（环境科学专业论文）基于人工神经网络的水质预测及matlab实现.pdf

a b s t r a c t h u m a n sl i v i n ga n dd e v e l o p m e n tw i l lb ef a c e dw i t hs h o r t a g eo fw a t e rr e s o u r c ea n d d e t e r i o r a t i o no fw a t e rq u a l i t y i nr e c e n ty e a r s ，f o r e c a s t i n go fw a t e rq u a l i t yh a sb e c o m eo n eo f t h ep o i n to fm o s ts c h o l a r h o w e v e r , t h en o n d e t e r m i n a n c ya n dt h eh i g h l yn o n l i n e a r i t yo ft h e w a t e re n v i r o n m e n tp o l l u t i o np r o c e s s i n g ，c o m et oad e c i s i o nt h a tt h ew a t e rq u a l i t ym o d e li s c o m p l e xa n d d i f f i c u l tt ob es o l v e d ，m a k et h et r a d i t i o n a lm e t h o d sa n dt o o l ss e e n lt ob el a c kt h e a b i l i t yt od o a r t i f i c i a ln e u r a ln e t w o r k ( a n n ) p l a y sal e a d i n gr o l e i nt h es c i e n c e sf o rc o m p l e x n o n l i n e a rp h e n o m e n aa n da r t i f i c i a l i n t e l l i g e n c e r e s e a r c h e s o ni t s a p p l i c a t i o ni n t h e f o r e c a s t i n go f w a t e rq u a l i t ya r es t i l li np r e l i m i n a r ys t a g ei nt h ew o r l d o nt h eb a s i so f a n a l y s i s o fp r e s e n ts i t u a t i o no ft h er e s e a r c h e si nw a t e rq u a l i t yf o r e c a s t i n gw i t ha n n ，t h ew r i t e rt r yt o e x p l o r eo nt h i sf i e l d t h es t r u c t u r ea n da l g o r i t h mo ft h eb pn e t w o r ka r es t u d i e di nt h ep a p e r , a n dt h eb pn e t w o r kw h i c hi sa m e l i o r a t e db yt h el - ma l g o r i t h mi st r a i n e dw i t ht h ed a t a t h i sp a p e rt a k eh e ir i v e ra sa ne x a m p l e ，a n a l y z i n gt h ew a t e re n v i r o n m e n t ，p o l l u t i o n s o u r c ea n dt h e i ri n f l u e n c et ow a t e r p o l l u t i o n ，c h o o s i n g7i t e m sm o n i t o rd a t ao ft h et w oc r o s s s e c t i o no fh e ir i v e rc o n s t i t u t et ot h es a m p l ea n dc a r r y i n go nt h ea n a l y t i c a lp r o c e s s i n gt ot h e s a m p l ed a t a a3l a y e r sb pn e t w o r kt h a ti n c l u d e so n eh i d d e nl a y e rh a sb e e nb u i l tu p ，c o m p i l e p r o g r a ma n dr e a l i z et h em o d e lo ft h en e t w o ko nt h ep l