基于神經(jīng)網(wǎng)絡(luò)的水環(huán)境質(zhì)量評價(jià)

盧方芳

（湖北文理學(xué)院數(shù)計(jì)學(xué)院，湖北襄陽　441053）

基于神經(jīng)網(wǎng)絡(luò)的水環(huán)境質(zhì)量評價(jià)

盧方芳

（湖北文理學(xué)院數(shù)計(jì)學(xué)院，湖北襄陽441053）

水質(zhì)監(jiān)測結(jié)果由很多方面構(gòu)成，對水質(zhì)進(jìn)行分級一般需要考慮不同方面的標(biāo)準(zhǔn)，這就希望能有種更為直接的方式可以用來為水質(zhì)分級，并且盡可能排除主觀因素。基于此，利用matlab上的神經(jīng)網(wǎng)絡(luò)模型對重慶市5個(gè)斷面的水質(zhì)質(zhì)量進(jìn)行評價(jià)，在擁有各項(xiàng)數(shù)值的基礎(chǔ)上，對水質(zhì)結(jié)果進(jìn)行計(jì)算，最后根據(jù)得到的數(shù)值為水質(zhì)分級。

BP神經(jīng)網(wǎng)絡(luò)；神經(jīng)元；水質(zhì)級別

對于江、湖、庫的各個(gè)斷面的水質(zhì)可以搜集數(shù)據(jù)，并且制定每個(gè)指標(biāo)相應(yīng)的評價(jià)標(biāo)準(zhǔn)。但是，根據(jù)制定的標(biāo)準(zhǔn)進(jìn)行評價(jià)，過于依賴主觀感覺。而利用神經(jīng)網(wǎng)絡(luò)建立各項(xiàng)指標(biāo)與等級之間的內(nèi)部映射關(guān)系，根據(jù)實(shí)際測得的數(shù)據(jù)得到相應(yīng)的數(shù)值，然后由數(shù)值對水質(zhì)分級，這樣可以使結(jié)果更為直觀，并且在評判過程中可以降低主觀因素的影響。

1　基本數(shù)據(jù)介紹與初步分析結(jié)果

重慶市位于長江上游三峽水庫回水變動區(qū)末端，長江和嘉陵江是其兩條主要河流。重慶市是長江上游經(jīng)濟(jì)中心，是全國工業(yè)產(chǎn)值最大的六大城市之一，三峽水庫建成后，兩江重慶段的水質(zhì)情勢將發(fā)生較大改變，河流的污染物擴(kuò)散能力明顯下降，近岸水域局部水環(huán)境容量減少；同時(shí)，隨著重慶市工業(yè)的迅速發(fā)展，入江污染負(fù)荷將大量增加，重慶城區(qū)的水污染形勢將更加嚴(yán)峻。以下給出2000年長江望龍門、寸灘、黃草峽及嘉陵江磁器口、江北嘴共5個(gè)斷面的監(jiān)測數(shù)據(jù)（見表1），表2為水質(zhì)等級的評判標(biāo)準(zhǔn)。

從所給資料中可以知道，pH值沒有等級劃分，故在計(jì)算時(shí)將該分類去掉。所以，建立程序時(shí)只考慮8個(gè)指標(biāo)。

根據(jù)給出標(biāo)準(zhǔn)表2建立五類等級與其對應(yīng)指標(biāo)之間的關(guān)系，按類別劃分Ⅰ類是數(shù)字1，Ⅱ類是數(shù)字2，依次類推。帶入表1中的數(shù)據(jù)，利用MATLAB中的BP神經(jīng)網(wǎng)絡(luò)編制程序計(jì)算出對應(yīng)的值［1］。計(jì)算出的結(jié)果為：2.522 2，2.520 2，2.484 5，2.472 4，2.147 0。

BP網(wǎng)絡(luò)有一個(gè)隱層和一個(gè)輸出層，根據(jù)實(shí)際數(shù)據(jù)的判斷，認(rèn)為隱層有6的神經(jīng)元，建立實(shí)際的水質(zhì)數(shù)據(jù)與1、2、3、4和5之間的內(nèi)部映射關(guān)系，將水質(zhì)數(shù)據(jù)的最大值帶入，得到1～5的實(shí)數(shù)。上面的計(jì)算結(jié)果都在2～3，說明差別不大。但是，將水質(zhì)的數(shù)值換成年均值時(shí)，計(jì)算出負(fù)值，負(fù)值可以說明水質(zhì)很好，但是與實(shí)際情況不符。所以，本程序有不足的地方，需要進(jìn)行改進(jìn)。

