人工神经网络法在地下水水质分级中的应用.pdf

人工神经网络法在 下水水质分级中的应用 页码，1/4 章编号：1009-0193(2003)04-0095-03 人工神经网络法在地下水水质分级中的应用 1 1 1 2 志勇 ，蒋文杰 ，董志芬 ，伍 新 （1.贵州工业大学 资源与环境学院，贵州 贵阳 550003；2.贵州工业大学机械工程自动化学院，贵州 贵 阳 550003 ） 摘 要：通过对受污染的地下水进行水质分析，建立了该类水质的人工神经网络分级预测模型，采用已确 定其污染级别的地下水数据作为训练样本对网络进行训练，然后利用收敛的网络进行污染程度分级，其结 果与实际的基本一致，这充分说明了利用神经网络预测该类水质受污染程度是一 可行方法。 关键词：受污染地下水；水质分级；人工神经网络 中图分类号：X824 献标识码：B 0 言 下水受到污染以后，通过水质分析确定其物质组成及其含量。但此时还难以确定其受污染的程度， 即其污染级别，因为受污染 下水质量不是由单个污染物决定的。我国早在1974年就提出了用数学模式来 评价水污染状况，到目前为止有几十种综合评价水质污染的方法 ［1］，如综合污染指数K、水质质量分数 P、综合污染指数P、模糊聚类法和快速聚类法等，这些方法的缺点就是计算比较复杂、计算量 。本文根 据污染水的级别与污染物质的某种非线性关系，利用神经网络的非线性特性，探讨了对污染水质 ［2］进行 综合分级评定。 1 水质分级影响因子及神经网络模型建立 1.1 水质分级影响因子 水质评价方法有单项指数评价法和多项指数评价法。目前我国在 下水水质评价中通常采用单项指数 评价法，多项指数评价法比较少用。多项指数评价法即是针对被污染水的多因子状况进行评价，它要求选 择指标具有代表性、评价目标确定且依照某个评价标准进行。某 区 下水类型主要是潜水和承压力，由 6+ 2- 3- - 文献 ［3］可知，影响该类水质分级的主要因子有Cr 、NO 、NO 、Hg、Cd、Pb、As、CN 、COD、酚、总 硬度的含量。上述几个因子共同影响该类 下水污染程度。本文旨在说明神经网络法应用于 下水的可行 性。 1.2 分级神经网络模型建立 神经网络 ［4］是由 量的神经元相互连接而成，它一般包括三层：输入层、中间层(隐含层)和输出 层。它具有如下特性：分布存储和容错性、并行处理、自组 、自学习和自适应性。神经网络模型有多 种，本文选用加入动量项的BP网络模型，并用MATLAB语言 ［5-6］进行编程。 表2中污染级别是原作者依据表1的标准划分确定，而现行 下水质量分级使用国标GB ／T 14848-93 6+ 《 下水标准》。从表2观察得知，该类 下水中的Cr 离子浓度并没有多 的变化，但为了说明神经网络 6+ 6+ 2- 3- 模型的实用性，因而Cr 离子浓度在此同样作为网络的输入因子，因而以Cr 、NO 、NO 、Hg、Cd、Pb、 - As、CN 、COD、酚和总硬度这11项作为网络输入项；以水质等级(污染级别)作为网络输出项。取隐含层数 为1，隐含层神经元数为18，网络拓扑结构为11-18-1. 1.2.1 数据处理 2- 表2中，NO 、Hg、Cd、Pb、As、CN-、酚的数据并不是