吳君毅，劉洪，歐陽淵，李樋，張景華，張騰蛟，黃勇，段聲義

（1.中國地質(zhì)大學(xué)（北京），北京 100084；2.中國地質(zhì)科學(xué)院研究生院，北京 100037；3.中國地質(zhì)調(diào)查局成都地質(zhì)調(diào)查中心，四川 成都 610081；4.成都理工大學(xué)地球科學(xué)學(xué)院，四川 成都 610059；5.華東冶金地質(zhì)勘查局測繪總隊，安徽 合肥 230088）

地下水作為水資源和水循環(huán)的重要組成部分，其水質(zhì)的優(yōu)劣關(guān)系到當(dāng)?shù)亟?jīng)濟建設(shè)、人民的生產(chǎn)生活、生態(tài)平衡等一系列問題（Chen，1994；Adimalla，2020；張俊等，2021；黨學(xué)亞等，2022；馮嘉興等，2023）。螺髻山北麓橫跨四川省涼山彝族自治州西昌市、德昌縣與冕寧縣，研究區(qū)經(jīng)濟發(fā)展滯后，以粗放型農(nóng)業(yè)、畜牧業(yè)為主，生態(tài)環(huán)境脆弱（楊帆等，2018）。因此研究地下水化學(xué)特征、形成機制以及評價水質(zhì)對該區(qū)保護和合理利用開發(fā)地下水資源，防止和控制地下水污染，促進農(nóng)牧業(yè)綠色生產(chǎn)，保障人民身體健康，加強生態(tài)文明建設(shè)有著重要研究意義。

地下水化學(xué)特征研究是水體化學(xué)組成與地下水演化過程研究的基礎(chǔ)（Abbas et al.，2021），起到反映地下水的補給、途經(jīng)區(qū)域巖性、氣象水文與環(huán)境特征、反映水化學(xué)演化的控制因素等作用（Li et al.，2015，2021；楊芬等，2021；Wali et al.，2021；杜金龍，2022）。能夠有效揭示地下水與環(huán)境的相互作用機制以及離子交換過程，對地下水水質(zhì)差別的原因有一定解釋作用，可為合理開發(fā)利用水資源，改善水質(zhì)提供科學(xué)依據(jù)。

國內(nèi)外對于地下水水質(zhì)的研究中，評價方法主要有內(nèi)梅羅指數(shù)法、模糊綜合評價法、主成分分析法和多元分析法等（Nemerow et al.，2009；Zhang et al.，2012；李連香等，2015；張志君，2020；周及等，2020；時雯雯等，2021；曾慶銘等，2021）。上述評價方法采用傳統(tǒng)統(tǒng)計學(xué)方法雖各有其優(yōu)勢，但都不能很好的分析水質(zhì)等級與評價指標之間復(fù)雜的非線性關(guān)系，可能存在一定的主觀干預(yù)（李海濤，2020a）。近年來，隨著計算機科學(xué)的發(fā)展與應(yīng)用，人工神經(jīng)網(wǎng)絡(luò)（Artificial neural network，ANN）模型能夠高效擬合非線性關(guān)系數(shù)據(jù)，對其做出分類或預(yù)測，ANN 模型在非線性數(shù)據(jù)擬合方面存在優(yōu)勢，能夠避免確定性模型處理實際問題時的過度簡化問題（陳能汪，2021）。對于利用人工神經(jīng)網(wǎng)絡(luò)進行水質(zhì)評價最常用的網(wǎng)絡(luò)模型是BP 神經(jīng)網(wǎng)絡(luò)，雖然該模型有收斂速度慢、結(jié)構(gòu)復(fù)雜，且無法反映主要影響因子等缺點（崔永華等，2007），但其優(yōu)點克服了主觀賦權(quán)對于評價結(jié)果的影響，評價結(jié)果客觀、合理且精度高，能在處理不同時間和空間水樣數(shù)據(jù)組合時的效能優(yōu)于其他方法（Kumar et al.，2020）。BP 神經(jīng)網(wǎng)絡(luò)因此被廣泛應(yīng)用于水質(zhì)評價，并且通過不同的算法如螢火蟲算法（顏建等，2020）、頭腦風(fēng)暴優(yōu)化算法（李海濤等，2020b）、DPA 算法（徐康耀等，2015）等算法能夠進一步提高評價的結(jié)果。