2　改進(jìn)后的結(jié)果

考慮到溶解氧是越大越好，而其他方面是越小水質(zhì)越好，在新的模型中去掉溶解氧的數(shù)據(jù)。在年均值中長江望龍門、寸灘、黃草峽、嘉陵江磁器口均在7.5之上，故這四個(gè)斷面在溶解氧方面均屬于Ⅰ類，江北嘴為7.3略低于7.5，相差不大，認(rèn)為也可屬于第Ⅰ類。在溶解氧方面相差不大，所以對于這幾個(gè)斷面的水質(zhì)可以暫時(shí)不考慮溶解氧這個(gè)因素。更改第一部分程序中的指標(biāo)數(shù)，降低為7個(gè)。BP網(wǎng)絡(luò)有一個(gè)隱層和一個(gè)輸出層，根據(jù)實(shí)際數(shù)據(jù)的判斷，限定隱層有9的神經(jīng)元［2］。

表1　地表水水質(zhì)監(jiān)測結(jié)果統(tǒng)計(jì)表

表2　地表水環(huán)境質(zhì)量標(biāo)準(zhǔn)基本項(xiàng)目標(biāo)準(zhǔn)限值

輸入水質(zhì)結(jié)果平均值，輸出結(jié)果：長江望龍門2.083 6，寸灘3.158 8，黃草峽1.660 2，嘉陵江磁器口1.434 6，江北嘴3.392 9。

輸入水質(zhì)數(shù)據(jù)最大值，輸出的結(jié)果為：長江望龍門3.400 5，寸灘3.394 8，黃草峽2.629 1，嘉陵江磁器口3.050 5，江北嘴3.947 9。

3　數(shù)據(jù)結(jié)果分析及水質(zhì)分級

根據(jù)上述結(jié)果，對于年均值，黃草峽、磁器口得到的數(shù)據(jù)在1～2，評定水質(zhì)級別為Ⅱ類。以此類推，望龍門水質(zhì)級別為Ⅲ類，接近Ⅱ類；寸灘、江北嘴水質(zhì)級別為Ⅳ類，寸灘水質(zhì)接近Ⅲ類。按計(jì)算結(jié)果對水質(zhì)級別優(yōu)劣排序，依次為嘉陵江磁器口、黃草峽、望龍門、寸灘、江北嘴；按照數(shù)值的結(jié)果同時(shí)可以得出5個(gè)斷面最大值時(shí)對應(yīng)的水質(zhì)級別（見表3）。

表3　最大值計(jì)算結(jié)果

根據(jù)表3可以看出，長江寸灘和嘉陵江的江北嘴兩組數(shù)值比較接近，得到的結(jié)果都是Ⅳ類，說明這兩個(gè)斷面的各個(gè)指標(biāo)在不同時(shí)期變化不大，整年水質(zhì)都不好；望龍門和黃草峽均值和最大值比，水質(zhì)級別都下降了一級，從數(shù)值角度看，望龍門數(shù)值變化比黃草峽要大；最后就是磁器口，從均值的Ⅱ級變成最大值的Ⅳ級，說明整年水質(zhì)變化較大，水質(zhì)時(shí)好時(shí)壞。

年均值和最大值有明顯改變的斷面應(yīng)該找到水質(zhì)變壞的原因，需要進(jìn)一步對水質(zhì)進(jìn)行監(jiān)測，看看每年中什么時(shí)候水質(zhì)最差，什么時(shí)候最好，找到相應(yīng)的原因并加以改善。從上述結(jié)果可以看出，雖然仍然有部分的主觀因素，但是利用神經(jīng)網(wǎng)絡(luò)可以對水質(zhì)進(jìn)行數(shù)值化，能有效評定水質(zhì)標(biāo)準(zhǔn)，既可以對水質(zhì)評級，又可以對不同斷面水質(zhì)進(jìn)行排序，結(jié)果更為直觀。

［1］解陽陽，王義民，黃強(qiáng).龍羊峽水庫年末水位控制與汛期棄水研究［J］.西北農(nóng)林科技大學(xué)學(xué)報(bào)（自然科學(xué)版），2014（1）：223-227.

［2］吳昌友.神經(jīng)網(wǎng)絡(luò)的研究及應(yīng)用［D］.哈爾濱：東北農(nóng)業(yè)大學(xué)，2007.

Evaluation of Water Environment Quality Based on Neural Network

Lu Fangfang
（College of Mathematics and Computer Science，Hubei University of Arts and Sciences，Xiangyang Hubei 441053）

Water quality is composed of many aspects，classification generally need to consider different aspects of the standard，thus hoping to have a more direct way can be used for water quality classification，and as much as possi?ble to exclude subjective factors.Based on this，the water quality of the five sections of Chongqing was evaluated by using the Neural network model on matlab，on the basis of the numerical value，the water quality was calculated，and finally the water quality classification was obtained.

BP neural network；neuron；water quality level

X824

A

1003-5168（2016）08-0144-02

2016-07-19

盧方芳（1982-），女，碩士，講師，研究方向：多元統(tǒng)計(jì)。