張樂(lè)樂(lè)+曹偉+龍華+趙繼東

摘要：針對(duì)水質(zhì)評(píng)價(jià)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(wèn)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(jìn)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(guò)實(shí)驗(yàn)驗(yàn)證了算法的有效性。

關(guān)鍵詞關(guān)鍵詞：水質(zhì)評(píng)價(jià)；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(lèi)號(hào)：TP319

文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)文章編號(hào)：16727800（2017）011012104

0引言

目前，國(guó)內(nèi)經(jīng)常使用的水質(zhì)評(píng)價(jià)方法主要有單指數(shù)評(píng)價(jià)法、灰色理論方法、模糊綜合評(píng)價(jià)法、人工神經(jīng)網(wǎng)絡(luò)法等。單指數(shù)評(píng)價(jià)法的常用思想是“一票否決”，只選用一個(gè)指標(biāo)評(píng)價(jià)水質(zhì)缺乏一定的準(zhǔn)確性[1]。孫偉光等[2]使用單因子法對(duì)某河流的水質(zhì)進(jìn)行評(píng)測(cè)，只能夠得出單一的污染因子，很難綜合性地評(píng)價(jià)河流水質(zhì)。國(guó)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(píng)價(jià)法用于滏陽(yáng)河的水質(zhì)評(píng)價(jià)。然而，灰色理論法應(yīng)用于水質(zhì)指標(biāo)時(shí)不僅計(jì)算復(fù)雜度高而且需要對(duì)各項(xiàng)指標(biāo)的最優(yōu)值進(jìn)行確定。此外，在最優(yōu)值確定過(guò)程中，該方法主觀性過(guò)強(qiáng)，使得部分指標(biāo)最優(yōu)值難以確定。模糊綜合評(píng)價(jià)法主要是將水體中不同污染的指標(biāo)按照一定權(quán)重進(jìn)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(jiǎn)單的關(guān)系說(shuō)明，這種方法在實(shí)際的水質(zhì)評(píng)價(jià)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(píng)價(jià)、人臉識(shí)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(duì)西鞍山鐵礦地下水水質(zhì)進(jìn)行評(píng)價(jià)，得出人工神經(jīng)網(wǎng)絡(luò)能夠避免在評(píng)價(jià)中人為確定評(píng)價(jià)指標(biāo)權(quán)重帶來(lái)的主觀誤差。郭慶春等[8]運(yùn)用人工神經(jīng)網(wǎng)絡(luò)算法對(duì)黃河水質(zhì)進(jìn)行評(píng)價(jià)，并對(duì)算法作出改進(jìn)，改進(jìn)后的算法能夠解決評(píng)價(jià)因子與水質(zhì)等級(jí)之間復(fù)雜的非線性關(guān)系，具有很強(qiáng)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(wèn)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(píng)價(jià)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(xiàn)[14]可得出D=25。

3.1評(píng)價(jià)指標(biāo)選取

在進(jìn)行水質(zhì)評(píng)價(jià)時(shí)，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(yíng)養(yǎng)化最嚴(yán)重的指標(biāo)，即：氨氮、溶解氧、總氮、總磷用于水質(zhì)評(píng)價(jià)。

3.2評(píng)價(jià)標(biāo)準(zhǔn)確定

將2006年我國(guó)發(fā)布的《國(guó)家地表水環(huán)境質(zhì)量標(biāo)準(zhǔn)》作為本文的水質(zhì)評(píng)價(jià)標(biāo)準(zhǔn)，并使用該標(biāo)準(zhǔn)中不同水質(zhì)等級(jí)的準(zhǔn)確數(shù)據(jù)[15]。具體數(shù)據(jù)如表1所示。

3.3水質(zhì)評(píng)價(jià)基本步驟

依據(jù)國(guó)家水質(zhì)評(píng)價(jià)標(biāo)準(zhǔn)表，在對(duì)所選的四類(lèi)水質(zhì)評(píng)價(jià)指標(biāo)進(jìn)行樣本收集訓(xùn)練時(shí)，每個(gè)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(cè)試。根據(jù)表1可知，當(dāng)溶解氧在所要進(jìn)行評(píng)價(jià)水質(zhì)中的含量超過(guò)7.5mg/L時(shí)，才能達(dá)到I類(lèi)水的評(píng)價(jià)標(biāo)準(zhǔn)。水中溶氧量很難超過(guò)14.64mg/L，由此可知隨機(jī)函數(shù)的隨機(jī)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(píng)價(jià)數(shù)據(jù)。同理，對(duì)其余3種水質(zhì)評(píng)價(jià)指標(biāo)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(shí)驗(yàn)結(jié)果