筆者在前人對研究區(qū)水文地質(zhì)背景總結(jié)研究的基礎(chǔ)上，研究地下水化學(xué)特征。利用Pytorch 搭建基于RMSprop 梯度下降算法的BP 神經(jīng)網(wǎng)絡(luò)模型，對研究區(qū)地下水水質(zhì)進行綜合客觀評價。

1 研究區(qū)概況

1.1 區(qū)域自然條件

研究區(qū)位于四川省涼山彝族自治州西昌市、德昌縣與冕寧縣的交界處的螺髻山北麓（E 102°7′～102°30′，N 27°30′～27°46′），北接邛海盆地，南臨螺髻山脈，東接馬雄梁子，西靠安寧河磨盤山。研究區(qū)的總體地勢為兩山夾一河，山地河流整體為南北向。在氣候上，具有年溫差小、日溫差大、干濕分明、雨量充沛、降水集中、日照充足等特點，屬于亞熱帶高原季風(fēng)氣候。西側(cè)的牦牛山南麓和安寧河河谷分別為構(gòu)造侵蝕中山和中山寬谷平原，中部螺髻山北麓為構(gòu)造侵蝕中山地貌，高山與盆地最大高差為500～1 500 m。螺髻山山嶺海拔為3 000～4 200 m，呈近南北走向，在研究區(qū)構(gòu)成了安寧河和則木河的分水嶺。研究區(qū)西部為安寧河流域，安寧河從北向南貫穿西昌市，于米易縣附近注入雅礱江，最終匯入金沙江，全長為320 km，流域面積為1.1 萬km2，安寧河的主要支流有18 條，其中流域面積大于500 km2的支流主要是孫水河、海河、茨達河、錦川河。主流與支流多以直角交匯，成羽狀水系。研究區(qū)東南部為則木河流域，則木河發(fā)源于普格縣特爾果鄉(xiāng)阿則木山，屬于黑水河右岸一級支流，從特爾果鄉(xiāng)一帶由北向南流經(jīng)五道箐鄉(xiāng)、特補鄉(xiāng)，螺髻山鎮(zhèn)等地，最終在普格縣的中梁山南端流入黑水河，其流長約為54 km，流域面積為668.2 km2（孟晶晶等，2018）。

1.2 區(qū)域地質(zhì)背景

在大地構(gòu)造劃分上，研究區(qū)位于上揚子西緣的康滇斷隆帶中北段（劉洪等，2020）。研究區(qū)出露的地層（圖1）主要為震旦系—第四系，震旦系以陸相火山碎屑巖類、陸源碎屑巖類和碳酸鹽巖類為主，零碎分布在螺髻山北麓、馬雄梁子地區(qū)。寒武系在本區(qū)出露較少，以碳酸鹽巖為主。中生界（三疊系—白堊系）在本區(qū)大面積出露，以陸相砂泥質(zhì)碎屑巖為主。新生界（古近系—第四系），以半固結(jié)的碎屑巖為主零星分布在安寧河谷東岸及大箐梁子等地，第四系沖洪積物（Qapl）沿安寧河、則木河河谷以及山谷溝谷分布。巖漿巖在安寧河西岸出露，主要為花崗巖類。研究區(qū)構(gòu)造線復(fù)雜，主要的斷裂包括安寧河斷裂帶（南北向）和則木河斷裂帶（北北西向）。由于地質(zhì)構(gòu)造復(fù)雜，地質(zhì)條件多樣，現(xiàn)代構(gòu)造活動強烈，巖石穩(wěn)定性差、巖面風(fēng)化強烈、疏松破碎、碎屑物質(zhì)豐富，形成了易發(fā)生地震、崩塌、滑坡、泥石流、水土流失的地質(zhì)背景（張騰蛟等，2020）。

