基于BP神经网络耕地土壤重金属污染评价.docVIP

基于BP神经网络耕地土壤重金属污染评价 　　摘 要：本研究将土壤重金属污染评价神经网络预测模型分为3层，7-6-1为该模型的神经网络结构，输入层共包括7个神经元，分别是土壤耕地有重要影响的Pb、As、Cr、Hg和Cd共5个重金属元素，以及2个限制条件：土壤类型（水田或旱地）和土壤pH值；以已知的成都市不同生态区土壤重金属指标作为本模型的训练和检验样本，本研究采用的软件为 Matlab ，利用这个软件训练和检验BP神经网络，然后对宜宾市翠屏区土壤中的重金属进行综合等级评价。评价结果显示BP神经网络对检验样本的模拟输出跟期望输出是相同的；同时，对研究区土壤重金属综合等级评价结果跟模糊模式识别、传统内梅罗指数评价法得出的结果也是基本一致的。 　　关键词：BP神经网络；土壤重金属污染 　　中图分类号：TP183 文献标识码：A DOI：10.11974/nyyjs.20170533219 　　1 材料与方法 　　1.1 研究区概况 　　以宜宾市翠屏区宋家乡洋坪村万宜粮油专业合作社粮食生产功能区252.07hm2农用地为研究区，该区地处中纬度北亚热带季风气候区，在地质构造上位于川东褶皱带永川帚状褶皱带的帚部；全区基岩广布，地层结构、岩石特性形迹明显，其中紫色岩层更是遍布于丘谷地区，多为侏罗系各组紫色岩层，岩层倾角10～30°，切割浅，田多土少。本区为川南丘陵区地貌形状，海拔340～400m，由于受四川盆地地质构造的影响，形成红色泥岩、沙质泥岩和沙岩互层沉积，主要土壤类型有：红棕石骨土、灰棕紫沙土、棕紫泥田、黄紫沙田、红紫沙田等，土壤质地沙壤-壤土，砾石含量较低，土壤耕性较好，经检测：土壤pH值5.94～8.40，微酸性-微碱性；有机质含量10.09～32.6g/kg、全氮0.71～1.86g/kg、有效磷0.4～17mg/kg、碱解氮74～151mg/kg、速效钾93～214mg/kg，耕地土壤养分含量中等丰富，水田地力多为2～3级，旱地多为3～4级。 　　1.2 土样采集与处理 　　土样采集按照《农田土壤环境质量监测技术规范》（NY/T395-2000）的要求，于2015年9月在作物收获后秋耕前，根据研究区土地利用现状划分取样单元，每13.3～20hm2取一个样点，共采集耕层土壤样品10个，耕层按0～20cm，亚耕层按20～40cm用不锈钢土钻采集土样，每个土样均采用“S”法随机采集15～20个点，经充分混合后，用四分法留取1kg，重点点位留取1.5kg，装入土袋标明，样品取回在实验室荫干、碾碎备用。 　　1.3 测定项目及方法 　　土?铀退拇ㄊ∨┛圃和寥婪柿涎芯克?化验室进行，对农产品质量安全有重要影响的Pb、As、Cr、Hg和Cd共5个重金属元素的化验分析，分析方法根据《农田土壤环境质量监测技术规范》（NY/T395-2000）要求确定：As、Hg采用原子荧光光谱法测试，Cd、Cr、Pb采用等离子体质谱法测试。 　　1.4 评价方法 　　1.4.1 传统指数评价法 　　污染指数法是检测评价土壤重金属污染中最常用的一种方法，主要包括2种，分别为单因子和多因子污染指数法，多因子指数法是内梅罗指数法使用最多的一种方法。内梅罗指数法可以计算污染指数的平均值以及最高值，通常在实际的应用过程中，重金属污染因子个数减少的情况比较适合应用该方法，加权有效地规避了权系数确定过程中的各种主观因素，当前该方法的应用比较广泛。但是，这种方法同时也存在不足之处，因为将土壤重金属污染评价化由复杂变得过于简单，过分强调了环境质量影响中最高值的作用。一般情况下，对土壤进行环境质量评价时，会按照中国土壤环境质量标准（GB15618-1995）中二级标准来确定研究的评价标准（表1）。 　　1.4.2 BP神经网络 　　1.4.2.1 BP神经网络原理 　　BP算法训练的神经网络，称之为BP神经网络，这种神经网络是目前应用最多的一种，按照误差逆传播算法进行训练，属于多层前馈网络。BP神经网络的学习功能比较强，输入―输出模式映射关系的存贮量也比较大，不必对描述该映射关系的数学方程进行揭示。梯度下降法是主要的学习规则，网络的阈值和权值可以通过反向传播得到适当的调整，最终得出的最小的误差平方和。BP神经网络模型拓扑共包括3层，分别是输入层、隐层和输出层。 　　1.4.2.2 BP神经网络算法 　　BP算法是目前最广泛用的神经网络学习算法之一，其反向传播包括2个步骤，分别是正向传播以及反向传播。 　　正向传播就是样本从输入层开始经过隐单元进行层层处理，之后传到输出层中；经过这个过程的层层处理，每层中神经单元的状态都只会影响到下一层神经元的状态。比较输出层中的现行输出以及期望输出，当现行输出跟期望输出不同时，则进行反向传播过程。 　　反