论文____基于人工神经网络再生水灌溉安全性预测.docVIP

基于人工神经网络的再生水灌溉安全性预测 引言 来源于工业和生活污水处理后的再生水被应用到一些干旱的地区以及农业灌溉成为目前的主流趋势。再生水的水质依据其污水水质的不同而呈现出多种类别，由此导致其使用方式的不同，如作为工业回用水、环境景观水、农业灌溉水、家庭用水以及饮用水。中华人民共和国标准化管理局（ＳＡＣ）建立了一系列再生水使用标准，并且回用于农田灌溉的城市循环水的质量标准的建立也在进行中。对于人们关心的满足饮用水的条件，我们知道的也是知道一部分参量指标而并不非全部知晓。生活污水源自居民区、商业区、学校以及医院等，这其中包含洗涤污水、马桶冲洗污水和其他污水。在中国，一系列针对于医疗废物的标准从２００３年就已经建立，所以来自医院的废料已经降低到很少量了，然而，医疗废物的收集和处理过程应该被严格监督管理。工业废水是由生产污水和生产废水组成，前者是被加工原料和中间产品所污染，后者则可能不是生产过程被直接污染但是其温度或其他物理特征发生了改变，例如冷却水。通常来说，生产污水是污染的主要源头，它们可能包括重金属、有毒物质、酸性或碱性物质。另一方面，生产废水和生活污水是可被循环使用的再生水的主要来源。 在北京，随着污染企业的不断迁移，处理厂接收到的工业废水渐渐少量化，在中国生活污水的流量所占污水总量的比率是相当大的。在２００５年，生活污水达到了８.８２×１０’８ｔ，而此时的污水总量为１０．１０×１０’８ｔ。 再生水的灌溉是一种简单、低耗费、用户容易掌握的方式，帮助维持我们的新鲜饮用水供给。在中国，农业灌溉在总的水量消耗中占主体地位，超过了６５％，但是中国水资源的人均占有量仅仅是世界人均水平的?，仅为２３００ｍ3，然后中国却是世界上最大的农业灌溉国。大量的研究表明长期的劣质水的灌溉可以造成农田土壤和地下水被严重破坏。根据最近的一项关于２０个经劣质水灌溉的地区的调查，它们之中大多数地区的地下水被污染。前面的研究表明，水质是造成土壤污染和地下水破坏的主要因素，再生水通过污染大气、土壤、地下水以及破坏庄稼等来影响环境。而在干旱地区，再生水影响环境和庄稼则受限于季节的因素，因为在不同的季节水质在某些水准上会有所不同。通常来说，处于冬季时候的水体中盐分、营养物、重金属等物质的浓度含量比夏季高，这就造成了在不同的季节对环境或灌溉安全性的不同影响。另一方面，冬季的再生水不能用于灌溉，而夏天的再生水又不足以满足干旱地区的灌溉需求，冬季的再生水灌溉总是又白白地泻流回到河流中。那么冬季的水经适当的存储能安全的用于夏天的灌溉吗？为了解决这个问题，我们使用冬季储存的再生水进行灌溉庄稼作物，但是这是一种僵化的方式，而不能处理其它的不同水质的再生水。人工神经网络是一种可行的方法，能用于预测这种灌溉方式的可能意向与安全性。 材料与方法 具体质量的灌溉水是怎样影响环境和作物生长的？实验通过使用特定质量的水去灌溉处于生长期的作物，这种方式可能解决前面提到的问题，但是它对于其他水质的再生水不具有效性。人工神经网络预测对于把握每种水质包括再生水对灌溉的影响来说可能是具有可行的效用。假设我们满足相同的耕作条件，如气候、降水量、土壤以及灌溉方式等，然后通过使用不同水质的灌溉水来判断不同的灌溉影响。这是一个黑盒子问题，因为其机制我们是未知的。为了了解特定水质如来自冬季的污水处理厂的再生水等对灌溉的影响及其安全性，选用一些典型的水会被用来作为灌溉水。此项研究设计了盆栽植物和场地实验，并且使用原污水、次级再生水、三级再生水以及淡水来培育人工神经网络的建设。人工神经网络需要大量的数据来进行网络的建立和训练，否则，没有达到足够的训练会导致不准确的结果。采用三次样条插值来扩展数据量。 灌溉水中原污水、二次再生水、第三级再生水以及淡水，分别来自于北京市高碑店污水处理厂和自来水；盆栽中的土壤是混合了少量的北京市同洲地区地表0-80cm的土壤；种植玉米和大豆的种子是从中国农业科学院作物研究所（CAAS）购买的。对盆栽和田间试验的试验已分别在在高碑店处理厂和中国农业科学院农业环境与可持续发展研究所进行处理。这些是在实验中灌溉水的各项水质指标以及特定水质的预测。 如表1，样本数据的扩展，数据规范化，神经网络训练以及预测应在一个程序中完成。在这项研究中，反向传播网络（BP）已被用于归档这些过程，训练函数采用可变学习速率反向传播，VLBP，用Matlab中的R2006b参数说明。这一个完成的过程说明了前面的函数如下所示（表2）。 Table.1 Table.2 结果与讨论 对于盆栽和田间试验，一些结果可以从2005年的经验获得。在预测特定质量的灌溉水之前，网络已经事先把干重指数、植物重量、平均粒重、水分利用效率等指标验证了，结果表明该神经网络是有效的，所以结果可以作为后续使用（提供的只是部分预测结果）。 T