圖1 研究區(qū)水文地質(zhì)圖Fig.1 Hydrogeological map of the study area

1.3 區(qū)域水文地質(zhì)背景

根據(jù)研究區(qū)地層巖性、地下水類型分為6 類，分別是松散堆積層孔隙潛水-承壓水區(qū)（A1 型）、松散堆積層孔隙潛水區(qū)（A2 型）、碎屑巖裂隙層間水區(qū)（B1 型）、碎屑巖孔隙-裂隙層間水區(qū)（B2 型）、巖漿巖裂隙水層間水區(qū)（C 型）和碳酸鹽巖裂隙層間水區(qū)（D 型）。

A1 型在河谷區(qū)第四系沖洪積物區(qū)域，地下水量豐富，為孔隙潛水-承壓水；A2 型在山麓區(qū)第四系沖洪積物中地下水量中等-貧乏只有孔隙潛水；B1 型地層有開建橋組、列古六組、官溝組、飛天山組、益門組、新村組、牛滾凼組等地層，地下水量中等-貧乏的裂隙層間水；B2 型地層有白果灣組、小壩組等碎屑巖地層地下水量豐富的孔隙-裂隙層間水；C 型為磨盤山的地區(qū)的晚三疊世花崗巖類地下水量貧乏的裂隙層間水；D 型分布在螺髻山區(qū)的觀音崖組、燈影組、龍王廟組、西王廟組和二道水組等碳酸鹽巖地層，地下水為溶洞暗河發(fā)育的裂隙層間水。安寧河河谷平原、邛海平原地下水資源豐富，為多層含水結(jié)構(gòu)。一級階地河漫灘礫卵石主要賦存潛水，主要為大氣降水和河水補給。周邊的山前洪積扇賦存承壓水，水量較少。安寧河岸兩岸山區(qū)的砂巖、粉砂巖、礫巖、泥巖、花崗巖和閃長巖等巖層中主要賦存碎隙巖類孔隙、裂隙水類型。盆地高地地區(qū)、臺地漫灘地區(qū)，主要靠大氣降水補給，雨季水位上升，旱季相反?；鶐r山區(qū)由于裂隙發(fā)育較少，無地下水位，水流量小，雨季、旱季流量差別大。

2 采樣、分析測試方法

根據(jù)研究區(qū)地下水分布情況，設(shè)置15 個地下水露頭作為采樣點（圖1）。水樣的采集以及保存方法按照生活地下水標準檢驗方法（GB/T 14848-2017）。使用1.5 L 的聚乙烯瓶的容器采集水樣，樣品采集前，使用待采水樣清洗3～4 次，再取樣，樣品裝滿不留氣泡并密封，陽離子過濾酸化保存，陰離子原樣過濾保存，陰陽共取30 件樣品。樣品編號、類型、水體狀況、位置、水文地質(zhì)分組如表1 所示。

表1 水樣品概況統(tǒng)計表Tab.1 General situation of water samples

采樣現(xiàn)場使用ISE 測定儀檢測pH 值，重量法檢測溶解性總固體。其他樣品指標送予四川省地質(zhì)礦產(chǎn)勘察開發(fā)局西昌地礦檢測中心檢驗，檢驗方法如下：As、Se、Sb、Hg 含量使用AFS 方法檢測；Sr、Cr、Cd、Co、Cu、Pb、Zn、Mn、Ni、Mo 含量使用MS 方法檢測；K+、Na+、Ca2+、Mg2+、Al3+含量使用ICP 方法檢測；Fe3+含量使用離子色譜法檢測；含量使用納氏試劑比色法檢測；F-、Cl-、含量使用離子色譜法檢測；偏硅酸含量使用比色法檢測；含量使用滴定法檢測；總硬度采用EDTA-2Na滴定法。

通過陰陽離子電荷平衡法檢測地下水樣品水化學(xué)分析結(jié)果可靠性，若無機離子平衡常數(shù)（NICB）小于5%，表明陰陽離子平衡數(shù)據(jù)可信。文中地下水樣品的NICB 值為-4.7 %～4.9 %，平均值為-1.9%，測試分析數(shù)據(jù)可靠。