a t f o r mo fm a t l a b u s et h e d i s c h a r g e dd a t at ot r a i n i n gt h eb pn e t w o r ka n dt h ef o r e c a s t i n go fw a t e rq u a l i t yw i l lu s et h e n e t w o r kw h i c hh a sb e e nw e l lt r a i n e d c o m p a r et h ef o r e c a s t i n gr e s u l tw i t ht h em o n i t o rd a t a ， t h er e s u l ti sf o u n do b j e c t i v ea n dr e a s o n a b l e s t u d i e so fc a s e sh a v ep r o v e dt h a tt h eb pn e u r a ln e t w o r kw h i c hi sa m e l i o r a t e db yt h el - m a l g o r i t h mh a sg o o dp r o s p e c t sf o rv a l i d i t ya n da p p l i c a t i o n ，a n dt h ea c c u r a c yo ft h i sa n n w a t e r q u a l i t yf o r e c a s t i n gm o d e lh a sb e e ne n h a n c e dm o r eg r e a t l yt h a nt h et r a d i t i o n a lm e t h o d t h i s r e s e a r c hd e m o n s t r a t e st h a tt h i sm e t h o dc a nf o r e s e et h ep o l l u t i o nc o n d i t i o no ft h ew a t e r e n v i r o n m e n tq u i c k l ya n da c c u r a t e l y , p r o p o s e san e ww a yt o p r o v i d er e f e r e n c et ot h e p r e v e n t i o na n dt r e a t m e n tw o r ko ft h ew a t e re n v i r o n m e n t k e yw o r d s ：w a t e rq u a l i t yf o r e c a s t ；a r t i f i c i a ln e u r a ln e t w o r k ；l ma l g o r i t h m ； m a t l a b 论文独创性声明 本人声明：本人所呈交的学位论文是在导师的指导下，独立进行研究工 作所取得的成果。除论文中已经注明引用的内容外，对论文的研究做出重 要贡献的个人和集体，均已在文中以明确方式标明。本论文中不包含任何 未加明确注明的其他个人或集体已经公开发表的成果。 本声明的法律责任由本人承担。 论文作者签名：殍摔 论文知识产权权属声明 本人在导师指导下所完成的论文及相关的职务作品，知识产权归属学 校。学校享有以任何方式发表、复制、公开阅览、借阅以及申请专利等权 利。本人离校后发表或使用学位论文或与该论文直接相关的学术论文或成 果时，署名单位仍然为长安大学。 ( 保密的论文在解密后应遵守此规定) 论文作者签名：浔婶 导师签名： 易钙 嘲年s 玛。1 日 长安人学硕上学位论文 第一章绪论 1 1 问题的提出及其研究意义 水是地球上的一种特殊物质和资源，它独特的物理化学性质和可循环性，是任何其 它物质不可替代的。它是人类生存的基本条件和生产活动最重要的物质基础。虽然水在 地球表面上并不罕见，但能够提供给世界上6 0 多亿人生命活动和生产活动的水却是十 分有限的。随着人类的进步与发展，尤其是第二次世界大战以来，世界经济突飞猛进， 对水的需求量急剧增加。全球淡水消耗量在1 9 0 0 1 9 9 5 年间增加了5 倍，是人口增长率 的2 倍岁1 1 。一些本来水资源条件比较脆弱的地区，相继出现水的供需紧张或水危机， 水资源问题日益突出。自2 0 世纪8 0 年代以来，水质与水环境恶化趋势加剧，已威胁到 人群健康，水环境问题成为研究热点，各国相继制定了地表水和地下水的水质标准，建 立了河流、湖泊与水库的各类水质模型【2 】。进入9 0 年代，有关国际机构和专家们发出慎 重警告【3 】，“我们正进入一个水资源紧缺与水污染严重的时代。如不采取措施，今后世界 冲突可能会因争夺水资源而爆发，就像过去争夺石油一样 。1 9 9 7 年联合国水资源大会 上，又传出一个震惊世界的预言：到2 0 1 0 年全球缺水人口预计将达到1 0 亿，到2 0 3 0 年世界上将有l 3 以上的人口遭受中高度到高度缺水的压力【4 】。