（环境工程专业论文）基于神经网络的水质评价与预测的探索.pdf

中文摘要 人工神经网络( 朋州) 是复杂非线性科学和人工智能科学的前沿i 在水污 染控制领域的应用在国内外尚处于起步阶段。本文在全面分析评述水质评价和水 质预测的研究现状，分析阐述了人工神经网络基本原理、算法和模糊数学基本理 论的后，将模糊神经网络( 卧烈) 和径向基神经网络( r b 补烈) 引入水污染控 制领域，主要在水质评价和水质预测方面进行了些探索性的研究工作，为提高 水质评价和水质预测的智能化水平做出了努力。 本文介绍了f n n 的原理、算法和模式特征。f n n 不再是一黑箱，其所有节 点与参数都具有物理意义，并克服了a n n 结构的选择缺乏充分理论分析的缺点。 f n n 模型既能直接表达人们惯用的逻辑含义，又兼具a n n 的自适应学习功能和 非纯属表述能力等优点。将f n n 应用于水质评价是本文的初探，通过实例研究 证明，学习五类水质标准后的f n n 能够正确评价其它的水质样本，具有较好的 客观性、可靠性和可解释性。 在充分研究r b f n n 机理的基础上，将r b f n n 应用到水质预测中，并以深 圳河在线监测数据为训练样本，构建了r b f n n 水质预测模型。应用该模型对深 圳河2 0 0 6 年l1 月1 9 日至2 0 0 6 年1 1 月2 9 日l o 天的水质进行预测，并以该时 间段的真实监测数据验证预测结果的准确性，验证结果表明该模型预测结果误差 较小、拟合性好。为了比较r b f n n 与b p n n ( 反向传播神经网络) 的预测性能， 本文还以相同的监测数据建立了b p n n 水质预测模型，将其预测结果与r b f n n 水质预测模型的预测结果相比较，比较结果表明，r b f n n 的预测结果明显优于 b p n n 。而且在两个模型建模的过程中，r b f n n 无论在收敛速度，还是输出结 果的稳定性，均好于b p 神经网络。 本文研究表明：用f n n 和r b f n n 进行水质评价和水质预测在理论上可行， 在实践上有继续深入研究开发的价值，具有良好的应用前景。 关键词：人工神经网络模糊神经网络径向基神经网络水质评价水质预测 a b s t r a c t 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 ei nt h es c i e n c e sf o rc o m p i 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 so ni t sa p p l i c a t i o ni n w a t e r p o l l u t i o nc o n t r o la r es t i l li nt h ep 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 fa c o n p r e h e n s i v ea n a l y s i sa n de v a l u a t i o no ft h ep r e s e n ts i t u a t i o no ft h ei s e a r c h e si n w a t e rq u a l i t ya s s e s s m e n ta n dp r e d i c t i o n ，a n do nt h eb s i so fac a r e f u le x p o s i t i o no f b a s i cp r i n c i p l e sa n dt h eo p t i m a la l g o r i t h mo fa n n a n dt h eb a s i ct h e o r yo ff u z z y m a t h e m a t i c s ，t h i sd i s s e r t a t i o ng i v e sa l la p p l i c a t i o no ff u z z yn e u r a ln e t o w r k ( 删a n d r a d i a lb a s i sf u c t i o nn e u r a l n e t w o r k ( r b f n n ) a p p r o a c hi nt h es h e m eo fw a t e r p o l l u t i o nc o n t r o l ，a n dt h em a i nr e s e a r c ho ft h i sa r t i c l ei st od oe x p l o r es o m en e w a p p r o a c hf o rw a t e rq u a l i t ya s s e s s m e n ta n dp r e d i c t i o n t h i sp a p e re m p h a s i z e st h ep r i n c i p l e s ，t h ea l g o r i t h ma n dt h ep a t t e mf e a t u r e so f 孙m o d e lt h a ti s c o m p o s e db ya n na n df u z z ys y s t e ma c c o r d i n gt oi e a r n i n g i n t e g r