3 研究方法

3.1 水化學(xué)特征研究方法Piper

三線圖能區(qū)分研究區(qū)地下水化學(xué)類型。Gibbs 圖解法（Gibbs，1970）研究水巖作用對水化學(xué)成分的影響，將主要離子來源分為蒸發(fā)結(jié)晶作用、巖石風(fēng)化作用、大氣降水3 種類型。運用離子比例系數(shù)法不同的巖性對地下水化學(xué)成分的影響，結(jié)果能進一步反映水化學(xué)離子的來源（孫厚云等，2018）。

3.2 BP 神經(jīng)網(wǎng)絡(luò)

BP（Back Propagation）神經(jīng)網(wǎng)絡(luò)是機器學(xué)習(xí)中模擬生物神經(jīng)網(wǎng)絡(luò)進行學(xué)習(xí)的一種神經(jīng)元連接模型，是一種單向傳播的多層前饋神經(jīng)網(wǎng)絡(luò)，其主要特點是信號前向傳播，誤差反向傳播（徐學(xué)良等，2017），以此往復(fù)擬合，通過一定規(guī)則輸出結(jié)果。在水質(zhì)評價研究中，水質(zhì)指標多、差異大且關(guān)系復(fù)雜，受到多種因素的影響，以此構(gòu)成一個典型非線性系統(tǒng)。通過訓(xùn)練學(xué)習(xí)對水質(zhì)指標種類劃分進行非線性擬合，從而憑借水質(zhì)指標種類劃分的內(nèi)在規(guī)律進行評價（Abhijit et al.，2008）。

文中的BP 神經(jīng)網(wǎng)絡(luò)通過Python 的Pytorch 庫搭建，并完成訓(xùn)練、學(xué)習(xí)以及評價。使用的激活函數(shù)為Sigmoid 函數(shù)，在特征相差比較復(fù)雜或是相差不大時效果比較好，并且函數(shù)整體平滑易于求導(dǎo)，通過對神經(jīng)元加入激活函數(shù)能夠增加神經(jīng)網(wǎng)絡(luò)模型的非線性，從而使模型能夠更好的擬合非線性數(shù)據(jù)。其函數(shù)式如公式（1）所示。

文中運用的損失函數(shù)（Loss function）為Pytorch 中的交叉熵函數(shù)，如公式（2）所示：

式中：outputs 代表模型計算后的輸出結(jié)果；targets 為樣本標簽；w為權(quán)重；n為張量維度；C為類別的數(shù)量。該函數(shù)在計算前將數(shù)據(jù)放入sigmoid 函數(shù)中使數(shù)據(jù)中間值更為敏感，體現(xiàn)出更高的不確定性，并且梯度下降時，可以避免均方誤差損失函數(shù)學(xué)習(xí)速率下降的問題。在機器學(xué)習(xí)中通過損失函數(shù)對模型正向傳播的輸出與標簽進行對比計算得到兩者之間的誤差值，從而確定反向傳播的誤差值，并能反映模型運行效果。

3.3 RMSprop 優(yōu)化算法

BP 神經(jīng)網(wǎng)絡(luò)中的優(yōu)化算法采用RMSprop 算法代替隨機梯度下降算法（SDG），RMSprop 優(yōu)化算法也稱為均方根傳遞算法，其優(yōu)點是能夠加快梯度下降的速度以及有效減緩訓(xùn)練中損失曲線的山谷震蕩以及鞍部停滯問題。在梯度下降過程開始，神經(jīng)網(wǎng)絡(luò)會從一個隨機點開始，以此賦予每個屬性的權(quán)重和偏置一個隨機值，將該隨機值計算的預(yù)測結(jié)果與標簽對比，通過損失函數(shù)計算兩者之間的誤差即損失，再通過反向傳播更新權(quán)重與偏置，直到預(yù)測結(jié)果接近標簽值。這一過程就如同從山頂?shù)缴焦?，山頂為最高損失，山谷為最低損失，導(dǎo)數(shù)為坡度。為到達山谷，每次求導(dǎo)都需要走下坡的道路，對于SDG 來說下山的方向是隨機的，而RMSprop 算法會積累之前下坡的方向來決定下一個迭代下坡方向，從而優(yōu)化SDG 算法。其計算過程為包括以下3 步：①計算每個參數(shù)在當(dāng)前位置的梯度；公式（3）中wi為權(quán)重，bi為偏置，L(x)為損失函數(shù)。②計算更新量，通過對當(dāng)前梯度計算權(quán)重均方根，以及偏置均方根；公式（4）中S為權(quán)重均方根，α為常數(shù)。③更新參數(shù)，公式（5）中 η為學(xué)習(xí)率，計算下一迭代中的權(quán)重與偏置，β 為防止S dwi為0 的極小常數(shù)。

