论文部分内容阅读
摘 要 地下水在水质分类标准上存在模糊性，传统的评价方法难以克服，针对这一问题，本次研究将BP神经网络理论引入地下水水质评价中，选取吉林省辉南县作为研究区，以监测点的调查采样数据为基础，应用BP神经网络方法评价研究区的地下水水质，并与尼梅罗综合指数法进行比较分析。结果表明，BP神经网络评价的水质结果更加准确，表达形式更加清晰，它可以反映出各评价因子质量的相对状态，解决了以往传统方法局限性的问题，为吉林省地下水资源的开发与保护奠定了科学基础。
关 键 词 BP神经网络；地下水水质；水井
中图分类号：X824 文献标识码：A 文章编号：1671—7597（2013）032-048-02
我国随着经济步伐的加快，导致地下水环境日趋恶化，地下水污染的防治工作俨然已成为自然环境保护迫切需要解决的问题。可是，地下水系统具有复杂性、多变性、不确定性的特点，导致传统的评价方法难以定量地描述。随着计算机网络的不断发展进步，模糊数学评判法、灰色聚类法、灰色模式识别法应用进了地下水水质评价中，然而，这些方法受主观因素影响严重，导致评价结果的精度受到质疑，本文针对地下水水环境的特点，应用BP神经网络的理论与方法评价地下水水质，通过分析地下水环境要素间的非线性关系，评价地下水水环境质量。
1 BP神经网络理论
人工神经网络（Artificial Neural Network，ANN）是一种非线性的动力学系统，它通过对人脑或自然的神经网络若干基本特性进行抽象和模拟，具有将强的处理和分布式存储信息的能力。BP神经网络属于前馈人工神经网络，网络由输入层、隐含层及输出层组成。BP神经网络的建立首先要调整输出与隐含层之间的权值，其次调整隐含层单元之间的权值，最后调整隐含层各个单元与输出层之间的权值。BP神经网络学习训练过程如图1所示。
2 应用
2.1 研究区概况
研究区选取吉林省辉南县，地处长白山系龙岗山脉的中北部。研究区属于低山丘陵地貌，属北温带大陆性季风气候区，主要气候特点是夏季温热多雨，春季风大干旱，秋季凉爽短促，冬季寒冷漫长。辉南气象站多年平均气温4.1℃，最高气温为34.6℃，最低气温为-40.3℃，无霜期130天，≥10℃积温2650℃，多年平均降雨量为754.7 mm，多年平均蒸发量为752.4 mm，多年平均风速为3.4 m/s，风向NW，多年平均日照时数为2572小时，最大冻土深度1.5 m。
由于辉南县属于低山丘陵区，且由东南向西北倾斜，因此，地表水系统发达，县城内属于辉发河水系10 km以上河流就有22条，主要有辉发河、三统河等。辉发河发源于辽宁省清源县，自西向东流经县城，并有大沙河、一统河、三通河、亮子河、蛤蟆河、蛟河汇入辉发河。俗有“九行下哨”之称。辉发河历年平均水位高程298 m，最高供水位高程302.25 m，最低水位294 m。平均流速0.5 m/s -0.8 m/s，最大流量4850 m3/s，含沙量2.14 kg/m3。
2.2 数据来源与处理
野外样品分别在2011年5月、7月和10月进行三期同点采集。根据辉南县6口水井的地下水水环境质量监测资料以及采样数据，采用计算污染分担率的方法确定水质评价因子。污染分担率达到了72.36%，选取水质指标总硬度、硝酸盐氮、挥发酚、六价铬、砷、铁等组分作为评价因子。
2.3 BP神经网络模型的构建
建立6-3-1结构的BP神经网络模型，如图2所示。以地下水质量标准（GB/T 14848-93）作为地下水水质评价标准，由于活化函数值域范围在[0，1]间，经过5500次迭代，网络收敛，达到指定精度10-5。BP神经网络模型评价结果见表1。
表1 地下水水质BP神经网络模型评价结果
由表1、表2分析可以看出，采用尼梅罗综合污染指数法评价的地下水水质并无明显变化，而应用BP神经网络模型计算后得出的结果地下水水质环境变化显著。这主要是由于2011年7月份与8月份辉南县降水丰富，一些工矿企业的生产污水随降雨入渗到地下，从而引起地下水水环境质量恶化，因此应用BP神经网络模型得出的地下水水质评价结果才是客观合理的。
3 结论
本文将BP神经网络的理论与方法引入到地下水水环境质量评价中，针对地下水水环境系统的复杂性、多变性与不确定性，构造出地下水水质评价的BP神经网络模型，通过分析地下水与其他影响因素间的非线性关系，评价了地下水水环境质量。通过应用发现，BP神经网络模型在求解地下水水环境系统中变量间不确定性问题方面，BP神经网络具有很强的自适应、自学习的能力。通过实例应用表明BP神經网络应用于地下水水质评价中是切实可行的，其评价结果符合客观实际，提高了地下水水质评价的精度，具有广阔的应用前景。
参考文献
[1]刘志明，王贵玲，张薇.BP神经网络方法在地下水动态监测网质量评价中的应用[J].水文地质工程地质，2006（2）：12-15.
[2]白玉娟，殷国栋. 地下水水质评价方法与地下水研究进展[J].水资源与水工程学报，2001，8（2）：42-46.
[3]王春艳，冯淑丹.基于BP神经网络的串联塘水质综合评价模型[J].哈尔滨师范大学自然科学学报， 2008，6：35-42.
[4]黄志洪，武鹏林.基于BP神经网络模型的水质评价方法探讨[J].太原理工大学学报，2005，36（2）：174-176.