就全球而言，缺水、人 口、环境和能源己成为许多国家和地区的四大危机之一。 我国水资源形势也不容乐观，资源型缺水与污染型缺水将长期并存。我国水资源总 量约2 8 1 2 4 亿m 3 年( 其中地下水8 0 0 0 亿m 3 ) ，居世界第六，而人均水资源量只有2 7 1 0 m 3 年，约为世界人均水资源量的1 4 ，美国人均水资源量的1 5 3 1 。另一方面我国的水体 污染也十分严重。根据国家环保总局2 0 0 0 年中国环境状况公报【5 】，2 0 0 0 年七大重点 流域的地表水有机污染普遍，各流域干流有5 7 7 的断面满足i i i 类水质要求，2 1 6 的 断面为类水质，6 9 的断面属v 类水质，1 3 8 的断面属劣v 类水质。各大流域片的 主要污染河段均集中在城市河段。七大水系中以辽河、海河、淮河流域污染程度最为严 重。辽河流域1 6 个水质监测断面中，v 类和劣v 类水质比例分别为6 3 和6 2 4 。海 河流域5 6 个水质监测断面中，v 类和劣v 类水质的断面比例分别为7 1 和6 0 7 。淮 河流域8 2 个水质监测断面中，v 类和劣v 类水质的断面比例分别为8 9 和3 6 3 。 主要湖泊富营养化问题突出。太湖：1 0 1 个监测点位中，8 0 o 的点位高锰酸盐指 第一章绪论 数未达到要求。湖体内2 2 个点位中，总氮、总磷等超标突出，属富营养化状态；滇池 湖体：1 3 个监测点位均为劣v 类水质，污染突出，总氮、总磷污染很严重，处于重富营 养化状态；巢湖湖体：1 2 个监测点位中，5 4 o 的点位为v 类水质，4 6 o 的点位属劣 v 类水质，总氮、总磷超标严重；洞庭湖、镜泊湖和洪泽湖水质达到类水质标准；白 洋淀、达赉湖和南四湖污染严重，均为劣v 类水质。 全国多数城市地下水受到一定程度的点状或面状污染。局部地区地下水部分水质指 标超标。在污染程度上，北方城市重于南方城市，尤以华北地区污染较突出【6 8 】。 以上这些数据可以看出，我国的水环境污染已到了触目惊心的程度，加大水污染防 治的力度，己是刻不容缓。因此，我国在中国2 1 世纪议程中，把解决水问题放在 了首要的突出位置【9 1 。 人类对环境问题的认识，经历了曲折的道路，付出了昂贵的代价。自1 9 世纪欧洲 工业革命以来，现代工业的发展在创造了巨大的物质财富的同时，也给人类生存环境造 成了巨大的污染。在污染控制的初期，人们主要运用“排放口处理 技术来控制污染， 这种方法没有考虑整体的效应，效果一般。2 0 世纪6 0 年代末期以后，水污染的控制开 始进入综合防治阶段。在这一阶段，人们继续研究和发展各种控制污染的新技术、新方 法，更倾向于采取综合性措施，对水环境实行全流域控制，以达到水体的环境质量目标。 然而水环境污染过程的非确定性和高度非线性性，以及水污染控制系统所涉及的因素众 多且各因素对水质的影响及对人体和生物的危害并非完全结构化，因而决定了水质模型 的复杂性和求解的困难，使传统的方法和工具显得力不从心。要想客观地反映水环境污 染的真实状况或接近实际的情况，必然要涉及到水环境系统的复杂非线性特征。因此， 非线性科学的新理论、新方法在水环境问题研究中的应用是科技发展的必然。 近年来，国际上掀起了一股人工神经网络( a r t i f i c i a ln e u r a ln e t w o r k ，简称6 州) 的研究热潮，人工神经网络以其独特的结构和处理信息的方法，在许多实际应用领域中 取得了显著的成效，解决了一些传统计算机极难求解的问题【1 0 】。 随着人工神经网络理论的迅速发展，人工神经网络具有的一些显著的特点越来越多 的被人们所认识：具有非线性映射力；不需要精确的数学模型；擅长从输入输出数据中 学习有用知识；容易实现并行计算；由于神经网络由大量简单计算单元组成，因而易于 用软硬件实现；等等。正因为神经网络是一种模仿生物神经系统构成的新的信息处理模 型，并具有独特的结构，所以人们期望它能解决一些用传统方法难以解决的问题。国内 外一些专家已发现将最新发展起来的a n n 理论应用到水质的预测中，能达到很好的效 2 长安大学硕七学位论文 果。 将人工神经网络这一新技术用于水质预测方面的研究尚属起步阶段，但是它所具有 的特点使它在该领域拥有很大的发展潜力。本文研究中尝试用人工神经网络对水质指标 进行预测，为对水环境污染状况做出快速、准确的预见，从而对水环境的保护和防治提 供依据。论文以黑河为例，选取黑河水质实际监测指标作为训练学习样本，并针对样本 数据建立网络，用样本数据对网络进行训练，将训练好的网络用于对水质指标的预测。 黑河作为西安最主要的供水水源地之一，对它进行研究，确保其水源水质，对周边生态 环境和西安的发展具有重大意义。 1 2 国内外研究现状及存在问题 ( 1 ) 国内外研究现状 人工神经网络是人工智能科学的一个重要分支，是由大量神经元互连组成的超大规 模的非线性动态系统，是集神经生理学、认知科学、数理科学、生物物理学、信息科学、 管理科学和计算机科学等学科成就而形成的交叉边缘学科和新兴高技术。人工神经网络 的研究热潮自2 0 世纪8 0 年代末兴起以来一直持续至刽9 1 。 a n n 是近几十年各个行业应用最广泛的预测方法，在水源水质预测方面的应用也不 例外。 