基于T-S模糊神經網絡評價漢江干流漢中段水質

高凱，賈偉

?

基于T-S模糊神經網絡評價漢江干流漢中段水質

高凱，賈偉

摘 要：為準確客觀地評價漢江干流漢中段水環境質量狀況，利用T-S模糊神經網絡模型，對漢江干流漢中段監測點，連續5年的水質監測狀況數據進行了分析評價。結果表明，在選取的6個水質監測指標數據下，漢江干流漢中段水質相對較好，但流經城鎮段的水質存在惡化的趨勢，需要采取措施進行有效的預防保護。提出的T-S模糊神經網絡應用于水環境質量評價方法簡便可靠，預測精度高，可以在水質評價中進行推廣。

關鍵詞：T-S模糊神經網絡；漢江干流漢中段；水質評價

0 引言

水質是評判水體環境質量的一個重要指標，對水資源的利用具有重要意義。越來越多的人工神經網絡預測模型應用于水資源與環境工程領域，也提出了很多新的方法，主要有模糊綜合評價法、主成分分析法、指數法、神經網絡模型法、模糊模式識別法及物元可拓法等[1-5]。Carbajal-Hernández等[6]對墨西哥城進行了空氣質量評估，該評估模型先對采樣數據進行模糊推理，再將處理后的數據通過自回歸模型對空氣質量進行預測，取得了較好的效果。但在應用這些評價方法的過程中也暴露出一系列問題，如在模糊綜合評價中一般采用線性加權平均模型得到評判集，使評判結果易出現失真、失效、跳躍等現象，且自適應能力較差[7-13]。漢江是南水北調中線工程的水源地，其水質的好壞關乎著南水北調受惠區域中人民的健康；尤其是漢江漢中段作為漢江上游，其水質污染狀況及其變化趨勢更為重要。拓守恒等[14]利用模糊神經網絡模型研究了漢江段水質，但只采用了一年的取樣數據，不能客觀全面的反映漢江水質長期連續變化的過程。為此，本文結合水質評價標準，采用一種有效的智能T-S模糊神經網絡水質評價方法，對漢江干流漢中段連續5年監測點的水質數據進行全面評價，以期能為環保部門提供更為科學的參考依據。

1 水質評價

1.1 樣本選取

在此以國家頒布的《地表水環境質量標準》（GB3838-2002）作為評價依據，結合漢江干流漢中段水質狀況，有針對性地選擇了氨氮（NH3-N）、溶解氧（DO）、氰化物、高錳酸鹽指數、五日生化需氧量(BOD5)和六價鉻等6項指標來綜合評價漢江水質狀況。本研究將以2006~2010年五年間漢江干流漢中段國控1個監測斷面（烈金壩C1）和省控4個監測斷面（梁西渡C2、南柳渡C3、蒙家渡C4和黃金峽C5）的河流水質監測的年平均值（數據均來自2006~2010年漢中市環保局環境統計數據）作為模糊神經網絡訓練樣本數據，采樣數據如表1~表5所示。

表1　2006年漢江干流水系水質監測年平均值（單位：mg/L）

表2　2007年漢江干流水系水質監測年平均值（單位：mg/L）

表3　2008漢江干流水系水質監測年平均值（單位：mg/L）

表4　2009漢江干流水系水質監測年平均值（單位：mg/L）

表5　2010漢江干流水系水質監測年平均值（單位：mg/L）

1.2 評價模型

基于T-S模糊神經網絡的漢江干流漢中段水質評價算法流程如圖1所示：

圖1　基于T-S模糊神經網絡的漢江干流漢中段水質評價算法流程

模糊神經網絡根據訓練樣本輸入、輸出維數確定網絡的輸入和輸出節點數，由于輸入數據維數為6，輸出數據維數為1，所以確定網絡的輸入節點個數為6，輸出節點個數為1，根據網絡輸入輸出節點數，通過試錯法確定隸屬度函數個數為12，故確定模糊神經網絡結構為6-12-1，隨機初始化模糊隸屬度函數中心c，寬度b和系數p0~p6。為保證精度，模糊神經網絡訓練用訓練數據訓練神經網絡，采用matlab2010b的linspace函數在各級評價標準之間按隨機均勻分布方式內插生成訓練樣本。水質指標標準數據來自表1，網絡反復訓練100次[15]。