實(shí)驗(yàn)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(jìn)型BP神經(jīng)網(wǎng)絡(luò)在2012年水質(zhì)評(píng)價(jià)結(jié)果對(duì)比，如表3所示。

由仿真結(jié)果可知，改進(jìn)型BP神經(jīng)網(wǎng)絡(luò)算法彌補(bǔ)了傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)算法在水質(zhì)評(píng)價(jià)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(píng)價(jià)測(cè)試結(jié)果和標(biāo)準(zhǔn)結(jié)果相當(dāng)不吻合，算法收斂精度只能達(dá)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(cè)試樣本中有許多評(píng)價(jià)不準(zhǔn)確的結(jié)果。由圖7可知，在采用改進(jìn)型BP神經(jīng)網(wǎng)絡(luò)算法進(jìn)行優(yōu)化以后，算法的收斂效果能夠達(dá)到10-4，算法收斂精度得到很大提高。由圖3可知，測(cè)試結(jié)果和標(biāo)準(zhǔn)結(jié)果之間的相對(duì)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(jìn)后的算法誤差相對(duì)較小，大部分相對(duì)誤差都在0.1以下，最高誤差也只有0.38，并且改進(jìn)算法的網(wǎng)絡(luò)泛化能力得到提高。

從評(píng)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(shì)。其主要原因是夏季水生物的生長(zhǎng)相對(duì)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(yǔ)

本文對(duì)傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行水質(zhì)評(píng)價(jià)，發(fā)現(xiàn)傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)算法在評(píng)價(jià)過(guò)程中容易陷入局部最小值，進(jìn)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(píng)價(jià)模型，并提出了一種新的評(píng)價(jià)方法。通過(guò)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(bǔ)了傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)算法在水質(zhì)評(píng)價(jià)時(shí)收斂精度不高、泛化能力弱等缺點(diǎn)，進(jìn)一步提高了系統(tǒng)性能。仿真實(shí)驗(yàn)表明，該算法具有有效性。

參考文獻(xiàn)參考文獻(xiàn)：

[1]匡耀求，黃寧生.中國(guó)水資源利用與水環(huán)境保護(hù)研究的若干問(wèn)題[J].中國(guó)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(biāo)識(shí)指數(shù)評(píng)價(jià)方法在某流域水質(zhì)評(píng)價(jià)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(píng)價(jià)中的應(yīng)用[J].水資源保護(hù)，2013（5）：5254，64.

[5]潘妍妍，趙存.模糊評(píng)價(jià)法在潞安礦區(qū)水質(zhì)評(píng)價(jià)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(jì)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(píng)價(jià)中的應(yīng)用[J].環(huán)境監(jiān)測(cè)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(píng)價(jià)[J].計(jì)算機(jī)與數(shù)字工程，2013（5）：683685.

[9]李福，郭健.改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)算法在水質(zhì)監(jiān)測(cè)中的應(yīng)用[J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2015（10）：243247.

[10]華祖林，錢(qián)蔚，顧莉.改進(jìn)型LMBP神經(jīng)網(wǎng)絡(luò)在水質(zhì)評(píng)價(jià)中的應(yīng)用[J].水資源保護(hù)，2008（4）：2225，30.

[11]曹偉.基于改進(jìn)型PSOBP神經(jīng)網(wǎng)絡(luò)算法的水環(huán)境質(zhì)量評(píng)價(jià)[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(cè)研究[J].安全與環(huán)境學(xué)報(bào)，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(jì)算機(jī)科學(xué)，2011，38（7）：190193.

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

[15]呂占祿，王先良，王菲菲，等.國(guó)內(nèi)外地表水環(huán)境質(zhì)量標(biāo)準(zhǔn)制修訂工作現(xiàn)狀[C].中國(guó)環(huán)境科學(xué)學(xué)會(huì)環(huán)境標(biāo)準(zhǔn)與基準(zhǔn)專(zhuān)業(yè)委員會(huì)2013年學(xué)術(shù)研討會(huì)，2013：4146.

責(zé)任編輯（責(zé)任編輯：孫娟）endprint