m a i e r 等【1 1 】在墨累河( 澳大利亚) 高碱度期，减少该水源地取水量，低碱度期，加 大该水源地的取水量，为a d e l a i d e 市建立了预测河水碱度的b p 网络模型， 预测结果 表明a n n 对河水碱度预测是一种非常有用的方法，认为减少模型输入变量的数目可以 简化模型结构，提高网络的预测性能，因此建立a n n 模型的主要难点是确定适当的模 型输入变量。r e c k n a g e 1 2 】等系统地研究了a n n 模型在水质预测中的应用，建立了三个 淡水湖泊预测藻类暴发的a n n 模型和一个河流预测藻类暴发的a n n 模型，其中三个 淡水湖泊具有不相同营养水平、光照条件、水温和水深，预测结果表明，a n n 模型可 以预测不同环境条件下淡水水体中像藻类暴发这样复杂的和非线性的水环境现象。 b o b b i n t l 3 】等应用遗传算法建立基于规则的水质预测模型，将其应用到k a s u m i g a u r a ( 日 本) 湖泊水质预测中，初步结论为可从环境变量和水质指标历史数据中识别和建立水质 变化规则，通过这种规则即可认识到促使湖泊水体中藻类含量变化的原因，可预测藻类 暴发的时间和规模。m a r i n ac a m p o l o 等【1 4 】、b i nz h a n g 等15 1 、t r n e e l a k a n t a n 等【16 1 、s h a r a d 3 第一章绪论 k u m a rj a i n f r 7 】及其他学者都将人- r i , 经网络法与水质模拟相结合，取得了较好的模拟结 果。 国内李莹等【1 8 1 根据东江水质监测的实际情况，建立了两种基于自适应a n n 的惠州 东岸段水质预测模型，结论认为a n n 具有算法简便、可自动修正、精度高和适用对象 广的特点，采用此种方法可避免以往为寻找水质数学模型而消耗的大量人力、物力和财 力，同时也可大大改善因各种随机污染或模型误差而造成的预测精度低的问题，可在河 流水质的智能化建模、流域规划预测决策、污染控制等方面发挥积极作用。王李管等考 虑了7 个水质因子，采用5 层b p 网络，构建了7 _ 1 4 _ 1 卜7 _ 3 的a n n 模型类型， 其输入层7 个水质因素( 硝酸盐、亚硝酸盐、硫酸盐、氯离子、耗氧量、总硬度和总矿 化度) ，输出层节点数为3 个评价级别分别为严重污染、中度污染、尚清洁，用0 或1 分别表示属于或不属于该种级别，提出了水质评价及预测的神经网络实现方法【l9 1 。根 据水质评价标准等级，薛建军等选用7 个水质评价标准，建立了水质综合评价的b p 网 络模型【2 0 1 。由于地下水的水质变化受人工开采和回灌的影响，过仲阳等人尝试将a n n 用于地下水的水质动态变化预测，大多数预测的相对误差小于1 5 t 2 1 1 。魏文秋掣2 2 1 引 入人工神经网络技术建立水质预测模型，在四川沱江的实际应用中取得了较好的预测精 度。郭劲松等人【2 3 】将人工神经网络方法引入到河流水质模型建模中，采用长江干流重庆 段的水质样本进行训练和检验，建立了b o d d o 耦合b p 人工神经网络水质模型，获得 了较好的预测精度。郭宗楼等【2 4 】提出了因素状态b p 网络，并将建立的水质预测因素状 态人工神经网络模型应用于丹江口水库，取得了较好的结果。邵东国等【2 5 】以甘肃省河西 走廊西部疏勒河为例，建立了干旱内陆河流水质预测的人工神经网络模型，经分析计算， 得到了满意的结果。陆琦等【2 6 】应用灰色g m ( 1 ，1 ) 预测模型和人工神经网络预测模型 相结合而成的灰色神经网络模型，对太湖的高锰酸盐指数进行预测，认为利用灰色神经 网络预测和单纯用灰色模型预测相比，组合预测的精度较高。 然而，a n n 毕竟是一门新的高难科技，在各个领域还远未得到广泛而又成熟的应 用，在水环境领域更是如此。2 0 世纪9 0 年代中后期，a n n 在水资源管理、城市排水与 给水系统的模拟、给水与污水处理厂的状态描述和过程控制、水质评价等水科学与工程 领域才见零星的报道【2 7 ，2 8 2 9 1 。由此可见，在a n n 的理论与应用不断取得新成就的热潮 中，其在水环境科学与环境工程领域的应用研究尚处于起步阶段，目前尚未见有专业软 件问世。因此，无论对水环境科学还是a n n 的应用都是一个全新的研究领域。还有待 于人们去努力探索和推进，以迎接智能信息时代的挑战。 4 长安大学硕十学位论文 ( 2 ) 研究中存在的问题 a n n 是一种受到人脑和神经系统启发而创建的计算方法。作为一种水质预测方法， 主要是因为它能够学习环境变量和待预测水质指标的历史数据之间的非线性因果映射 关系，通过这种因果关系和“新”的环境变量值可以定量预测水质指标的变化，应划归 为有多个原因变量的非统计预测模型。 尽管a n n 方法建立的水质预测模型可达到令人满意的预测精度，但无法从模型中 直接解读到水质变化的内在原因，仍属于“黑箱模型”的范畴。由于模型中难以反映水源 水质变化的内在机理，所以限制了模型预测精度的进一步提高【3 0 】。 在a n n 应用于水质预测的过程中，网络的逼近、推广能力同学习样本密切相关， 对于样本的选择及处理组成训练集是一个困难的问题。 