基于BP神經(jīng)網(wǎng)絡(luò)與粒子群算法的水質(zhì)評價方法

張樂樂+曹偉+龍華+趙繼東

摘要：針對水質(zhì)評價中BP神經(jīng)網(wǎng)絡(luò)算法存在的收斂精度不高、泛化能力弱等問題，提出了一種粒子群算法和BP神經(jīng)網(wǎng)絡(luò)算法相結(jié)合的改進型算法。該算法優(yōu)化了BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)，提高了算法的收斂精度及網(wǎng)絡(luò)泛化能力。通過實驗驗證了算法的有效性。

關(guān)鍵詞關(guān)鍵詞：水質(zhì)評價；神經(jīng)網(wǎng)絡(luò)；粒子群；網(wǎng)絡(luò)參數(shù)

DOIDOI：10.11907/rjdk.171853

中圖分類號：TP319

文獻標識碼：A文章編號文章編號：16727800（2017）011012104

0引言

目前，國內(nèi)經(jīng)常使用的水質(zhì)評價方法主要有單指數(shù)評價法、灰色理論方法、模糊綜合評價法、人工神經(jīng)網(wǎng)絡(luò)法等。單指數(shù)評價法的常用思想是“一票否決”，只選用一個指標評價水質(zhì)缺乏一定的準確性[1]。孫偉光等[2]使用單因子法對某河流的水質(zhì)進行評測，只能夠得出單一的污染因子，很難綜合性地評價河流水質(zhì)。國內(nèi)推廣了鄧聚龍[3]所提出的灰色理論方法，王平等[4]將灰色理論評價法用于滏陽河的水質(zhì)評價。然而，灰色理論法應(yīng)用于水質(zhì)指標時不僅計算復(fù)雜度高而且需要對各項指標的最優(yōu)值進行確定。此外，在最優(yōu)值確定過程中，該方法主觀性過強，使得部分指標最優(yōu)值難以確定。模糊綜合評價法主要是將水體中不同污染的指標按照一定權(quán)重進行加權(quán)，但是水中污染物質(zhì)的有害性及其在水中的濃度不能用簡單的關(guān)系說明，這種方法在實際的水質(zhì)評價中誤差很大[5]。人工神經(jīng)網(wǎng)絡(luò)具有分布式聯(lián)想能力、自學(xué)習(xí)能力及自組織能力，在水質(zhì)評價、人臉識別等領(lǐng)域被廣泛使用[6]。岳丹丹等[7]使用BP人工神經(jīng)網(wǎng)絡(luò)對西鞍山鐵礦地下水水質(zhì)進行評價，得出人工神經(jīng)網(wǎng)絡(luò)能夠避免在評價中人為確定評價指標權(quán)重帶來的主觀誤差。郭慶春等[8]運用人工神經(jīng)網(wǎng)絡(luò)算法對黃河水質(zhì)進行評價，并對算法作出改進，改進后的算法能夠解決評價因子與水質(zhì)等級之間復(fù)雜的非線性關(guān)系，具有很強的適用性。但是人工神經(jīng)網(wǎng)絡(luò)算法也有其自身缺陷：收斂速度較慢、容易陷入局部極小值、泛化能力弱等[9]。

綜合以上問題，本文采用BP神經(jīng)網(wǎng)絡(luò)算法和粒子群算法相結(jié)合的方式，使用粒子群算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的連接參數(shù)，避免算法陷入局部極小值，并且提高算法收斂精度和網(wǎng)絡(luò)泛化能力。

1水質(zhì)評價方法

其中，參數(shù)indim、hiddennum和outdim分別表示輸入層、隱含層和輸出層神經(jīng)元數(shù)目。根據(jù)文獻[14]可得出D=25。

3.1評價指標選取

在進行水質(zhì)評價時，收集到的主要水質(zhì)數(shù)據(jù)有總磷、電導(dǎo)率、水溫、PH值、總磷、總氮、溶解氧、氨氮等。本文選取4種水體中富營養(yǎng)化最嚴重的指標，即：氨氮、溶解氧、總氮、總磷用于水質(zhì)評價。

3.2評價標準確定

將2006年我國發(fā)布的《國家地表水環(huán)境質(zhì)量標準》作為本文的水質(zhì)評價標準，并使用該標準中不同水質(zhì)等級的準確數(shù)據(jù)[15]。具體數(shù)據(jù)如表1所示。

3.3水質(zhì)評價基本步驟

依據(jù)國家水質(zhì)評價標準表，在對所選的四類水質(zhì)評價指標進行樣本收集訓(xùn)練時，每個區(qū)間段采集50組數(shù)據(jù)，其中40組用于訓(xùn)練，10組用于測試。根據(jù)表1可知，當溶解氧在所要進行評價水質(zhì)中的含量超過7.5mg/L時，才能達到I類水的評價標準。水中溶氧量很難超過14.64mg/L，由此可知隨機函數(shù)的隨機插值系數(shù)，因此采集的50組數(shù)據(jù)溶解氧的含量在[7.5，17.5]。可用相同的方法生成300組溶解氧水質(zhì)評價數(shù)據(jù)。同理，對其余3種水質(zhì)評價指標生成300組數(shù)據(jù)，生成的樣本數(shù)據(jù)如表2所示。

3.4實驗結(jié)果

實驗結(jié)果分別如圖2-圖9所示。

根據(jù)圖8和圖9得出BP神經(jīng)網(wǎng)絡(luò)和改進型BP神經(jīng)網(wǎng)絡(luò)在2012年水質(zhì)評價結(jié)果對比，如表3所示。