a t e d t h ef n nm o d e li sn o tab l a c kb o xa n ym o r ea n di t s a l ln o d e sa n d p a r a m e t e r sh a v ep h y s i c a lm e a n i n g ，a n di to v e r c o m e st h ed i s a d v a n t a g ew h i c h c h o o s i n g a n nc o n f i g u r a t i o ni ss h o r to fs u f f i c i e n tt h e o r e t i c a la n a l y s i s f n nm o d e lc a nn o to n l v d i r e c te x p r e s s e st h el o g i cm e a n i n go fp e a p l e sc u s t o m sb u ta l s oh a v et h em e r i t so f a n ns e l f - a d a p t a t i o n l e a r n i n g a n dn o n 1 i n e a r e x p r e s s i o n r e s e a r c h e so nf n n a p p l i c a t i o ni nt h ew a t e rq u a l i t ye v a l u a t i o na r ep r e l i m i n a r ye x p l o r a t i o no ft h i sa r t i c l e ，s c a s es t u d i e ss h o wt h a tf n n i sa b b l et oc o r r e c t l ye v a l u a t eo t h e rs a m p i e sb e s i d e st h e t r a i n i n gs a m p l e sa f t e r l e a r n i n g , t h u sh a sb e t t e ro b j e c t i v e n e s s ，r e l i a b i l i t ya n d e x p r e s s i o n b a s e do nt h ea l g o r i t h mo fr b f n ns t u d y ，t h i sa r t i c l e a p p l i e si t t ow a t e r p r e d i c t i o nt h a ts e t su par b f n n ( b a c kp r o p a g a t i o nn e u r a ln e t w o r k ) w a t e rp r e d i c t o n m o d e lo nt h et r a i n i n gd a t af r o ms h e n z h e nr i v e ro n 1 i n ew a t e r m o n i t o r i n gs t a t i o n u s e s t h ew e l lt r a i n e dm o d e lt op r e d i c tt h ew a t e rq u a l i t yo fs h e n z h e nr i v e rf r o m2 0 0 6 1 1 19 t o2 0 0 6 11 - 2 9 ，a n da s s e s s e st h ep r e d i c t i o np r e c i s i o nb yt h e m o n i t o r i n gd a t a t h ec a s e s t u d ys h o w st h a tt h ep r e d i c t i o nr e s u l t so fr b f n nm o d e lh a v eh i g hp r e c i s i o n i no r d e r t oc o m p a r et h ep r e d i c t i o np e r f o r m a n c eo fr b f n n sw i t hb p n n s ，t h i sp a p e rs e t su p ab p 删w a t e r p r e d i c t i o nm o d e lb yt h es a m ed a t a ，a n dc o m p a r e si t sp r e d i c i t o nr e s u i t w i t ht h er b f n n s t h ec o m p a r i n gr e s u l t ss h o wt h a tt h ep r e d i c t o no u t c o m e so f r b f n n a r ee v i d e n t l yp r e c i s e rt h a nt h eb p n n s ，a n di nt h ep r o c e s so fe s t a b l i s h i n g t h eb o t hm o d e l s 。