基于綜合營養狀態指數和BP神經網絡的黑河富營養化評價

鮑廣強, 尹 亮, 余金龍, 劉 暢, 邱小琮

(1.寧夏大學 土木與水利工程學院, 寧夏 銀川 750021; 2.中國水利水電科學研究院水環境研究所, 北京 100038; 3.寧夏大學 生命科學學院, 寧夏 銀川 750021)

水體營養化狀態的評價，是水環境評價中一個重要內容。水體富營養化評價的目的是為了準確反映水環境的質量和污染狀況，并預測將來的發展趨勢，為開展環境污染和綜合治理、環境規劃及管理提供科學依據[1]。水體富營養化的評價和水體的水質評價一樣，其實就是一個模式識別的問題，一開始都是使用綜合營養狀態指數法進行評價，其中的權重也是針對湖泊(水庫)的，并沒有針對河流的計算方法。對于湖泊富營養化的評價方法主要有綜合營養狀態指數法、參數法、特征法、生物指標評價法等，但這些方法均有適用的條件和局限性[2]。近年來，隨著計算機技術和現代數學的發展，越來越多的學者將水質評價的許多方法(模糊綜合評價法[3]、灰色聚類法[4]、層次分析法[5]、物元分析法[6]、集對分析法[7]等)系統評價方法。應用于水體富營養化評價中，并取得了良好的效果。目前，BP人工神經網絡被廣泛應用于模式識別問題[8]，并在水質評價方面得到了廣泛應用[9]，也有學者將BP神經網絡法應用于湖泊富營養化評價[10-12]，但其在河流富營養化評價中的應用研究很少。

黑河流域是中國西北地區第二大內陸河流域，位于河西走廊中部，主要發源于祁連山區的降水和冰雪融水。黑河從發源地到居延海全長821 km，橫跨3種不同的自然環境單元，流域面積約1.429×105km2。隨著流域內工農業迅速發展，人口增加，大量污染物的排放及不適當的水資源開發利用，以致黑河面臨營養化的威脅，并嚴重影響到人民生活、生產用水。本研究于2013—2015年連續3 a對黑河流域的水環境因子進行采樣測定，采用綜合營養狀態指數法和BP神經網絡法對黑河富營養化狀態進行綜合評價，旨在為黑河流域水體污染綜合防治提供基礎數據和理論依據，并為黑河流域富營養化評價確定更為客觀可靠的方法。

1 材料與方法

1.1 樣點設置與采樣時間

依據黑河流域的形狀，在黑河流域里設置了55個采樣點。采樣時間為2013至2015年4—5月(平水期)、7—8月(豐水期)和12—1月(枯水期)。

1.2 水樣采集與測定

水樣采集按照《水質采樣方案設計技術規定(HJ495-2009)》《水質采樣技術指導(HJ494-2009)》《水質樣品的保存和管理技術規定(HJ493-2009)》中的要求進行。現場測定水體的透明度(SD)指標，用5.0 L采水器采集水樣保存，帶回實驗室測定總氮(TN)、總磷(TP)、高錳酸鹽指數(CODMn)和葉綠素(chl.a)指標。水質指標的測定依照《地表水環境質量標準》(GB3838-2002)中規定使用的方法進行，有最新環境保護標準測定方法的都使用新的標準測定方法進行。

1.3 評價因子選取和預處理

根據黑河流域的水系特征，把黑河流域分為八寶河、野牛溝、北大河、梨園河、紅水河、山丹河、張掖濕地、中游干流、額濟納河、東居延海10個小流域，然后取各個小流域不同點位水質指標監測數據的平均值，作為本流域的評價數據。根據李慧[13]黑河流域水質指標的選取原則，結合黑河流域周圍工農業生產狀況，本研究選取葉綠素a(Chl.a)、總氮(TN)、總磷(TP)、高錳酸鹽指數(CODMn)、透明度(SD)作為評價因子。

由于水質各個指標的類型和量綱不同，各個指標之間不具有可比性，因此在評價的時候要對水質評價的分級標準和待評價河流的水質監測數據進行無量綱化處理[14]。由于BP神經網絡必須把數據歸一化到0～1之內，因此采用楊潔等[15]使用的方法把數據歸一化到0～1范圍內。

1.4 富營養評價的綜合營養狀態指數法

(1) 綜合營養狀態指數[16]為：

(1)

式中：TLI (∑)——綜合營養狀態指數；Wj——第j種參數的營養狀態指數的相關權重； TLI(j)——代表第j種參數的營養狀態指數。

(2) 各項目營養狀態指數計算公示[17]如下：

TLI(chl.a)=10(2.5+1.086lnchl.a)

