中位數(shù)分別為2.58%和2.44%,NS和R2的中位數(shù)分別為0.935和0.937。WOA-LSTM模型和CSA-LSTM模型精度次之,PSO-LSTM模型和GA-LSTM模型在優(yōu)化模型中的精度較低,2個(gè)模型的RE和RRMSE的中位數(shù)分別為12.09%和13.34%、15.15%和16.49%,NS和R2的中位數(shù)分別為0.744和0.708、0.773和0.761。優(yōu)化模型的精度均優(yōu)于傳統(tǒng)的LSTM模型,LSTM模型RE和RRMSE的中位數(shù)分別為19.09%和21.24%,NS和R2的中位數(shù)分別為0.651和0.689,在所有模型中精度最低。因此,可推薦用IGA-WOA-LSTM模型估算城市河道水位和水質(zhì)。

圖4 不同模型模擬精度對(duì)比

3 結(jié) 論

本文基于2016—2018年河道的實(shí)測(cè)水位水質(zhì)數(shù)據(jù),基于改進(jìn)遺傳算法優(yōu)化的WOA算法,對(duì)LSTM模型進(jìn)行了優(yōu)化,構(gòu)建了IGA-WOA-LSTM模型用于估算城市河道水位和水質(zhì),得出以下結(jié)論:

a.城市河道水位和水質(zhì)在年內(nèi)均呈現(xiàn)出了一定的規(guī)律性變化,其中水位在年內(nèi)呈現(xiàn)出先增加后減少的二次拋物線趨勢(shì),5種水質(zhì)指標(biāo)基本呈現(xiàn)出先降低后升高的趨勢(shì)。

b.不同模型模擬結(jié)果的變化趨勢(shì)與實(shí)測(cè)值基本一致,其中IGA-WOA-LSTM模型模擬結(jié)果的變化趨勢(shì)與實(shí)測(cè)值最為接近。

c.從不同模型模擬結(jié)果的精度指標(biāo)來看,IGA-WOA-LSTM模型的RE、RRMSE、NS和R2的中位數(shù)分別為2.58%、2.44%、0.935和0.937,在所有模型中精度最高。

d.本文僅比較了優(yōu)化模型與LSTM模型這1種傳統(tǒng)模型的精度,在今后的研究中可將IGA-WOA-LSTM模型與極限學(xué)習(xí)機(jī)模型、隨機(jī)森林模型等進(jìn)行對(duì)比,進(jìn)一步證明IGA-WOA-LSTM模型在城市河道水位水質(zhì)估算中的科學(xué)性。