目前为止还没有一套成熟的理论方法来确定网络隐含层节点数，隐节点的确定基本 上依赖经验。 1 3 本文研究内容及技术路线 水环境系统是一个多层次、多变量、多介质、多目标的复杂系统，也是一种开放而 又难于界定的非线性动态系统，系统的时间和空间尺度都很大，系统中各因素的相互作 用难于精确描述【9 l 。对这种复杂的系统作定量化的研究，必然要借助高科技的数学手段 和信息技术。采用传统的研究方法，困难在于环境因素间作用机制的分析，因而通过大 量的假设简化而偏离了真实情况；传统的计算技术也主要局限于数值的计算过程。它们 均无法实现样本识别、杂讯过滤、特征量记忆存储、学习与联想等功能，人工神经网络 的研究在2 0 世纪8 0 年代中后期才逐渐引起重视。将a n n 引入水环境科学研究可以使 该领域的工作水平提高到一个新的高度。 面对水环境的复杂系统，如何更好的将现有的新技术、方法和手段应用于水质预测 中，是近年来大多数技术工作者研究的重要目标之一，也是作者在本文中尝试探索的问 题。 本文研究是在查阅大量资料，借鉴前人经验的基础上，通过分析水环境的特点，将 人工神经网络这一新技术用于水质预测，通过选用改进的b p 神经网络优化算法 l e v e n b e r g m a r q u a r d t 法( 简称l m 算法) ，拟建立含一个隐含层的3 层b p 神经网络， 将其应用于黑河陈河及艾蒿坪断面水质指标预测工作中并在m a t l a b 环境下得以实 第一章绪论 现，对产生的预测结果进行较为深入的分析。试图在人工神经网络用于水质预测建模时， 对样本分析处理、神经网络结构确定等方面进行有益的探索，为进一步提高人工神经网 络对水质预测的精度奠定基础。 由于某时段内某项水质指标监测数据中的最大最小值并不一定是该时间段内水环 境中该项水质指标实际的最大或最小值。据此，本文对样本数据归一化处理中的常用方 法作了改进，以期取得更符合实际情况、更为科学合理的结果。 本项研究工作技术路线见框图1 1 。 确定研究内容及研究目的 上 研究区环境背景概况分析 上 样本选择及分析处理 j 确定网络结构 上 建立网络 j 在m a t l a b 中用样本对网络进行学习训练i 上 用训练好的网络对水质指标进行预测 上 预测结果分析 图1 1 研究工作技术路线框图 6 长安大学硕士学位论文 第二章水环境及其特征 水是地球上所有生命的生存之源，是生态环境的重要因素，是维持一切生命活动不 可替代的基本物质，不仅为人类生活所必需，也为人类的生产活动和维持人类赖以生存 的环境所不可缺。水环境是环境的重要组成部分，指的是围绕人群空间可直接或间接影 响人类生活和发展的水体，及影响其正常功能的各种水环境科学的总体【6 】。 目前我国水环境面临着三大问题，分别是：主要污染物排放量远远超过水环境容 量。据专家测算，2 0 0 2 年我国c o d 排放量超过环境容量的7 0 。江河湖泊普遍遭受 污染。全国七大江河水系7 4 1 个监测断面中，4 1 的监测断面水质劣于v 类标准，全国 7 5 的湖泊出现不同程度的富营养化。生态用水缺乏，水环境恶化加剧，一些北方河 流的生态功能受到严重破坏。辽河、淮河、黄河地表水资源利用率已远远超过国际上公 认的4 0 的河流开发利用率上限，海河水资源开发利用率接近9 0 t 3 1 】。 2 1 水体对环境的影响 水是环境的主要因素之一，也是最活跃、影响最为广泛的环境因素。自然界的水在 环境中的作用对于人类的生存条件而言，具有两重性。水一方面造成有利于人类生存的 环境，例如为人类提供休养生息的条件，是人类的生存和发展必不可少的物质基础；而 另一方面有时又会带给人类自然灾害的困扰，如洪、涝、旱灾害，水致疾病传播等。当 人类科学技术发展到一定水平后，人类逐渐学会通过工程和其他措施来改造水环境，使 之向有利于人类的生活和生产的方向转化，但也在一些问题上由于认识上的不够全面， 违背了自然规律，因而有时会出现事与愿违的结果【4 】。 水对环境的影响也包括由于人类活动引起的一系列环境的恶化现象。 人类社会的出现和人类文明的发展与水有着密切的关系。水资源的开发利用的直接 目的是为了满足人类社会的用水需要，但其实质性目的是为了改善与人类的生存和发展 息息相关的生态环境。不仅如此，人类为了不断提高物质生产的需要，通过开发利用水 资源来制造人工生态环境。但是，由于人类对自然的认识还不够深入，有时也事与愿违， 在开发利用水资源时带来对生态环境的破坏。一方面由于人类社会的发展，对水量的需 求不断增长，另一方面自然界的水由于其天然赋存具有时空分布上的差异，因而出现了 7 第- 二章水环境及其特征 在不同时间或地点，自然界的水与人类社会的各类用水要求不完全适应的情况，以致在 某些地区出现了用水危机，从而影响到人民生活与生产的安定，出现水对社会环境的不 利倾向。同时由于人们对于人与水的关系、水和其他自然现象之间的关系还认识不足， 因此人类在改善自然环境、生态环境和社会环境的同时带来一些副作用，如因水资源的 分配不当，造成效益搬家或灾害转让，以及局部生态恶化的现象；工程拦蓄河水导致河 道、水库淤积，水库渠道周边的次生盐碱化及涝渍等；因工农业及生活用水增加而引起 污水排放量的增加，使水环境质量恶化，严重影响人们身体健康；另外地下水超采带来 地面沉降、海水入侵等环境地质灾害；因毁林造田造成水土流失，土地沙化，引起环境 的进一步恶化等。