(2)

TLI(TP)=10(9.436+1.624lnTP)

(3)

TLI(TN)=10(5.453+1.694lnTN)

(4)

TLI(SD)=10(5.118-1.94lnSD)

(5)

TLI(CODMn)=10(0.109+2.661lnCODMn)

(6)

式中：chl.a 單位為mg/m3，SD單位為m；其他指標單位均為mg/L。

(3) 營養狀態分級。對照營養狀態分級標準[18]，采用0～100的一系列連續數字對湖泊(水庫)營養狀態進行分級(見表1)，綜合營養狀態指數越高，富營養狀態越高。

表1 營養狀態分級

1.5 富營養評價的BP神經網絡法

富營養化評價的BP神經網絡法基本思想是：以和富營養化程度有關的相關指標限值作為學習樣本，把富營養化指數設為相應的期望輸出數值進行訓練，然后以水體實測值作為輸入層單元，運用訓練的網絡進行仿真，得到相應的輸出指數，然后根據輸出指數來確定營養狀態。

基于BP人工神經網絡的營養狀態指數量化模型如下。

(7)

式中：Ci∈C，C={C1,C2,…Cm}；n1——隱含層神經元個數；m——輸入層神經元個數；C——輸出層神經元個數；n——1～10的常數；a，Di∈D；D={D}。

圖1 富營養化評價人工神經網絡模型結構

模型中的輸入層對應營養狀態評價指標值，輸出層為營養狀態指數，隱含層神經元個數一般通過試錯法獲得。應用該模型進行計算時,輸出層數值即為營養狀態指數(圖1)。

運用MATLAB 2014年軟件建立一個4-6-1的神經網絡模型，由于BP神經網絡的函數特點，把營養狀態指數縮小100倍，然后進行學習、訓練和仿真，得到網絡輸出結果和對應富營養化級別。

湖泊的富營養化污染程度主要由湖泊中氮、磷等營養鹽含量的多少決定。能夠直接、間接反映或影響水域或者湖泊營養狀態的指標有：Chl.a，TN，TP，COD，SD，SS等。其中，TN，TP是水體富營養化的主要限制因子，Chl.a是藻類量主要成分的指標，因此Chla,TN,TP在富營養化評價時。根據《地表水環境質量評價辦法》(試行)中國對湖泊富營養化評價選擇Chl.a，TN，TP，CODMn，SD作為評價參數。河流富營養化的發生條件和湖泊有很大的區別，而且河流的水深比較淺，尤其是像黑河這樣的西北內陸河流，透明度不能完全體現富營養化的狀態，如果使用綜合營養狀態指數法就會使得評價結果偏于保守，因此本次評價使用Chl.a，TN，TP，CODMn作為評價參數，不考慮SD。

本研究以《地表水環境質量標準》(GB3838-2002)為富營養化評價基礎，結合其他學者在評價時的分級標準，建立本次評價的富營養化分級評價標準(如表2所示)。

表2 富營養化評價標準分級

2 結果與分析

2.1 綜合營養狀態指數法評價

根據《地表水環境質量評價辦法》(試行)中富營養化的評價方法—綜合營養狀態指數法進行，通過使用綜合營養狀態指數法計算得到相應的綜合營養狀態指數，根據富營養化評價標準分級得出2013—2015年4，7和12月的營養化程度(如表3—5所示)。

如表3所示，2013年八寶河流域4和7月富營養水平相差不大，12月富營養水平降低；野牛溝流域從4—12月富營養水平不斷變高；北大河流域、梨園河流域和紅水河流域4月富營養水平比7月稍低，12月最低；山丹河流域和東居延海流域4和12月富營養水平相差很小，7月最高；張掖濕地4和7月富營養水平差別不大，12月最高；中游干流和額濟納河流域4和12月富營養水平相差不大，7月最高。

如表4所示，2014年4月八寶河、野牛溝、北大河、梨園河、紅水河、山丹河、張掖濕地、中游干流、額濟納河流域的營養狀況為輕度富營養，東居延海流域的營養狀況為中度富營養；7月紅水河流域的營養狀況為中營養，八寶河、野牛溝、北大河、梨園河、山丹河、張掖濕地、中游干流、額濟納河流域的營養狀況為輕度富營養，東居延海流域的營養狀況為重度富營養；12月八寶河、野牛溝、北大河、梨園河、紅水河、山丹河、張掖濕地、中游干流、額濟納河流域的營養狀況為輕度富營養，東居延海流域的營養狀況為重度富營養。