[5]马细霞，赵道全.BP网络隐含层对水质评价结果的影响分析[J].水电能源科学，2002（3）：38-43.
作者简介
欧妮妮，辽宁省地质矿产调查院，研究方向：区域水文地质、矿区水文地质、环境地质。
关 键 词 BP神经网络；地下水水质；水井
中图分类号：X824 文献标识码：A 文章编号：1671—7597（2013）032-048-02
我国随着经济步伐的加快，导致地下水环境日趋恶化，地下水污染的防治工作俨然已成为自然环境保护迫切需要解决的问题。可是，地下水系统具有复杂性、多变性、不确定性的特点，导致传统的评价方法难以定量地描述。随着计算机网络的不断发展进步，模糊数学评判法、灰色聚类法、灰色模式识别法应用进了地下水水质评价中，然而，这些方法受主观因素影响严重，导致评价结果的精度受到质疑，本文针对地下水水环境的特点，应用BP神经网络的理论与方法评价地下水水质，通过分析地下水环境要素间的非线性关系，评价地下水水环境质量。
1 BP神经网络理论
人工神经网络（Artificial Neural Network，ANN）是一种非线性的动力学系统，它通过对人脑或自然的神经网络若干基本特性进行抽象和模拟，具有将强的处理和分布式存储信息的能力。BP神经网络属于前馈人工神经网络，网络由输入层、隐含层及输出层组成。BP神经网络的建立首先要调整输出与隐含层之间的权值，其次调整隐含层单元之间的权值，最后调整隐含层各个单元与输出层之间的权值。BP神经网络学习训练过程如图1所示。
2 应用
2.1 研究区概况
研究区选取吉林省辉南县，地处长白山系龙岗山脉的中北部。研究区属于低山丘陵地貌，属北温带大陆性季风气候区，主要气候特点是夏季温热多雨，春季风大干旱，秋季凉爽短促，冬季寒冷漫长。辉南气象站多年平均气温4.1℃，最高气温为34.6℃，最低气温为-40.3℃，无霜期130天，≥10℃积温2650℃，多年平均降雨量为754.7 mm，多年平均蒸发量为752.4 mm，多年平均风速为3.4 m/s，风向NW，多年平均日照时数为2572小时，最大冻土深度1.5 m。
由于辉南县属于低山丘陵区，且由东南向西北倾斜，因此，地表水系统发达，县城内属于辉发河水系10 km以上河流就有22条，主要有辉发河、三统河等。辉发河发源于辽宁省清源县，自西向东流经县城，并有大沙河、一统河、三通河、亮子河、蛤蟆河、蛟河汇入辉发河。俗有“九行下哨”之称。辉发河历年平均水位高程298 m，最高供水位高程302.25 m，最低水位294 m。平均流速0.5 m/s -0.8 m/s，最大流量4850 m3/s，含沙量2.14 kg/m3。
2.2 数据来源与处理
野外样品分别在2011年5月、7月和10月进行三期同点采集。根据辉南县6口水井的地下水水环境质量监测资料以及采样数据，采用计算污染分担率的方法确定水质评价因子。污染分担率达到了72.36%，选取水质指标总硬度、硝酸盐氮、挥发酚、六价铬、砷、铁等组分作为评价因子。
2.3 BP神经网络模型的构建
建立6-3-1结构的BP神经网络模型，如图2所示。以地下水质量标准（GB/T 14848-93）作为地下水水质评价标准，由于活化函数值域范围在[0，1]间，经过5500次迭代，网络收敛，达到指定精度10-5。BP神经网络模型评价结果见表1。
表1 地下水水质BP神经网络模型评价结果
由表1、表2分析可以看出，采用尼梅罗综合污染指数法评价的地下水水质并无明显变化，而应用BP神经网络模型计算后得出的结果地下水水质环境变化显著。这主要是由于2011年7月份与8月份辉南县降水丰富，一些工矿企业的生产污水随降雨入渗到地下，从而引起地下水水环境质量恶化，因此应用BP神经网络模型得出的地下水水质评价结果才是客观合理的。
3 结论
本文将BP神经网络的理论与方法引入到地下水水环境质量评价中，针对地下水水环境系统的复杂性、多变性与不确定性，构造出地下水水质评价的BP神经网络模型，通过分析地下水与其他影响因素间的非线性关系，评价了地下水水环境质量。通过应用发现，BP神经网络模型在求解地下水水环境系统中变量间不确定性问题方面，BP神经网络具有很强的自适应、自学习的能力。通过实例应用表明BP神經网络应用于地下水水质评价中是切实可行的，其评价结果符合客观实际，提高了地下水水质评价的精度，具有广阔的应用前景。
参考文献
[1]刘志明，王贵玲，张薇.BP神经网络方法在地下水动态监测网质量评价中的应用[J].水文地质工程地质，2006（2）：12-15.
[2]白玉娟，殷国栋. 地下水水质评价方法与地下水研究进展[J].水资源与水工程学报，2001，8（2）：42-46.
[3]王春艳，冯淑丹.基于BP神经网络的串联塘水质综合评价模型[J].哈尔滨师范大学自然科学学报， 2008，6：35-42.
[4]黄志洪，武鹏林.基于BP神经网络模型的水质评价方法探讨[J].太原理工大学学报，2005，36（2）：174-176.
[5]马细霞，赵道全.BP网络隐含层对水质评价结果的影响分析[J].水电能源科学，2002（3）：38-43.
作者简介
欧妮妮，辽宁省地质矿产调查院，研究方向：区域水文地质、矿区水文地质、环境地质。