2 結果與討論

首先，用訓練樣本訓練模糊神經網絡，網絡反復訓練100次。其次，用訓練好的模糊神經網絡評價漢江干流漢中段流域水質，根據網絡預測值得到水質等級標準。按照“優良中次差”的五級評價習慣，我們將評價等級劃分為五級，預測值小于1.5時水質為一級，預測值在1.5~2.5時水質為二級，預測值在2.5~3.5時水質為三級，預測值在3.5~4.5時為四級，預測值大于4.5時水質為五級。根據訓練好的模糊神經網絡進行樣本測試，發現網絡的預測輸出值與實際輸出值非常接近，200個訓練數據誤差如圖2所示：

圖2　訓練樣本測試等級比較

100個測試數據誤差如圖3所示：

圖3　測試樣本預測與等級比較

結果表明本文構建的模型對水質進行綜合評價精確度很高[16-19]。

以T-S模糊神經網絡模型對漢江干流漢中段流域5個監測斷面，連續5年的監測水質評價結果，如圖4所示：

圖4　漢江漢中段5個監測斷面5年的T-S模糊神經網絡評價

該圖可知，“十一五”期間漢江干流水質均達到II級以上，漢江干流烈金壩、梁西渡、蒙家渡和黃金峽斷面從2006年開始水質有不同程度的改善，特別是2010年，各監測斷面水質明顯趨好，也說明漢中對漢江水質加大了治理污染的力度。

南柳渡斷面水質污染從2006年開始明顯呈上升趨勢，說明漢江干流流經城鎮段污染明顯嚴重，因此政府應加快城鎮污水處理廠建設，淘汰關停重污染企業，著力推進“十二五”減排規劃，確保漢江水質安全良好，為南水北調做好保障工作[20，21]。

3 總結

本研究應用T-S模糊神經網絡，依據《地表水環境質量標準》（GB3838－2002）中的6項評價指標及其插值形成的數據作為訓練樣本，以漢江干流漢中段5年的數據作為檢驗樣本，得到合理的評價等級，采用本文模型評價水質，可以避免過多地人工干預分析，可以有效提高工作效率，綜合評價的結果更能全面地反映水質污染的實際情況，為環境管理提供更科學的依據。

考慮到當前監測的指標數據情況和漢中本地環境污染的的可能狀況，我們僅選擇了這6項典型指標作為評價因子，對在某些污染物排放方面如“石油類”等沒有考慮，可能導致評價的不全面。這將在我們后期的工作中，視漢中污染的可能因素和人們的關心情況，在今后的監測中進行檢測，并加入到模型中進行評價。

此外，在環境監測研究系統開發中，可以利用物聯網技術，實時動態的監測指標，及時的將數據傳遞到系統中，利用文中的模型給出評價結果，從而按月或天給出水質評價的連續動態結果。

參考文獻

[1] 陳琳, 劉俊民, 劉小學. 支持向量機在地下水水質評價中的應用[J]. 西北農林科技大學學報(自然科學版), 2010, 30(11): 221-226.

[2] Longqin Xu,Shuangyin Liu. Study of short-term water quality prediction model based on wavelet neural network[J]. Mathematical and Computer Modelling . 2013 (3-4)

[3] Jeen Lin,Ruey-Jing Lian. Design of a grey-prediction self-organizing fuzzy controller for active suspension systems[J]. Applied Soft Computing Journal . 2013 [3] Sepideh Karimi,Ozgur Kisi,Jalal Shiri,Oleg Makarynskyy. Neuro-fuzzy and neural network techniques for forecasting sea level in Darwin Harbor, Australia[J]. Computers and Geosciences . 2013

[4] José Juan Carbajal-Hernández,Luis P. Sánchez-Fernández,Jesús A. Carrasco-Ochoa,José Fco. Martínez-Trinidad. Assessment and prediction of air quality using fuzzy logic and autoregressive models[J]. Atmospheric Environment . 2012

[5] H.Y. Wu,K.L. Chen,Z.H. Chen,Q.H. Chen,Y.P. Qiu,J.C. Wu,J.F. Zhang. Evaluation for the ecological quality status of coastal waters in East China Sea using fuzzy integrated assessment method[J]. Marine Pollution Bulletin . 2011 (3)

[6] Carbajal-Hernández J．J．，Sánchez-Fernández L．P．，Carrasco-Ochoa J．A．，et al．Assessment and prediction of air quality using fuzzy logic and autoregressive models[J]．Atmospheric Environment，2012，60: 37-50

[7] 胡偉偉, 李婷, 馬致遠. 模糊綜合評價法與綜合評價法在礦區水質評價中的對比研究[J]. 地下水, 2011, 33(3): 143-144.