表3 2013年綜合營養狀態指數TLI及營養化水平

注：TLI為綜合營養狀態指數。下同。

表4 2014年綜合營養狀態指數TLI及營養化水平

由表4還可以看出，2014年八寶河流域4和12月富營養水平相差不大，7月富營養水平最高；野牛溝流域4月富營養水平較低，7和12月較高；北大河流域富營養水平4比12月稍低，7月最高；梨園河流域富營養水平4月比12月稍高，7月份最高；紅水河流域4和12月富營養水平相差很小，7月最高；山丹河流域和張掖濕地7和12月富營養水平差別不大，4月最低；中游干流、額濟納河和東居延海流域富營養水平4比12月富營養水平稍低，7月最高。

由表5可知，2015年4，7和12月八寶河、野牛溝、北大河、梨園河、紅水河、山丹河、張掖濕地、中游干流、額濟納河流域的營養狀況為輕度富營養，東居延海流域的營養狀況為重度富營養。2015年八寶河、北大河和東居延海流域4和12月富營養水平相差不大，7月富營養水平最高；野牛溝流域全年富營養水平變化很?。焕鎴@河流域富營養水平4和7月富營養水平相差較小，12月最低；紅水河流域從4—12月富營養水平不斷變低；山丹河流域7月富營養水平比12月稍高，4月最低；張掖濕地7和12月富營養水平差別不大，4月最低；中游干流、額濟納河和東居延海流域富營養水平4比12月富營養水平稍低，7月最大。

2.2 BP神經網絡法評價

本文以Chl.a，TN，TP，CODMn等影響水質分級的主要因子作為建立評價模型的主要參數指標。以水體實測值作為輸入層單元，每組的數據有4個指標，所以輸入層的神經元的個數為4。而隱含層和隱節點數目卻決定了網絡的復雜程度，直接影響網絡運行性能和收斂速度。如果沒有隱含層，輸入到輸出的變換過于簡單，許多問題解決不了；如果隱含層過多，則可能使表達分散不易形成完整的概念，且計算龐大，影響運行效果。

表5 2015年綜合營養狀態指數TLI及營養化結果

理論上已經證明設置1～2個隱含層可能就夠了。隱節點數的確定與隱含層相類似，隱含節點數也不是越多越好，達到一定數量時，增加隱節點數非但不能提高運行效率，反而會使收斂速度減慢。一般來說，隱節點要比輸入節點少一個數量級[19]。

BP神經網絡輸出結果和對應富營養化級別見表6—7。從計算出的指數和營養化程度評價結果可以看出2013—2015年八寶河、野牛溝、北大河、梨園河、山丹河、張掖濕地、中游干流、額濟納河流域的營養水平都是中營養，基本沒有變化。東居延海在2013—2015年的營養水平都是重度富營養，可見污染狀況非常嚴重。

由表6和7可知，2013年八寶河、梨園河、山丹河、中游干流和額濟納河流域全年富營養水平相差不大；野牛溝流域4和7月富營養水平相差很小，12月最高；北大河流域從4—12月富營養水平不斷變低；紅水河流域7和12月富營養水平相差很小，4月最高；張掖濕地4和12月富營養水平相差不大，7月最低；東居延海4月比12月富營養水平稍低，7月最高，但是它全年都為重度富營養。

表6 BP神經網絡法計算出的指數

表7 BP神經網絡法富營養評價結果

2014年八寶河、山丹河、中游干流和額濟納河流域全年富營養水平相差不大；野牛溝流域4和7月富營養水平相差很小，12月最高；北大河流域從4—12月富營養水平不斷變低；梨園河流域4和7月富營養水平相差不大，12月最低；紅水河流域7和12月富營養水平相差很小，4月最高；張掖濕地4和12月富營養水平相差不大，7月最高；東居延海4月份比7月富營養水平相差較小，12月最低，但是它全年都為重度富營養。

2015年八寶河、山丹河、中游干流和額濟納河流域全年富營養水平相差不大；野牛溝流域4和12月富營養水平相差很小，7月最低；北大河流域從4—12月富營養水平不斷變低；梨園河流域4和7月富營養水平相差不大，12月最低；紅水河流域7和12月富營養水平相差很小，4月最高；張掖濕地4和12月富營養水平相差不大，7月最高；東居延海4月比7月富營養水平相差較小，12月最低，但是它全年都為重度富營養。

