BP神經網絡在餐廚垃圾處理廠適宜性評價中的應用*

張 麗

（江漢大學化學與環境工程學院，湖北 武漢 430056）

影響餐廚垃圾處理廠科學選址的因素多，涉及交通情況、地理地形條件、氣候情況、環境地質條件及水文地質工程條件等方面［1］，各要素的影響程度從數值上很難精確的衡定［2］，且影響要素之間大多具有非線性相關性，因此餐廚垃圾處理廠選址評價具有模糊性和非線性。筆者通過細化CJJ 184—2012餐廚垃圾處理技術規范中選址要求，以此為依據，選取描述指標，基于BP（反向傳播神經網絡，Back-Propagation Network） 神經網絡模型構建餐廚垃圾處理廠選址評價模型，并對武漢市漢口西部餐廚垃圾集中處理廠（簡稱漢口西）和武漢天基生態能源科技有限公司餐廚垃圾綜合利用中心廠（簡稱武昌南）的選址進行評價，以期為餐廚垃圾處理廠選址提供科學依據。

1 模型的建立

1.1 指標選擇

目前，垃圾填埋場選址適宜性評價研究較多，然而，由于餐廚垃圾的特性決定了其處理以資源化為主，處理技術不同于垃圾填埋技術，因此，對廠址的要求與垃圾填埋場選址也不完全相同。國家已經頒布了CJJ 184—2012餐廚垃圾處理技術規范，武漢市頒布的《武漢市餐廚廢棄物管理辦法》也已于2013年12月1日執行。據此，餐廚垃圾處理廠作為一類特殊生活垃圾處理設施，應滿足規劃用地、環境影響、社會反映、服務區域、服務單位、收運能力、運輸距離、預留發展、給水、排水、供電、避開環境敏感區、洪泛區、重點文物保護區等條件。經論證，評價指標設置如圖1所示。

圖1 餐廚垃圾處理廠適宜性評價指標

1.2 BP神經網絡模型的構建

用于垃圾處理廠的選址優化的方法很多，如模糊綜合評判法、層次分析法、線性規劃法、灰色決策法以及指標滿意度法等［3-7］。模糊綜合評判法、層次分析法、灰色決策法等具有一定的主觀性，且不能直接定量地表達優化結果經濟性的優劣；線性規劃模型本身及運算結果不能較好地反映實際情況［8］；而非線性規劃、整數規劃、動態規劃復雜的運算又限制了其在選址中的應用［9］。

人工神經網絡是模仿人腦結構和功能的一種信息處理系統，是由大量的處理單元（神經元）互相連接而成的網絡。雖然，每個神經元的結構和功能都不復雜，但是神經網絡的動態行為則是十分復雜的，因此，用神經網絡可以表達實際物理世界的各種現象。在影響因素較多、因素之間邏輯關系復雜的情況下，人工神經網絡能夠實現全局最優。運用人工神經網絡構建的評價模型，將每一項技術指標進行系統量化，達到更好評價優化的目的。

1.2.1 BP神經網絡模型的基本原理

BP網絡是利用非線性可微分函數進行權值訓練的多層網絡，它包含了神經網絡理論中最為精華的部分，由于其結構簡單，可塑性強，數學意義明確，學習算法步驟分明，在函數逼近、模式識別、信息分類及數據壓縮等領域得到了廣泛的應用［10］。BP神經網絡的結構見圖2。

圖2 BP神經網絡結構

1.2.2 輸入輸出神經元的確定

選取圖1中的13個評價指標對餐廚垃圾廠選址影響因子進行了表征，故采用13個評價指標作為BP網絡的13個輸入神經元。對于所選位置的適宜性評價分為3種情況，即最優、合格和不合格。對應表征3種情況，故神經網絡輸出神經元為3。

1.2.3 輸入神經元的標準化

由于構成輸入神經元的既有定量指標又有定性指標，對于定性指標按最優1.0、合適0.8、不合適0.5進行賦值；對于定量指標通過調研、網絡查詢、文獻查閱獲取數據。在神經網絡研究中，樣本有多個輸入參數時，如城市規劃的土地性質的參數范圍是［0，1］，而服務人口的參數范圍是［500 000，4 000 000］，那么這2個參數對網絡輸出的影響大小是不同的，前一參數會被后一參數所淹沒，不能體現出前一參數的作用。因此，對不同單位、級差的13個評價指標進行了標準化處理（見公式 （1）），歸一化處理結果見表1。

?