[8] 汪天祥, 許士國, 韓成偉. 改進主成分分析法在南淝河水質評價中的應用[J]. 水電能源科學, 2012, 30(10): 33-36.

[9] 王林, 王興澤. 水質標識指數法在太子河水質評價中的應用[J]. 北方環境, 2012, 27(5): 198-200.

[10] 周忠壽. 基于T-S模型的模糊神經網絡在水質評價中的應用[D]. 河海大學, 2007.

[11] 周林飛, 趙嶄, 孫佳竹, 等. 基于模糊模式識別的渾河水質評價研究[J]. 水土保持研究, 2012, 19(5): 163-166.

[12] 蘭雙雙, 姜紀沂, 王濱. 基于物元可拓法的地下水水質評價[J]. 吉林大學學報(地球科學版), 2009, 39(4): 722-727.

[13] 薛巧英. 水環境質量評價方法的比較分析[J]. 環境保護科學, 2004, 30(8): 35-40.

[14] 拓守恒, 何紅, 李鵬飛. 基于T-S模糊神經網絡模型的漢中段漢江流域水質評價與分析[J].計算機時代, 2013, (8):46-48, 51.

[15] 王小川, 史峰, 郁磊, 等. Matlab神經網絡43個案例分析[M]. 北京: 北京航空航天大學出版社, 2013: 288-297.

[16] 師黎, 陳鐵軍. 智能控制理論及應用[M]. 北京: 清華大學出版社, 2009.

[17] 張宇, 盧文喜, 陳社明. 基于T-S模糊神經網絡的地下水水質評價[J]. 節水灌溉, 2012, 7(7): 35-38.

[18] 孫增圻, 徐紅兵. 基于T-S模型的模糊神經網絡[J]. 清華大學學報(自然科學版), 1997, 37(3): 76-80.

[19] 蔡述明, 陳國階. 漢江流域資源合理開發利用與經濟發展綜合研究[M]. 武漢: 湖北科學技術出版社, 1997.

[20] 王云麗. 南水北調中線受水區水資源可持續利用評價[J]. 水科學與工程技術, 2015, 189(1): 9-11.

[21] 劉秋. 南水北調中線水源區土地的利用生態安全分析—以陜西省為例[J]. 首都師范大學學報(自然科學版), 2015, 36(1): 95-98.

T-S Fuzzy Water Quality of Hanjiang River in Hanzhong Section Based on Neural Network Evaluation

Gao Kai, Jia Wei
(School of Mathematics and Computer Science, Shaanxi University of Technology, Hanzhong 723001, China)

Abstract:In order to evaluate the water environmental quality status accurately and objectively in Hanzhong stretch of Hanjiang mainstream, this paper uses T-S fuzzy neural network model to do analysis and evaluation to the water quality monitoring data got in the monitoring points of Hanzhong stretch of Hanjiang mainstream for five years in a row. The results shows that according to the six selected indicators of water quality monitoring data, the water quality of Hanzhong stretch of Hanjiang mainstream is relatively good, but the water quality of stretch through the town tends to be deteriorated, to which measures should be taken to protect. In this paper, TS fuzzy neural network used in water environmental quality assessment method is simple, reliable, high prediction accuracy, which can promote water quality evaluation.

Key words:T-S Fuzzy Neural Network; Hanjiang River in Hanzhong City; Water Quality Evaluation Research

收稿日期：（2015.06.04）

作者簡介：高 凱（1981-），漢中人，陜西理工學院，數學計算機科學學院，講師，碩士，研究方向：智能優化算法、無線傳感器網絡和環境數據處理等，漢中，723001 賈 偉（1977-），男，陜西理工學院，數學計算機科學學院，講師，研究方向：為計算機網絡與智能計算，漢中，723001

基金項目：陜西理工學院科研計劃資助項目（SLGKY12-04）

文章編號：1007-757X(2016)02-0051-03

中圖分類號：TP399

文獻標志碼：A