從RMSprop 計算過程中，該算法計算更新量公式比一般梯度下降算法增加了一個常數(shù) α來控制歷史信息獲取量，在設(shè)定全局學(xué)習(xí)率后，全局學(xué)習(xí)率在每次迭代中都會隨衰減系數(shù)控制的歷史梯度平方和而改變，從而使迭代方向在參數(shù)空間中更加平穩(wěn)且快速。

以上3 個函數(shù)的關(guān)系如圖2 所示，輸入數(shù)據(jù)先通過Sigmoid 函數(shù)計算，再進行線性連接，其中乘以權(quán)重（w1，w2，w3）加上偏置（b1，b2，b3）輸出第一隱層（H1），再通過同樣的操作輸出第二隱層（H2），通過線性層得到輸出。將輸出與標簽利用損失函數(shù)比較得到誤差，通過誤差計算優(yōu)化算法，計算結(jié)果對權(quán)重與偏重進行更新。

圖2 模型函數(shù)關(guān)系圖Fig.2 Model function relationship diagram

4 結(jié)果與討論

4.1 研究區(qū)水化學(xué)特征

根據(jù)研究區(qū)地下水采集樣品分析結(jié)果，地下水化學(xué)指標概況見表2。分析結(jié)果顯示，pH 值平均為7.68，偏中性；TDS 值為6.7～230.4 mg/L，均值為85.91 mg/L；水離子陽離子濃度排序為Ca2+＞Mg2+＞Na+＞K+，陰離子濃度排序為，陽離子中Ca2+為優(yōu)勢離子，陰離子中為優(yōu)勢離子；As 含量為1.77～2.58 μg/L；Cr 含量為0.1～5.58 μg/L，均值為1.92 μg/L；Pb 含量為0.76 μg/L，最大值為10.26 μg/L；Mn 含量為0.11～6.33 μg/L，標準偏差為1.95；Ni 含量為0.05～9.54 μg/L，標準偏差為3.02，波動較大（表2）。

4.2 研究區(qū)水化學(xué)特征

Piper 三線圖（圖3）顯示，研究區(qū)水化學(xué)類型主要是Mg2+·Ca2+-類型，陽離子主要分布在 Mg2+-Ca2+線上，分布于三角圖左下區(qū)域，陰離子主要分布在線上，主要集中于三角圖的左下角。

圖3 研究區(qū)地下水水化學(xué)Piper 圖Fig.3 Piper diagram of hydrochemical of groundwater in the study area

將研究區(qū)的水樣數(shù)據(jù)繪制于Gibbs 圖（Gibbs，1970），研究區(qū)水樣基本落在Gibbs 的回旋鏢內(nèi)（圖4），TDS 值約為100 mg/L，Na+/（Na++Ca2+）值小于0.7，值小于0.2，表明其受到人類活動的影響較少；水樣主要分布于左側(cè)以及中部偏下的位置，表明水化學(xué)離子組成總體受到巖石風(fēng)化作用控制，大氣降水也對其有一定程度的控制，但是沒有巖石風(fēng)化控制顯著，而蒸發(fā)結(jié)晶作用微弱（王慧瑋等，2021）。其陽離子在B2 區(qū)、D 區(qū)受到巖石風(fēng)化作用控制；B2區(qū)以碎屑巖類泥巖砂巖為主，其化學(xué)離子主要來自于硅酸鹽礦物；D 區(qū)以碳酸鹽巖，Ca2+和會偏多。水量中等的B1 區(qū)、C 區(qū)水樣在圖中向右下角靠近，受到巖石風(fēng)化作用和大氣降水作用的共同控制，其巖石