所以，一个地区水环境质量的好坏，还应考虑以上这些由于人类活动 而引起水环境质量恶化的因素【3 2 】。 2 2 水体污染物的主要来源及危害 水体污染根据来源的不同，可以分为自然污染和人为污染两大类。 自然污染是指自然界自行向水体释放有害物质或造成有害影响的现象。例如，岩石 和矿物的风化和水解、大气降水以及地面径流所挟带的各种物质、天然植物在地球化学 循环中释放出的物质进入水体后，都会对水体水质产生影响。通常把由于自然原因造成 的水中杂质的含量称为天然水体的背景值或本底浓度。 人为污染是指人类生产生活活动中产生的废物对水体的污染，对水体造成较大危害 的现象，包括工业废水、生活污水、农田水的排放等。此外，固体废物在地面上堆积或 倾倒在水中、岸边，废气排放到大气中，经降水的淋洗以及地面径流挟带污染物进入水 体，都会造成水污染【3 l 】。人为污染是环境保护研究和水污染防治中的主要对象。 人类活动对于水体的污染不是从今天开始的，早在工业化之前，人类的生产生活废 弃物就排入水体，造成水体污染。由于水体具有白净能力，因而在一定程度上缓解了水 体的污染，加之当时人类造成的污染范围小、数量少，未引起人类的注意。随着入口的 增加和工业化程度的提高，水体污染越来越严重，这一问题才逐渐为人们重视。根据1 9 9 8 年我国水质监测资料统计，在总计1 0 9 7 0 3 k m 的评价河长中，i i i 类、类、v 类和超v 类水的河长达评价河长的7 0 t 3 3 1 。 人类活动将大量未经处理的废水、废物直接排放入江河湖海，污染地表水和地下水， 人为造成水体污染的主要来源有以下几种： 8 长安大学硕士学位论文 ( 1 ) 工业生产过程中排出的废水、污水和废液等，统称工业废水，这类废水成分 极其复杂，量大面广，有毒物质含量高，其水质特征及数量随工业类型而异。 ( 2 ) 人们日常生活中排出的各种污水混合液，统称生活污水。随着人口的迅速增 长及日益集中，城市生活污水已成为一个重要污染源。 ( 3 ) 生活污水中悬浮杂质有泥沙、矿物质、各种有机物、胶体和高分子物质；溶 解物质则有各种含氮化合物、磷酸盐、硫酸盐、氯化物、尿素和其他有机物分解产物； 还有大量的各种微生物如细菌、多种病原体。 ( 4 ) 通过土壤渗漏或排灌渠道进入地表和地下水的农业用水回归水，统称农田排 水。随着农药、化肥使用量的不断增加，大量残留在土壤里、漂浮于大气中或溶解在水 田内的农药和化肥，通过灌溉排水和降水径流的冲刷进入天然水体，形成面污染源。水 土流失使大量泥沙及土壤有机质进入水体，是我国许多地区主要的面污染源。此外，大 气环流中的各种污染物质的沉降如酸雨烟尘等，也是水体污染的来源。 一定量的污染物进入水体后，经大量水的稀释作用和一系列复杂的物理、化学和生 物作用，使污染物的浓度大幅度降低，并在水体的“自净作用 中水质得到改善。但当 污染物累积排入，浓度超过水体的受纳容量，水体的“自净作用”衰退或丧失，就会造 成水质急剧恶化。 各种不同的污染源造成了性质各异的水体污染，并产生性质各异的危害。 无机悬浮物污染的危害，主要指泥沙、土粒、煤渣、灰尘等颗粒状物质，在水中可 能呈悬浮状态。这类物质一般无毒，但是通常会吸附和携带一些有毒物质，扩大有毒物 质污染。有机污染物分耗氧有机物和难降解有机物。耗氧有机物在水体中发生生物化学 分解作用，消耗水中的氧，从而能破坏水生态系统，对渔业影响较大。难降解有机物一 旦污染环境，其危害时间较长。重金属毒性强，对人体危害大，因而水中的重金属含量 是当前人们最关注的问题之一。石油类污染物覆盖在水面形成薄膜，阻碍水与大气的交 换，造成水体溶解氧减少，产生恶臭，恶化水质。病原微生物可引起各类肠道传染病， 如霍乱、伤寒、痢疾、肠胃炎等。 2 3 水环境系统的主要特点 水环境系统具有很强的非线性及非确定性特征3 9 1 。水环境污染过程不仅受到水体 自然水文条件、污染物排放时空强度等物理因素的影响，而且受到社会、经济等因素的 9 第二章水环境及其特征 影响，变化极其复杂。水环境系统的复杂性主要表现在： ( 1 ) 无法建立描述水环境污染现象的精确数学模型 由于污染物在水体中迁移、转化、降解等现象涉及水文、气候、生物化学、物理作 用等方面，因而十分复杂，使得人们至今还不能用数学物理方程严格地描述其中的每一 个子过程，现有的水力水质模型在许多结构环节上仍主要借助于概念化模拟或经验函数 描述，这样的模拟只涉及现象的表面而不涉及现象的本质或作用机理，因此精度不高。 ( 2 ) 水环境系统是一个高度的非线性系统 尽管目前模拟水环境污染系统的模型多为线性或线性化的非线性模型，但水环境污 染过程的非线性特征是客观存在的。 ( 3 ) 水环境污染问题的非确定性 水环境污染问题的非确定性早已为广大科研工作者所关注。水环境污染问题的非确 定性主要表现在： 某个河流的某个断面在什么时候出现最高污染物浓度【3 9 1 ，出现哪些主要的污染 物，以及污染强度的数值等，在任何时刻是不可重复的，具有随机性( 非确定性) 。