隨機(jī)樣本在人工神經(jīng)網(wǎng)絡(luò)地下水質(zhì)分級中的應(yīng)用

魏敬鋌，葉振維（內(nèi)蒙古自治區(qū)環(huán)境科學(xué)研究院，內(nèi)蒙古呼和浩特010011）

隨機(jī)樣本在人工神經(jīng)網(wǎng)絡(luò)地下水質(zhì)分級中的應(yīng)用

魏敬鋌，葉振維（內(nèi)蒙古自治區(qū)環(huán)境科學(xué)研究院，內(nèi)蒙古呼和浩特010011）

本文應(yīng)用計算機(jī)隨機(jī)生成樣本的方法，解決神經(jīng)網(wǎng)絡(luò)在實際應(yīng)用中樣本數(shù)量不足的問題，結(jié)果表明，可以有效提高網(wǎng)絡(luò)訓(xùn)練的效率和精度。

隨機(jī)樣本；神經(jīng)網(wǎng)絡(luò)；水質(zhì)分級

引言

目前，我國普遍采用的水質(zhì)評價方法主要包括單項組分評價和綜合評價。綜合評價方法中，水質(zhì)受污染程度是由多個污染因子共同決定的，為更加準(zhǔn)確的評價水污染狀況，目前已發(fā)展出多種評價方法［1］，如模糊聚類法、灰色聚類法等，由于污染物與地下水質(zhì)量級別的非線性關(guān)系，計算方式復(fù)雜、計算量大，利用神經(jīng)網(wǎng)絡(luò)的非線性擬合能力和學(xué)習(xí)能力能夠較快速的對監(jiān)測數(shù)據(jù)進(jìn)行分類，但分類誤差受很多因素影響，本例主要探討通過增加樣本數(shù)量的方式，提高網(wǎng)絡(luò)訓(xùn)練效率和分類精度。

1 BP網(wǎng)絡(luò)建立

目前人工神經(jīng)網(wǎng)絡(luò)［2］應(yīng)用最廣泛的是BP神經(jīng)網(wǎng)絡(luò)，因其具有很強(qiáng)的自適應(yīng)能力，通過建立網(wǎng)絡(luò)模型，輸入訓(xùn)練樣本，將誤差反向傳播給網(wǎng)絡(luò)進(jìn)行修正，逐步獲得不斷接近輸入與輸出對應(yīng)關(guān)系的目標(biāo)網(wǎng)絡(luò)。

圖1BP網(wǎng)絡(luò)拓?fù)鋱D

神經(jīng)網(wǎng)絡(luò)是由神經(jīng)元相互連接而成，一般包括三層：輸入層、中間層（隱含層）［3］和輸出層。根據(jù)本例輸入層節(jié)點(diǎn)為6，輸出層為1，故隱含層節(jié)點(diǎn)數(shù)取13，建立地下水分級的網(wǎng)絡(luò)模型。

2 案例應(yīng)用

本例礦區(qū)位于內(nèi)蒙古河套灌區(qū)北緣，北依狼山山脈，由于開采年限較長，疏干作用導(dǎo)致地下水中鹽分含量大、礦化度高。根據(jù)主要超標(biāo)因子分布情況，選取溶解性總固體、高錳酸鹽指數(shù)、亞硝酸鹽氮、氯化物、硝酸鹽氮、硫酸鹽6項指標(biāo)進(jìn)行評價。根據(jù)《地下水質(zhì)量標(biāo)準(zhǔn)》（GB/T14848-93），將預(yù)期輸出結(jié)果設(shè)定為0.2～1.0五個等間距級別，分別對應(yīng)水質(zhì)的Ⅰ～Ⅴ類（見表1～2）。

由于輸入數(shù)據(jù)數(shù)據(jù)范圍不同，甚至相差幾個數(shù)量級，要在同一個模型下運(yùn)算，需要對數(shù)據(jù)進(jìn)行歸一化處理，本例采用最多最小法，公式如下：

式中xmin為序列中最小數(shù)，xmax為序列中最大數(shù)。

3 計算結(jié)果和分析

選取因?qū)嶋H監(jiān)測樣本偏少，采用計算機(jī)隨機(jī)生成10、100、500、1000、10000份樣本，分別作為訓(xùn)練樣本，迭代次數(shù)設(shè)為1×104，以實際監(jiān)測數(shù)據(jù)作為測試樣本進(jìn)行結(jié)果驗證，計算結(jié)果如表3。

計算結(jié)果顯示，在樣本數(shù)量很少時，偏差很大，基本不能滿足分類要求；隨著樣本數(shù)量的增加，網(wǎng)絡(luò)偏差值減少很快。

表1 水質(zhì)監(jiān)測表（mg/L）

表2 地下水質(zhì)量分類標(biāo)準(zhǔn)（GB/T14848-93）［4］

表3 不同樣本數(shù)量分類結(jié)果匯總

4 結(jié)論

采用神經(jīng)網(wǎng)絡(luò)方法進(jìn)行地下水質(zhì)分級具有很高的運(yùn)算效率，是可以廣泛應(yīng)用的一種方法。但當(dāng)監(jiān)測樣本數(shù)量較少時，分類誤差很大，準(zhǔn)確度可能滿足不了工作需求。通過使用計算機(jī)產(chǎn)生隨機(jī)樣本，通過神經(jīng)網(wǎng)絡(luò)訓(xùn)練不斷修正網(wǎng)絡(luò)參數(shù)和權(quán)重，可明顯提高分類準(zhǔn)確率。

［1］王華東，劉永可，王健民，等.水環(huán)境污染概論［M］.北京：北京師范大學(xué)出版社，1984.

［2］袁曾任.人工神經(jīng)元網(wǎng)絡(luò)及其應(yīng)用［M］.北京：清華大學(xué)出版社，1999.

［3］封志勇，蔣文杰，董志芬，等.人工神經(jīng)網(wǎng)絡(luò)法在地下水水質(zhì)分級中的應(yīng)用.貴州工業(yè)大學(xué)學(xué)報（自然科學(xué)版），2003，32（4）：95.

［4］《地下水質(zhì)量分類標(biāo)準(zhǔn)》（GB/T14848-93）.

X824

A

2095-2066（2016）30-0007-01

2016-10-12

魏敬鋌（1981-），男，中級工程師，大學(xué)本科，主要從事水污染防治工作。