圖4 研究區(qū)地下水Gibbs 圖Fig.4 Gibbs diagram of underground water in the study area

圖5 地下水離子比值圖Fig.5 Rates of the selected ions of groundwater

風(fēng)化作用更顯著。C 區(qū)以巖漿巖為主，C 區(qū)水樣化學(xué)離子會來自于硅酸鹽礦物的風(fēng)化作用。

結(jié)合三大類造巖礦物（碳酸鹽礦物、硅酸鹽礦物、蒸發(fā)鹽礦物）風(fēng)化溶濾作用特征與離子比例關(guān)系圖（圖6）分析（劉永林等，2016；高旭波等，2020；楊芬等，2021），可以看出研究區(qū)的水樣品大多都分布在硅酸鹽礦物到碳酸鹽礦物之間，相比離硅酸鹽礦物區(qū)域更近，表明研究區(qū)水化學(xué)離子同時受到了硅酸鹽礦物和碳酸鹽礦物的風(fēng)化溶濾作用的控制。在B1 型地下水區(qū)和B2 型地下水受硅酸鹽礦物風(fēng)化溶濾作用主要控制的同時，受到一定碳酸鹽礦物風(fēng)化溶濾作用控制，其中硅酸鹽巖礦物來源于砂巖以及泥質(zhì)巖；C 型地下水區(qū)主要受硅酸鹽礦物風(fēng)化溶濾作用控制，其來源于火山碎屑巖和花崗巖；溶洞暗河發(fā)育的D 型地下水區(qū)則主要受由碳酸鹽礦物風(fēng)化溶濾作用控制，其碳酸鹽巖礦物主要來自石灰?guī)r和白云巖。

圖6 研究區(qū)水化學(xué)離子與礦物風(fēng)化作用關(guān)系圖Fig.6 Correlation of hydrochemical ions and mineral weathering

4.3 神經(jīng)網(wǎng)絡(luò)水質(zhì)評價過程

4.3.1 神經(jīng)網(wǎng)絡(luò)搭建

筆者基于Python 語言使用Pytorch 開源庫搭建BP 神經(jīng)網(wǎng)絡(luò)架構(gòu)，搭建的BP 神經(jīng)網(wǎng)絡(luò)模型分4 層結(jié)構(gòu)，分別為輸入層，兩層隱層以及輸出層（圖7）。隱層激活函數(shù)為Sigmoid 函數(shù)，輸入輸出神經(jīng)元結(jié)構(gòu)為：輸入神經(jīng)單元18 個，分別為水樣品的18 個指標依次是As、Cr、Co、Cu、Pb、Zn、Mn、Ni、Mo、Na+、、Al3+、F-、Cl-、、TDS、總硬度，其他指標由于分異性不大或者低于檢測下限，因此剔除；輸出層采用線性鏈接5 個神經(jīng)元的輸出層結(jié)果用0、1 表示，水質(zhì)分五級，Ⅰ類水為 [1，0，0，0，0]，Ⅱ類水為 [0，1，0，0，0]，Ⅲ類水為 [0，0，1，0，0]，Ⅳ類水為 [0，0，0，1，0]，Ⅴ類水為 [0，0，0，0，1]輸出，輸出表的5 個單元表分別代表Ⅰ-Ⅴ級，若滿足則為1，不滿足則為0。

圖7 BP 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.7 Neural network structure diagram

4.3.2 訓(xùn)練樣本設(shè)計

訓(xùn)練樣本數(shù)據(jù)依據(jù)國家地下水水質(zhì)標準（GB/T 14848-2017）中各類水質(zhì)的指標在其各范圍內(nèi)使用計算機插值生成并添加標簽（鄧大鵬等，2007；袁瑞強等，2021），樣本按平均每種類型的樣本占總樣本的20%分布，共5 000 個訓(xùn)練樣本，將樣本數(shù)據(jù)取95%作為訓(xùn)練集，剩余5%作為測試集，以供模型訓(xùn)練過程中對損失函數(shù)與預(yù)測正確率進行測試。