但 经过多年大量的观测统计，只要污染源不变化，那么其特征是趋于稳定的，因而就服从 统计规律而言，是严格数学意义上的随机性。 研究对象概念上的非确定性( 模糊性) 。水环境科学目前尚未形成自己成熟的学 科体系，许多概念并没有明确自己的内涵与外延，是模糊概念。在指标描述上不仅存在 难于清晰定量的指标，而且存在大量“弹性”指标，如水环境感官评判。在决策上，决 策人只能根据已有的经验知识，综合考虑影响水环境质量的众多因素进行模糊推理。例 如我们常说的水污染控制最优方案，其实本质上仅仅是由我们可知的多个方案组成的非 劣集的解而已【6 1 。 研究对象信息量不充分而出现的非确定性( 灰色性) 。在缺乏水环境资料的研究 中，常常遇到信息缺损以及难以精确数量化表达的信息，这也导致水环境污染问题的非 确定性。 水环境污染过程的非确定性和非线性性，使得传统的水质污染评价和预测方法存在 局限性。要想客观反映水环境污染的真实状况或接近实际的情况，就必然涉及到水环境 污染的复杂且非线性过程。同时，水环境污染预测本身就是一个动态的概念。因此，用 非线性科学的新理论与新方法来研究水环境污染现象是科学发展的必然f 3 8 】。人工神经网 络是近2 0 年来迅速发展起来的一门非线性科学，它在水科学问题的应用研究中正显现 1 0 长安大学硕士：学位论文 出强大的生命力和重要的工具作用。 第三三章人工神经网络 第三章人工神经网络 3 1 人工神经网络发展简史及趋势概述 神经网络的研究可追溯至1 9 世纪末期，其发展历史可分为四个时期。第一个时期 为启蒙时期，开始于1 8 9 0 年美国著名心理学家w j a m e s 关于人脑结构与功能的研究， 结束于1 9 6 9 年m i n s k y 和p a p e r t 发表感知器一书。第二个时期为低潮时期，开始于 1 9 6 9 年，结束于1 9 8 2 年h o p f i e l d 发表著名的文章“神经网络和物理系统”。第三个时 期为复兴时期，开始于j j h o p f i e l d 的突破性研究论文，结束于1 9 8 6 年d e r u m e l h a r t 和j l m c c l e l l a n d 领导的研究小组发表的并行分布式处理一书。第四个时期为高潮 时期，以1 9 8 7 年首届国际人工神经网络学术会议为开端，迅速在全世界范围内掀起人 工神经网络的研究应用热潮，至今势头不衰【4 期。 神经网络的研究出现了新的高潮，进入了发展的新时期。神经网络研究再度掀起高 潮，除了神经科学研究本身的突破和进展之外，更重要的动力是计算机科学和人工智能 发展的需要，以及v l s i 技术、生物技术、超导技术和光学技术等领域的迅速发展提供 了技术上的可能性。 从1 9 8 7 年以来，神经网络的理论、应用、实现及开发工具均以令人振奋的速度快 速发展。神经网络理论已成为涉及神经生理科学、认识科学、数理科学、心理学、信息 科学、计算机科学、微电子学、光学、生物电子学等多学科交叉、综合的前沿学科。神 经网络的应用已渗透到模式识别、图像处理、非线性优化、语音处理、自然语言理解、 自动目标识别、机器人、专家系统等各个领域，并取得了令人瞩目的成果【4 9 1 。与此同 时，美国、日本等国在神经网络计算机的研究决不意味着数字计算机将要退出历史舞台。 在智能的、模糊的、随机的信息处理方面，神经网络及神经计算机具有巨大优势；而在 符号逻辑推理、数值精确计算等方面，数字计算机仍将发挥其不可替代的作用。两种计 算机互为补充、共同发展。从真正的“电脑”意义上来说，未来的智能型计算机应该是 精确计算和模糊处理功能均备、逻辑思维和形象思维兼优的崭新计算机【4 0 1 。 1 2 长安人学硕上学位论文 3 2 人工神经网络概述 当前国际著名的神经网络专家，第一家神经计算机公司的创始人和神经网络实现技 术研究的领导人h e c h t n i e l s o n 给出神经网络的定义【4 3 】是：“神经网络是一个以有向图为 拓扑结构的动态系统，它通过对连续或断续式的输入作状态响应而进行信息处理。” 神经生物学和神经解剖学证明了人的思维是由人脑完成的。神经元是组成人脑的最 基本单元，它能够接收并处理信息，人脑大约由1 0 1 1 1 0 1 2 个神经元组成，其中每个神 经元约与1 0 4 1 0 5 个神经元通过突触连接。神经元间通过突触形成的网络，传递着彼此 之间的兴奋与抑制，全部大脑神经元构成拓扑上及其复杂的网络群体，由这一网络群体 实现记忆与思维【4 2 1 。因此，人脑是一个复杂的信息并行加工处理巨系统。探索脑组织的 结构、工作原理及信息处理的机制，是整个人类面临的一项挑战，也是整个自然科学的 前沿领域【5 0 】。 3 2 1 人工神经网络基础知识 3 2 1 1 生物神经元的结构及其功能特点 神经元是大脑最基本的功能单位，又称神经细胞，是一种高度分化的细胞，是人体 内唯一具有感受刺激和传导兴奋功能的细胞，也是神经系统在形态结构、功能和营养上 的基本组成单位。 ( 1 ) 神经元的结构( 图3 1 ) 胞体神经元的胞体在脑和骨髓的灰质及神经节内，由细胞核、细胞质和细胞 膜组成，是神经元的代谢和营养中心，同时还负责接收并处理从其它神经元传递过来的 信息。 轴突轴突是一根长神经纤维，其主要功能是将神经冲动由细胞体传至其它神 经元。 