用BP神经网络评价地浸砂岩型铀矿床某退役采区地下水水质.pdfVIP

第 29卷 第 4期 铀 矿 冶 Vo1．29 NO．4 2010年 11月 U RANIUM M INING AND M ETALLU RGY NOV． 2010 用 BP神经网络评价地浸砂岩型铀矿床 某退役采区地下水水质 李锦鹏 ，胡凯光 ，李小军，肖素丽 (南华大学核资源与核燃料工程学 院，湖南 衡 阳 421001) 摘要 ：以我 国GB／T 14848 1993((地下水质量标准 》作为学习样本 ，选取 U、s() 、∑Fe、Ca 、NO2、CI和矿 化度 7个指标作为评价 因子 ，用建立的基于地下水水质评价的BP神经网络模型，对地浸砂岩铀矿床某退役采 区地下水水质进行评价 。为更有效地验证评价模型的准确性，将该模型与综合指数法 的评价结果进行 比较 。 结果表明：建立 的BP神经 网络模型评价精度高 ，能有效描述评价因子与水质等级 间复杂 的非线形关系 ，拓宽 了BP神经 网络应用 研究领域 。 关键词 ：地浸砂岩铀矿床 ；BP神经 网络 ；地下水水质 ；水质评价 中图分类号 ：X 523；TP183 文献标 志码 ：A 文章编号 ：1000—8063(2010)04—0199-05 尽管被称为 绿‘‘色技术”的地浸采铀以其对环 修改各层神经元 的权值 ，使误差达到最小。其隐 境污染小而被普遍采用 ，但从某种程度上对环境 含层和输入层的作用函数为非线性的 Sigmoid型 造成 的污染不容忽视 ，已成为制约地浸工艺技术 函数 ，表达式为 ： 的颈瓶Itz]。因此 ，对地浸采区地下水水质评价 已 ／(z)一再 。 (1) 引起高度重视 。传统的地下水水 质评价方法 ，如 综合指数法、模糊数学法 、灰色聚类法等，没有很 为了使整个训练集 的误差 (E)最小 ，应使全 好地描述评价因子与水质等级间复杂的非线性关 网络平均误差的平方和最小，即 系 ，所建立的模型不能全面反映其 内部结构 ，从而 E 一 (y 一 Ok ， (2) 丢失 了信息 。]。为此，要对地浸采 区地下水水质 进行较为准确的评价 ，就必须采取能捕捉非线性 式中： 为训练范例集 中训练对的数量 ；”为输出 变化规律的评价方法 。人工神经网络正是一种描 层单元数 ；Y 为第k样本对第P特征分量的实 述和刻画非线性现象的强有力工具 ，具有传统建 际输 出；Ok，为第 愚样本对第 特征分量的期望 模分析所不具备 的很多优点 j，它通过利用一定 输出。 量的数据进行 网络训练后，通过不断学习来修改 要使 E取得最小值 ，必须对所有学习样本进 各层神经元的权值 ，进而达到对未知地 下水水质 行修正 ，即： 评价 的 目的。 Wo(k)===一( (3) l BP网络原理 式中：77为学习速率。 BP神经网络模型是一种前 向多层神经 网络 通常 为增加 学 习过 程 的稳 定性 ，用 下式对 的反 向传播学习算法 ，可 以实现从输入到输 出的 W 再进行修正 ： 任意非线性映射 ]。通常 由3层组成 ，输入信息 w ()一∑W (是)一p(w (￡)一W。(一1))， 从输人层经隐含层传向输 出层 ，如果在输 出层得