1.2.4 隱含層神經元的確定

對于隱含層，神經元數如果太少，網絡不能很好的學習，需要訓練次數很多，訓練精度也不高，有時網絡還可能訓練不出來。增加神經元，網絡功能會變得強大，但是隱含層神經元過多，會增加訓練網絡的時間，且使網絡的泛化能力減弱，網絡的預測能力下降。在結合相關理論和參考經驗公式的基礎上，采用公式m=2l+1（l為輸入層神經元數）確定隱含層神經元數目。

1.2.5 模型構建與訓練

本研究通過matlab7.4（2007a） 軟件實現BP神經網絡。采用S形的正切函數tansig函數為輸入層與隱含層之間的傳遞函數，S形的對數函數logsig作為網絡的隱含層與輸出層。訓練函數選用的是trainlm函數，設定目標誤差為1.0×10-10。

在上述研究的基礎上，確定隱含層節點數為27，即BP神經網絡的結構為13×27×3。通過收集相關數據，對構建好的神經網絡模型進行訓練，當訓練誤差達到可接受范圍之后，模型趨于穩定，便可以用來進行備選地的測評。將13個歸一化的指標作為輸入層構建網絡，訓練158次后，網絡收斂。訓練的誤差僅為8.653×10-11，訓練集測試結果理想，可以用于選址適宜性評價。模型訓練見圖3。

圖3 模型訓練結果

2 實證研究

2.1 2個餐廚垃圾處理廠現狀

武漢市漢口西部餐廚垃圾集中處理廠（簡稱漢口西）位于東西湖區新溝鎮街。以服務東西湖區餐廚垃圾處理為主，并輻射到漢口的硚口區等就近區域，服務區域總面積為485.58 km2，總人口為109.7萬人，餐廚垃圾處理規模為200 t/d。根據武漢市工業用地布局，該地段屬于工業區用地，符合城市總體規劃的土地性質。該廠處理工藝為濕式厭氧發酵處理+生物質氣體能源利用+殘渣制肥，屬于資源化綜合處理，該廠周邊有正在建設的新溝垃圾焚燒發電廠，滿足《武漢環境衛生專項規劃（2006—2020）》的相關要求。根據該項目環境影響評價報告書簡本內容，項目運營期在廠區內自建污水處理站處理達到GB 18918—2002城鎮污水處理廠污染物排放標準一級標準的A標準后，經周邊農用溝渠排入東大湖，對周圍水環境不會產生明顯影響；運營期的鍋爐廢氣、臭氣、工藝粉塵、食堂油煙等經過處理均能達到相應標準。該廠在惠安大道旁，交通運輸條件較好；距離東西湖區五環大道約20 km；該廠周邊300 m內無環境敏感建筑，遠離居民區；場地的穩定性和水電供應良好；該廠所處地段土地價格較低，基準地價為336.0萬元/hm2。