树突树突是由细胞体向外伸出的除轴突外的其它纤维分支，长度一般均较 短，但分支很多。树突的功能主要是感受刺激，并将感受到的神经兴奋传向胞体。 突触神经元与神经元之间的连接点，称为突触。它是神经元之间的传递信息 关键性结构。一个生物神经元通过其轴突的神经末梢，经突触与另一个生物神经元的树 突连接，以实现信息的传递。 1 3 第三章人工神经嚼络 图3 1 神经元的结构图 一轴突硼支 一髓鞘 ，轴突束耥 ( 2 ) 生物神经元的功能特点 由于一个神经元通常有许多突触，其中有些是兴奋性的，有些是抑制性的，如果兴 奋性突触活动强度总和超过抑制性突触活动强度总和，并达到一定闽值，就能使该神经 元的轴突起始段发生动作电位，产生神经冲动。出现神经冲动时则该神经元呈现兴奋， 反之，则表现为抑制。 从生物控制论的观点来看，作为控制和信息处理基本单元的生物神经元，具有以下 功能特点。 时空整合功能生物神经元对于不同时问通过同一突触传入的信息，具有时间 整合功能：对于同一时间通过不同突触传入的信息，具有空问整台功能。两种功能相互 结合，使生物神经元具有时空整合的输入信息处理能力。 动态极化性在每一种生物神经元中，信息都是以预知的确定方向流动的，即 从生物神经元的接收信息部分( 细胞体、树突) 传到轴突的起始部分，再传到轴突终端 的突触，晟后再传给另一生物神经元。 兴奋与抑制状态生物神经元具有两种常规工作状态，即兴奋状态与抑制状 长安大学硕士学位论文 态。所谓兴奋状态是指生物神经元对输入信息经整合后使细胞膜电位升高，且超过了动 作电位的阈值，此时产生神经冲动并由轴突输出。抑制状态是指对输入信息整合后，细 胞膜电位值下降到低于动作电位的阈值，从而导致无神经冲动输出。 结构的可塑性突触传递信息的特性是可变的，随着神经冲动传递方式的变 化，传递作用强弱不同，会形成生物神经元之间连接的柔性，这种特性又称为生物神经 元结构的可塑性。 脉冲与电位信号的转换突触界面具有脉冲与电位信号的转换功能。沿轴突传 递的电脉冲是等幅的、离散的脉冲信号，而细胞膜电位变化为连续的电位信号，这两种 信号是在突触接口进行变换的。 突触延期和不应期突触对信息的传递具有时延和不应期，在相邻的两次输入 之间需要一定的时间间隔，在此期间，无激励，不传递信息，称为不应期。 学习、遗忘和疲劳由于生物神经元结构的可塑性，突触的传递作用有增强、 减弱和饱和的情况，因此神经细胞也具有相应的学习、遗忘和疲劳效应【4 2 1 。 3 2 1 2 人工神经元模型 生物神经元经抽象化后，可得到如图3 2 所示的一种人工神经元模型。它有三个基 本要素。 ( 1 ) 连接权 连接权对应于生物神经元的突触，各人工神经元之间的连接强度由连接权的权值表 示，权值为正表示激活，为负表示抑制。 ( 2 ) 求和单元 求和单元用于求取各输入信号的加权和。 ( 3 ) 激活函数 激活函数起非线性映射作用，并将人工神经元输出幅度限制在一定范围内，一般限 制在( o ，1 ) 或( 一l ，1 ) 之间。 激活函数有线性和非线性之分。最常用的激活函数为s i g m o i d 型函数，又称s 函数， 是一类非常重要的激活函数，无论神经网络用于分类、函数逼近或优化，s i g m o i d 函数 都是常用的激活函数。 1 5 第三章人t 神经嘲络 或 x ic 卜一- 文心l 卜一、 输 二 、 金耻一吵一弋注 信 弋 号：求和 ，、 昂t ：卜一卜 连接权 其表达式为 激活函数 图3 2人工神经元模型图 y = m ) 盘专 y = f ( u ) = 1 _ 8 - 1 a l 阈值 输出y k ( 3 1 ) ( 3 2 ) 式中参数旯称为s i g m o i d 型函数的增益，其值决定了函数非饱和段的斜率，五越大，斜 率越大。 由于s i g m o i d 型函数是连续可微的，使得神经元的权值可用误差反向传播学习算法 调节。 3 2 2 人工神经网络的结构 神经元之间的连接可以有任意形式，但最常见的结构是前向神经网络和反馈神经网 络。 ( 1 ) 前向神经网络 前向神经网络也称多层前向网络或简称前馈网络，它是指拓扑结构为有向无环图的 神经网络，是整个神经网络体系中最常见的一种网络。在前向神经网络中，各神经元接 受前一层的输入，并将计算结果输出给下一层，没有反馈。除了输入层之外，隐层和输 出层神经元都实现一定的运算。通常前向网络可分为不同的层，第f 层的输入只与第f l 层输出相连，输入和输出节点与外界相连，而其他中间层称为隐含层，它们是一种强有 力的学习系统，其结构简单而易于编程。从系统的观点看，前向神经网络是一静态非线 性映射，通过简单非线性处理的复合映射可获得复杂的非线性处理能力。但从计算的观 1 6 长安火学硕上学位论文 点看，前向神经网络并非是一种强有力的计算系统，不具有丰富的动力学行为。大部分 前向神经网络是学习网络，并不注意系统的动力学行为，它们的分类能力和模式识别能 力一般强于其他类型的神经网络【5 1 1 。 ( 2 ) 反馈神经网络 反馈神经网络是指拓扑结构中有环路的神经网络，故又称递归网络或回归网络。在 反馈网络中( f e e d b a c kn n s ) ，输入信号决定反馈系统的初始状态，然后系统经过一系