由仿真結(jié)果可知，改進型BP神經(jīng)網(wǎng)絡(luò)算法彌補了傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)算法在水質(zhì)評價中的一些缺陷。由圖2和圖6可知，BP神經(jīng)網(wǎng)絡(luò)算法的水質(zhì)評價測試結(jié)果和標準結(jié)果相當不吻合，算法收斂精度只能達到10-2，極有可能是算法陷入局部極小值，這就導(dǎo)致了在后續(xù)測試樣本中有許多評價不準確的結(jié)果。由圖7可知，在采用改進型BP神經(jīng)網(wǎng)絡(luò)算法進行優(yōu)化以后，算法的收斂效果能夠達到10-4，算法收斂精度得到很大提高。由圖3可知，測試結(jié)果和標準結(jié)果之間的相對誤差十分不穩(wěn)定，有些誤差較大而有些誤差較小，網(wǎng)絡(luò)泛化能力較弱。由圖5可知，改進后的算法誤差相對較小，大部分相對誤差都在0.1以下，最高誤差也只有0.38，并且改進算法的網(wǎng)絡(luò)泛化能力得到提高。

從評分結(jié)果可知，春秋兩季的洱海水質(zhì)明顯高于夏冬兩季且夏季水質(zhì)出現(xiàn)急劇下滑趨勢。其主要原因是夏季水生物的生長相對較快，而旅游業(yè)的快速發(fā)展導(dǎo)致了大量生活污水及其它污染，使得夏季水質(zhì)下滑較快。

4結(jié)語

本文對傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)進行水質(zhì)評價，發(fā)現(xiàn)傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)算法在評價過程中容易陷入局部最小值，進而采用粒子群算法和BP神經(jīng)網(wǎng)絡(luò)算法相結(jié)合的方式，建立評價模型，并提出了一種新的評價方法。通過所提的POS算法優(yōu)化了BP神經(jīng)網(wǎng)絡(luò)的連接參數(shù)，彌補了傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)算法在水質(zhì)評價時收斂精度不高、泛化能力弱等缺點，進一步提高了系統(tǒng)性能。仿真實驗表明，該算法具有有效性。

參考文獻參考文獻：

[1]匡耀求，黃寧生.中國水資源利用與水環(huán)境保護研究的若干問題[J].中國人口·資源與環(huán)境，2013（4）：2933.

[2]孫偉光，邢佳，馬云，等.單因子水質(zhì)標識指數(shù)評價方法在某流域水質(zhì)評價中的應(yīng)用[J].環(huán)境科學(xué)與管理，2010（11）：181184，194.

[3]鄧聚龍.灰色理論系統(tǒng)[M].武漢：華中科技大學(xué)出版社，2002.

[4]王平，王云峰.綜合權(quán)重的灰色關(guān)聯(lián)分析法在河流水質(zhì)評價中的應(yīng)用[J].水資源保護，2013（5）：5254，64.

[5]潘妍妍，趙存.模糊評價法在潞安礦區(qū)水質(zhì)評價中的應(yīng)用[J].煤炭技術(shù)，2010（5）：1012.

[6]毛健，趙紅東，姚婧婧.人工神經(jīng)網(wǎng)絡(luò)的發(fā)展及應(yīng)用[J].電子設(shè)計工程，2011（24）：6265.

[7]岳丹丹，梁海濤，王天慧，等.BP人工神經(jīng)網(wǎng)絡(luò)模型在西鞍山鐵礦地下水水質(zhì)評價中的應(yīng)用[J].環(huán)境監(jiān)測管理與技術(shù)，2016（4）：2326.

[8]郭慶春，趙雪茹.基于人工神經(jīng)網(wǎng)絡(luò)的黃河水質(zhì)評價[J].計算機與數(shù)字工程，2013（5）：683685.

[9]李福，郭健.改進的BP神經(jīng)網(wǎng)絡(luò)算法在水質(zhì)監(jiān)測中的應(yīng)用[J].計算機系統(tǒng)應(yīng)用，2015（10）：243247.

[10]華祖林，錢蔚，顧莉.改進型LMBP神經(jīng)網(wǎng)絡(luò)在水質(zhì)評價中的應(yīng)用[J].水資源保護，2008（4）：2225，30.

[11]曹偉.基于改進型PSOBP神經(jīng)網(wǎng)絡(luò)算法的水環(huán)境質(zhì)量評價[D].昆明：昆明理工大學(xué)，2016.

[12]高峰，馮民權(quán)，滕素芬.基于PSO優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的水質(zhì)預(yù)測研究[J].安全與環(huán)境學(xué)報，2015（4）：338341.

[13]程適，史玉回.基于L1范式的粒子群算法群體多樣性研究[J].計算機科學(xué)，2011，38（7）：190193.

[14]楊維，李歧強.粒子群優(yōu)化算法綜述[J].中國工程科學(xué)，2004，6（5）：8794.

[15]呂占祿，王先良，王菲菲，等.國內(nèi)外地表水環(huán)境質(zhì)量標準制修訂工作現(xiàn)狀[C].中國環(huán)境科學(xué)學(xué)會環(huán)境標準與基準專業(yè)委員會2013年學(xué)術(shù)研討會，2013：4146.

責任編輯（責任編輯：孫娟）endprint