武漢天基生態能源科技有限公司餐廚垃圾綜合利用中心廠（簡稱武昌南）位于武漢市江夏區鄭店街黃金工業園內，該地段屬于工業區用地，符合城市總體規劃的土地性質。該廠應用餐廚垃圾無害化、資源化處理工藝技術，利用中溫厭氧發酵技術使餐廚垃圾最終轉化為電能、工業油脂輸出，滿足《武漢環境衛生專項規劃（2006—2020）》的要求。該廠主要建設包括沼氣凈化及綜合利用系統、污水處理系統、沼渣污泥脫水系統、臭氣處理系統，保障項目滿足GB 14554—1993惡臭污染物排放標準、GB 16297—1996大氣污染物綜合排放標準、GB 18483—2001飲食業油煙排放標準以及GB 18918—2002城鎮污水處理廠污染物排放標準等相關規定。該廠將服務武昌地區餐廚垃圾處理為主，輻射武昌區、洪山區、東湖高新等就近區域，日處理武昌地區餐廚垃圾250 t。該廠在黃金園路旁，交通運輸條件較好；距離最遠的武昌區洪山廣場約20 km；該廠周邊300 m內無環境敏感建筑，遠離居民集中地；場地的穩定性和水電供應良好；土地價格較低，該廠用地成交價約為220.5萬元/hm2。

2.2 餐廚垃圾處理廠選址適宜性評測

設定預測模型的最優選址值為（1，0，0），合格選址值為 （0，1，0），不合格選址值為（0，0，1）。通過調研整理得到漢口西和武昌南2個餐廚垃圾處理廠的13個選址適宜性評價指標定量值，將13個指標定量值用公式（1） 歸一化后，處理結果見表2。將歸一化后的數據輸入已經訓練好的模型進行計算，結果顯示，漢口西選址評測值為（0，1，0），武昌南選址評測值為（0.000 7，0.999 9，0）。對比評測值和預先設定值可以看出，漢口西和武昌南2個餐廚垃圾處理廠的選址均為合格選址。計算評測值的均方誤差MSE僅為8.333×10-8。

?

3 結論

1） BP神經網絡模型的特點使其能夠更好地反映出各個指標之間的復雜關系，尤其是非線性關系。通過選取影響餐廚垃圾處理廠的13個具體指標，確定BP神經網絡模型輸入和輸入神經元，收集相關學習數據，進行訓練后，根據實地情況，建立評價模型，該模型網絡結構可靠性高，適用性較好，具有廣闊的應用前景。

2）通過對2個已建好的餐廚垃圾處理廠實證研究發現，雖然總體場址選擇符合環境衛生專項規劃，但實地發現還是有少部分零散居民地在衛生距離以內；另外，附近居民支持率的數據只是通過估算，并沒有查到較權威的數據。而這些問題均能在BP神經網絡模型中有所體現，因此研究所構建的選址適宜性評價模型較客觀反映了武漢餐廚垃圾處理廠的實際情況，具有較強的適用性和可靠性。

［1］劉長禮，張云，王秀艷，等.垃圾衛生填埋處置的理論方法和工程技術［M］.北京：地質出版社，1999.

［2］黃棟，王栩虹.模糊綜合評價法在垃圾填埋場選址中的應用［J］.首都師范大學學報：自然科學版，2009，30（2）：10-13.

［3］Chang N B，Chen Y L，Wang S F.A fuzzy interval multiobjective mixed integer programming approach for the optimal planning of solid waste management systems［J］.Fuzzy Set Syst，1997，89（l）：35-60.

［4］鄧聚龍.灰理論基礎［M］.武漢：華中科技大學出版社，2002.

［5］Everett J W，Modak A R.Optimal regional scheduling of solid waste systemsⅠ：Model development［J］.J Environ Eng，1996，122（9）：785-792.

［6］郜洪強，樊延恩.層次分析法在垃圾填埋場適宜性評價中的應用［J］.中國地質，2009，36（6）：1433-1441.

［7］Calvo F，Moreno B，Zamorano M，et al.Environmental diagnosis methodology for municipal waste landfills［J］.Waste Manage，2005，25（8）：768-779.

［8］張浩文.成都市餐廚垃圾處理廠廠址選擇研究［D］.成都：西南交通大學，2010.

［9］賈傳興，彭緒亞.城市垃圾中轉站選址優化模型的建立及其應用［J］.環境科學學報，2006，26（11）：1927-1931.

［10］飛思科技產品研發中心.神經網絡理論與MATLAB7實現［M］.北京：電子工業出版社，2005.