4.3.3 神經(jīng)網(wǎng)絡(luò)訓(xùn)練

訓(xùn)練開始首先讀取生成的訓(xùn)練樣本為Numpy 格式后進行數(shù)據(jù)標準化處理，接著將處理后的數(shù)據(jù)轉(zhuǎn)換成張量（Tensor）數(shù)據(jù)格式，初始化神經(jīng)網(wǎng)絡(luò)后設(shè)定基本參數(shù)，隱層個數(shù)設(shè)定在17～9 之間，學(xué)習(xí)率（lr）設(shè)定為0.001～0.000 1，訓(xùn)練輪數(shù)（Epochs）為500 輪以保證監(jiān)測最后訓(xùn)練結(jié)果的穩(wěn)定性，每輪模型迭代次數(shù)（Step）為5 000 次，期望誤差為1×10-2。在訓(xùn)練過程中通過訓(xùn)練集和測試集的損失函數(shù)以及測試集正確率圖像監(jiān)測網(wǎng)絡(luò)模型訓(xùn)練效果。通過代碼自動循環(huán)參數(shù)比較測試結(jié)果，最終確定最優(yōu)的網(wǎng)絡(luò)模型。參數(shù)為第一隱層14 個神經(jīng)元，第二隱層9 個神經(jīng)元，學(xué)習(xí)率0.000 8，圖8 為該參數(shù)下訓(xùn)練效果圖。在訓(xùn)練結(jié)束保存訓(xùn)練好的訓(xùn)練模型，在進行研究區(qū)水樣評價時調(diào)用。

圖8 訓(xùn)練效果圖Fig.8 Training effects

圖中訓(xùn)練集損失在1×10-2收斂，收斂過程平滑，測試集損失低于訓(xùn)練集損失，在2×10-2收斂，測試集正確率穩(wěn)定在0.988。表明此時的網(wǎng)絡(luò)模型擬合良好并且泛化能力強，沒有出現(xiàn)過擬合現(xiàn)象，在訓(xùn)練過程中學(xué)習(xí)充足，能夠?qū)φＫ|(zhì)樣品進行準確且客觀的預(yù)測。模型整體以及張量數(shù)據(jù)運算采用GPU 運算，GPU 型號為RTX3080Ti，整體訓(xùn)練時間大幅減少共費時21.7 分鐘。

4.4 研究區(qū)水質(zhì)評價結(jié)果

調(diào)用訓(xùn)練完成后的神經(jīng)網(wǎng)絡(luò)模型，將研究區(qū)水樣品數(shù)據(jù)進行標準化后導(dǎo)入得到水質(zhì)評價結(jié)果（表3），Ⅰ類水質(zhì)點2 個占13.3%分別為5-SY、12-SY；Ⅱ類水質(zhì)點6 個占40%分別為2-SY、4-SY、6-SY、10-SY、11-SY、13-SY；Ⅲ類水質(zhì)點為7 個占46.6%分別為1-SY、3-SY、7-SY、8-SY、9-SY、14-SY、15-SY。Ⅱ、Ⅲ類水質(zhì)占多數(shù)從研究區(qū)數(shù)據(jù)來看As 含量大多數(shù)達到了Ⅲ類標準，含量達到了第Ⅲ類或第Ⅱ類標準。從神經(jīng)網(wǎng)絡(luò)訓(xùn)練的權(quán)值來看，數(shù)據(jù)網(wǎng)絡(luò)的評價主要考慮As、Cr、Mo、、Al3+、F-、以及總硬度等8 個水質(zhì)指標，表明As、為造成該地區(qū)地下水質(zhì)達到Ⅲ類的指標的重要原因之一。BP 神經(jīng)網(wǎng)絡(luò)具有很強的自主學(xué)習(xí)、自組織、自適應(yīng)能力，充分學(xué)習(xí)了訓(xùn)練樣本的水質(zhì)特征，建立起水質(zhì)指標與水質(zhì)等級的非線性對應(yīng)關(guān)系。并且權(quán)重與偏置都是通過學(xué)習(xí)得到而非人為給定，很大程度上避免了主觀因素影響，從而使其評價結(jié)果更加客觀合理，然而美中不足之處是缺少真實的訓(xùn)練樣本以供模型學(xué)習(xí)，使預(yù)測結(jié)果更加貼近現(xiàn)實，并且神經(jīng)網(wǎng)絡(luò)評價很難確定主要影響因子。

