湖南省长江段水质评价精选.doc

湖南省长江段水质评价 摘要 本文运用BP神经网络理论和方法，建立了湖南长江段水质综合评价的模型，抽取2003年6月到2005年9月该段区域的数据对其进行了评价。评价结果显示，水质总体上集中在Ⅱ、Ⅲ类，属于较清洁水；同时，然后利用熵权法对多评价目标因子赋权的新思路，构建水质评价指标体系，利用熵权法计算出各评价指标权重，采用用逼近理想解排序法计算出各检测点道理解的距离，参照地表水环境质量标准 图1： 人工神经元元模型结构 神经元i的输出，它可以与其他多个神经元通过权值连接； 神经元i的输入； 神经元的连接权值； 神经元i的阈值； 神经元i的非线性输出函数； （2） BP神经网络的前向传播算法 设某BP神经网络具有m个输入、q个隐含节点、r个输出的三层结构，则BP神经网络的输入为： j=1,2.......m (2-1) 输入层节点的的输出为 ： j=1,2.......m （2-2) 隐含层第i个神经元的输入： i=1,2......q (2-3) 输出可表达为 ： i=1,2......q (2-4) 其中为输入层到隐层加权系数；上标（1）、（2）、（3）分别代表输入层、隐含层、输出层，为隐层活化函数，这里取为Sigmoid活化函数。 (2-5) 输出层的第个神经元的总输入为： k=1,2......r (2-6) 输出层的第k个神经元的总输出为 k=1,2...... (2-7) 式中，为隐层到输出层加权系数，为输出活化函数。 以上工作在神经网络工作时，就可以完成了一次前向传播的计算。 对上面的算法流程进行总结我们可以的出下面的算法流程图： 图2：BP网络算法流程图 （3）建立模型 水质评价是一个非线性较为复杂的问题。 BP神经网络的水质评价模型的训练样本即为水质分级标准。，，，，。M个，N项污染指标监测值。 ，N项污染指标下的水质标准浓度可将水质划分为5个等级。 ，N，即输入层的每一个神经元代表1种水质评价的污染指标；输出层为4维的向量，: (0 0 0 0)、(1 0 0 0)、(0 1 0 0)、(0 0 1 0)、(0 0 0 1)对应 I 至 V 个等级的水质。I级、II级、III级、IV级、V级，相关标准见表1 表1：地表水环境质量标准 Ⅰ类 Ⅱ类 Ⅲ类 Ⅳ类 Ⅴ类 溶解氧（DO） ≥ 7.5 6 5 3 2 高锰酸盐指数(CODMn) ≤ 2 4 6 10 15 氨氮（NH3-N）????? ≤，: (0 0 0 0)、(1 0 0 0)、(0 1 0 0)、(0 0 1 0)、(0 0 0 1)对应 I 至 V 个等级的水质。 3）数据处理 为避免由于输入变量单位不同、绝对值相差很大对神经网络模型的影响，需要对输入输出参数进行归一化处理。BP网络采用用的活化函数的输出值一般在-1到1之间，即各节点的输入输出值应在[-1,1]之间。对于输入层的参数值采用如下式的线性转换方式。 式中：为归一化后的数值；为归一化之前的原始数据； 为数据序列中的最小数；为序列中的最大数按。 上述方法对水质标准和监测样本中的溶解氧、高锰酸盐指数、氨氮归一化后得到的数据见表2和3（完整版见附表1）。 表2：归一化后的水质标准 （mg/L） Ⅰ类 Ⅱ类 Ⅲ类 Ⅳ类 Ⅴ类 溶解氧（DO） ≥ 1.000 0.7273 0.5455 0.1818 0; 高锰酸盐指数(CODMn) ≤ 0 0.1538 0.3077 0.6154 1.0000 氨氮（NH3-N）????? ≤ DO CODMN NH3-N 湖南岳阳城陵矶 0.8127 0.0692 0.1027 湖南长沙新港 0.8091 0.1769 0.4541 湖南岳阳岳阳楼 0.7745 -0.0462 0.0324 … … … … 湖南岳阳城陵矶 1.6727 0.2231 0.1405 湖南长沙新港 0.74 0.1462 0.227 湖南岳阳岳阳楼