3 討論與結論

使用綜合營養狀態指數法和BP神經網絡法分別對黑河流域的富營養化進行了評價，通過評價結果發現，運用綜合營養狀態指數法和BP神經網絡法的評價結果有差別，主要是由于河流富營養化的發生條件和湖泊有很大的區別，河流的透明度并不能真實體現河流的富營養水平，像黑河這樣的西北內陸河流，水深很淺，有的河段清澈見底，有的河段則混濁不辨，因此透明度不能明確富營養化的狀態，使得綜合營養狀態指數法的評價結果偏離實際情況。利用Matlab軟件建立的BP神經網絡模型可以避免透明度對河流富營養化評價的干擾，采用足夠多的學習樣本對網絡進行訓練，最大限度地避免了人為主觀因素的影響。而且這種方法操作簡便易行，可以自組織、自適應并具有容錯和抗干擾能力等特點，評價的結果和實際情況基本吻合，與綜合營養指數法相比更加貼近實際結果，是一種比較實用的評價方法，其評價結果更客觀、可靠。

由BP神經網絡對黑河流域水質富營養化狀況的評價結果可知，八寶河流域3 a平均營養指數為42.96，野牛溝流域3 a平均營養指數為47.81，北大河流域3 a平均營養指數為43.55，梨園河流域3 a平均營養指數為43.19，紅水河流域3 a平均營養指數為42.99，山丹河流域3 a平均營養指數為43.41，張掖濕地3 a平均營養指數為48.54，中游干流3 a平均營養指數為43.56，額濟納河流域3 a平均營養指數為43.60，這些流域均為中營養狀態。東居延海流域3 a平均營養指數為82.18，為重度富營養狀態。

總體來說，黑河流域富營養化狀況主要以中營養級為主，營養狀況整體良好。其中野牛溝和張掖濕地的營養指數接近輕度富營養程度，應該及時地加以保護。東居延海的平均營養指數超過了80，處于重度富營養化，富營養狀況不容樂觀，尤其是總氮指數很高，應該及時進行治理和保護。

[1] 張忠祥,錢易.城市可持續發展與水污染防治對策[M].北京:中國建筑工業出版社,1998:290-324.

[2] 張寶,劉靜玲.湖泊富營養化影響與公眾滿意度評價方法[J].水科學進展,2009,20(5):695-700.

[3] 方統中,杜耘,蔡述明,等.模糊數學在洪湖富營養化評價中的應用[J].浙江林學院學報,2008,25(4):517-521.

[4] 胡麗慧,潘安,李鐵松,等.灰色聚類法在升鐘水庫水體富營養化評價中的應用[J].農業環境科學學報,2008,27(6):2407-2412.

[5] 李祥,袁政濤.層次分析法在上海淀山湖水質評價中的應用[J].人民長江,2014,45(18):25-27.

[6] 王京城,孫世群.物元分析法在湖泊富營養化程度評價中的應用[J].安徽水利水電職業技術學報,2008,8(1):21-23.

[7] 邱林,馮曉波,馮麗云,等.集對分析法在湖泊水質富營養化評價中的應用[J].人民長江,2008,39(5):52-54.

[8] 聞新,周露,李翔,等.MATLAB神經網絡仿真與應用[M].北京:科學出版社,2003:1-3.

[9] 楊永宇,尹亮,劉暢,等.基于灰關聯和BP神經網絡法評價黑河流域水質[J].人民黃河,2017,39(6):58-62.

[10] 崔東文.MATLAB神經網絡在湖庫富營養化程度評價中的應用[J].環境研究與監測.2012,25(1):42-48.

[11] 馬正華,王騰,周炯如.基于BP神經網絡的太湖富營養化時空變化預測[J].常州大學學報:自然科學版,2013.25(3):62-65.

[12] 梅長青,王心源,李文達.BP網絡模型在巢湖富營養化評價中的應用[J].能源與環境,2008(1):9-11.

[13] 李慧.黑河水質評價及變化趨勢分析[D].蘭州:蘭州理工大學,2014.

[14] 祚泳,丁晶,彭荔紅,等.環境質量評價原理與方法[M].北京:化學工業出版,2004.

[15] 楊潔,吳貽名,萬飚.漢江水質綜合評價的BP網絡方法[J].武漢大學學報:工學版,2004,37(1):51-54.

[16] 楊一鵬,王嬌,肖青.太湖富營養化遙感評價方法及分級標準[J].地理與地理信息科學,2007,23(3):34-37.

[17] 王明翠,劉雪芹,張建輝.湖泊富營養化評價方法及分級標準[J].中國環境監測,2002,18(5):47-49.

[18] 金相燦,屠清瑛.湖泊富營養化調查規范[M].北京:中國環境科學出版社,1990.

[19] 孫境蔚.基于BP神經網絡的水體富營養化評價的研究[J].泉州師范學院學報:自然科學,2008,26(4):92-95.