BP网络应用于地下水资源管理若干问题的探讨.pdfVIP

灌溉排水 GUANGAIPAISHUI1999．18嘈 文章缩号：looo一646X(1999)坩一0256一04 BP网络应用于地下水资源管理 若干问题的探讨’ 赵辉，樊向阳，齐学斌 (聿国裂科盏农田灌溉酐究所，河南新乡453003) 摘要：人工神经舟蝽近年来在地下水环境管理中得到了一定的研究与应用。奉支对地下水资源 f理BP模型存在的几十问题进行了计论井提出了改进。 关t侗：凡工神经网熔{地下水；水费潦；规划与管理 中田分类号：szf扎 文献标识码；B 人工神经网络(ANN)是由人工神经元经广泛的连接而形成的大规模非线性动力学系统， 它具有预测性、吸引性、耗散性、非平衡性、不可逆性等非线性动力学系统特性，同时还具有其 自身的一些特点，它能够识别输入输出数据间复杂的非线性关系，在解奂其过程难以用物理方 程描述的非线性问题上，特别是不需要了解非线性系统内部具体结构的情况下，人工神经阿络 技术被证明是十分有效的工具。 在地下水环境管理中，由于含水层性质的空间变异性所导致的数据多变性和参数的不确 定性以及水文地质数据的不完备性，使得一些精确分析方法在表达地下水资源系统各部分之 问的非线性关系上具有很大的局限性，地下水管理研究中往往采用随机理论，使得建立的模型 求解时维数高、计算量大，模型求解十分困难。 1992年，斯坦福大学的Rogers在博士论文中首先提出了利用人工神经网络技术进行地 下水优化管理，并在模型训练与识别中使用了遗传算法。此后陆续有些学者在这一领域进行了 研究。 1 BP网络及其在地下水资源管理中的应用 1．1神经元与BP网络 神经元是神经网络的基本信息处理单元，它接受n维输入向量置，通过一个非线性映射 关系，产生一个输出值m。神经元的非线性映射功能通过两步完成：首先通过权向量Ⅳ，∈Rn 提供一个x，∈础到x，·H‘∈R1的线性映射，第二步通过一个非线性激越函数，(·)提供一 个从x，·H‘∈R1到∞∈R1的非线性映射。，(·)可取不同的函数，如阈值型、分段线性、单双 极性与径向基算子等函数，其中最为常用的是双极性Sigmoid函数： 。， r日雎一P耻] “一ol万了≯l ·作者越，卜t赵辉(1969一)，男(扭)t助理研究员 增刊 BP网络应用-T-^kT水赍；乐管理若干问题的探讨 257 式中：n为控制输入增量；卢为控制函数斜率。 1．2 BP网络及在地下水中的应用 E．Rumelhart和JamesL．Mcelelland等人提出了前馈网络误差反传算 1986年David 987)证明了一个有有限多个隐含层节点的三层前馈 法，即著名的BP算法；Hecht--Nielsen(1 神经网络可对任意多元函数进行近似；其他学者也证明了Sigmoid函数作为激励函数的三层 世界中复杂的、其结构未知的或知之不多的函数关系，从而使人工神经网络技术在科学研究与 工程领域得到广泛应用。 在应用于地下水管理的神经网络模型中，BP网络也是最活跃的方法。 较好的识别效果。在地下水资源管理中，一个主要的不确定性因素就是多孔介质渗透系数的空 间变化问题，由于含水层性质的空间变异性J三{及在水文地质资料不足时，地下水管理研究中 往往采用随机管理模型，并使用很多的试验区域，使得模型求解时维数高、计算量大，模型求解 十分困难。S．Ranjithan等在模型中对包含一个隐含层，139个节点的BP网络进行研究，在不 影响地下水回灌方案可靠性水平的前提下，大大减少了地下水优化管理机遇约束混合整数规 划模型的约束条件，简化了计算方法，降低了计算量。 在采用抽水处理方法对受污染的含水层进行治理时，通常要对抽水井和注水井的位置及 运行方案进行优化。污染物的运移除受地下水的运动影响外，还受到自身性质及环境条件的影 响，具有高度的非线性，常规方法对地下水运动与溶质运移并行求解是十分困难的。Leah和 Farm(1994)提出了可并行处理溶质运移问题地下水水质恢复优化管理神经网络模型，该模型 利用BP网络