表3 研究區(qū)水質(zhì)綜合排名表Tab.3 Comprehensive ranking of water quality in the study area

結(jié)合水樣品數(shù)據(jù)的水文地質(zhì)背景，以及樣品指標在國標中超標部分確定影響因子，對研究區(qū)各點水質(zhì)進行綜合評價并由好到壞進行排名。

4.5 地下水安全建議

對于分布在德昌縣阿月鄉(xiāng)光輝村西番箐、羅家坪子；西昌市安哈鎮(zhèn)擺擺頂村、黃水鄉(xiāng)觀音巖、西溪鄉(xiāng)長板橋村；普格縣五道菁鄉(xiāng)黃坪村五組的Ⅰ類和Ⅱ類地下水地區(qū)，水質(zhì)良好污染少，飼養(yǎng)牲畜能夠正常飲用，居民應(yīng)該經(jīng)簡單處理后飲用，并建議當(dāng)?shù)卣块T在此建立自來水飲水站。

對于分布在西昌市黃水鄉(xiāng)新塘村大慶溝、洼垴村七組、書夫村二組、中壩鄉(xiāng)小浸溝、黃聯(lián)關(guān)鎮(zhèn)哈土村四組；普格縣特爾果鄉(xiāng)甲甲溝村、普格縣特補鄉(xiāng)白廟子等Ⅲ類地下水地區(qū)，水質(zhì)差又受到一定程度污染，牲畜飲用該水需經(jīng)處理，不建議當(dāng)?shù)厝酥苯踊蚝唵翁幚砗箫嬘谩Ｓ绕涫茿s、Pb、Cr 超標的地下水，長期大量飲用會對人體造成傷害，建議：①地方政府及相關(guān)部門在Ⅲ類水質(zhì)地區(qū)應(yīng)該高度重視地下水質(zhì)是否存在危害人體的元素超標問題。②相關(guān)部門以及居民應(yīng)該加強井水和地下水保護，隔絕農(nóng)業(yè)活動對井水帶來的污染，如As、等是大部分農(nóng)藥化肥中帶有的元素，應(yīng)當(dāng)探明農(nóng)藥化肥是否已對當(dāng)?shù)氐叵滤斐晌廴?。③建議當(dāng)?shù)卣跋嚓P(guān)部門加強對研究區(qū)大氣、匯水區(qū)及地下水水質(zhì)監(jiān)測，查明Ⅲ類地下水污染來源并阻斷以保障當(dāng)?shù)鼐用竦陌踩钌a(chǎn)。

5 結(jié)論

（1）螺髻山北麓地區(qū)地下水水化學(xué)結(jié)構(gòu)主要是Mg2+·Ca2+-HCO-3類型，TDS 較低受人類活動干擾較少，巖石風(fēng)化作用對水化學(xué)離子組成控制顯著，其次是大氣降水。陰陽離子主要是來自于硅酸鹽礦物與碳酸鹽礦物共同風(fēng)化溶濾作用。其中硅酸鹽礦物主要有花崗巖、長巖、灰?guī)r、砂巖、頁巖、泥巖等巖石；碳酸鹽礦物主要有泥灰?guī)r、白云巖、泥質(zhì)灰?guī)r等巖石。

（2）陰陽離子相關(guān)性分析和比值分析結(jié)果表明，方解石的風(fēng)化是Ca2+的來源之一，Mg2+主要受到硅酸鹽礦物溶解控制，與 Cl-大部分都來自于碳酸鹽礦物溶解。

（3）利用BP 神經(jīng)網(wǎng)絡(luò)對研究區(qū)水質(zhì)樣本進行評價，水質(zhì)評價結(jié)果可為研究區(qū)水質(zhì)分類資源化利用，人民生活生產(chǎn)用水保障提供參考。評價結(jié)果表明總體水質(zhì)較好，其中Ⅰ類水質(zhì)點占13.3%，Ⅱ類水質(zhì)點占40%，Ⅲ類水質(zhì)點為7 個占46.6%。