t h ea u t h o rf i n d st h a tt h er b f n ni sa l s ob e t t e rt h a nb p n nb o t hi n c o n v e r g e n c es p e e da n do u t c o m es t a b i l i t y t h i sr e s e a r c hd e m o n s t r a t e st h a tt h e i r st h e o r e t i c a lf e a s i b i l i t ya n dg r e a tp r a c t i c a l u t i l i t y ，f n nw a t e rq u a l i t ya s s e s s m e n ta n dr b f n nw a t e rq u a l i t yp r e d i c t i o nh a v eg o o d p r o s p e c t sf o rf u r t h e rd e v e l o p m e n ta n da p p l i c a t i o n k e yw o r d s ：a r t i f i c a ln e u r a ln e t w o r k ，f u z z yn e u r a ln e t w o r k ，r a d i a lb a s i sr u c t i o n n e u r a ln e t w o r k ，w a t e rq u a l i t ya s s e s s m e n t ，w a t e rq u a l i t yp r e d i c t i o n 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的 研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表 或撰写过的研究成果j 也不包含为获得墨鲞盘堂或其他教育机构的学位或证 书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中 作了明确的说明并表示了谢意。 学位论文作者签每：乜绍签亍日期：厶。7年月，7 日 学位论文版权使用授权书 本学位论文作者完全了解苤鲞盘堂有关保留、使用学位论文的规定。 特授权苤盗盘鲎可以将学位论文的全部或部分内容编入有关数据库进行检 索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校 向国家有关部门或机构送交论文的复印件和磁盘。 ( 保密的学位论文在解密后适用本授权说明) 学位论文作者签名，：七l 绍 、 签字日却：一勘0 7 年t 月7 日 新躲w 客或 签字日期：习年易月力日 第一章绪论 第一章绪论 1 1 水质评价与水质预测的研究进展 1 1 1 水质评价研究进展 环境质量评价在国外始于2 0 世纪的6 0 年代中期。在此之前，人们虽对环境的 认识、评价与研究仅局限于定性分析，但它却促进了环境质量评价的发展。环境 质量评价在2 0 世纪7 0 年代有了蓬勃的发展，人们对环境的防治从以前的消极防治 转入到积极防治。世界上许多国家在环境科学研究中十分重视环境质量评价工 作，尤其是一些发达国家，如美国、日本、西欧及包括前苏联在内的东欧国家等 【1 】 o 美国是最早开展环境质量评价工作的国家之一。在水质评价方面，f o r t o nr 在1 9 6 5 年提出了质量指数( q o ) ，以后r v o w nr m 等提出了水质质量指数 ( w q l ) ，n e m e v o wn 在其河流污染的科学分析中提出了另一种指数的计 算方法，并对纽约州一些地面水的污染情况进行了指数计算1 2 j 。 日本工业发展快，污染负荷重，在部分借鉴美国的基础上，也提出了一系列 环境评价模型，如环境管理通用系统模型和环境污染分析模型等。西欧各国则不 同程度地受到美国的影响。而东欧，前苏联的一些科学家强调采用物理、化学、 生物三种指标综合评价的模式，并在伏尔加河、顿河、莫斯科河建立了河流污染 平衡模式，取得了一定的效果l 引。 我国的环境质量评价研究工作自7 0 年代起至今已3 0 多年，在理论和方法方面 均取得了一定的进展，为我国的环境科学开拓了一个崭新的研究领域。总体来说， 我国的环境质量评价工作大体上可划分为三个阶段【4 j ：( 1 ) 探索阶段：从北京 官厅水库工作开始到中国科学院成都区域环境讨论会；( 2 ) 发展阶段：从成都 会议到南京环境质量评价会议；( 3 ) 深入阶段：从南京会议至今。近年来，随 着计算机技术的发展，各种数学方法的应用，使得环境质量评价更加规范化，评 价的整体水平得到不断提高。 现在，我国的环境质量评价研究工作已经由环境单因素评价发展到区域环境 多因素综合评价；由污染环境评价发展到自然和社会相结合的全环境评价；由城 市环境质量评价逐步发展到水体环境、农田生态环境、海域环境、风景旅游环境、 居住区生活环境、工农业生产环境等多领域的环境质量评价。在评价理论和方法 第一章绪论 上，我国虽然起步较晚，但是在借鉴了国外理论与经验的基础上，国内的学者也 改良或创新了许多指标和方法，如姚志麒的大气污染超标指数、赵克勤的集对分 析法、杨继东和夏军等的水环境质量灰色关联度评价方法、蔡文提出的物元分析 理论等f 5 1 。 目前国内外环境影响综合评价的方法大体可分为定性和定量两类，但均不够 成熟| 6 - 1 0 1 。其中定性方法有：判别法、清单法、矩阵法、叠图法和网络法等；定 量方法有：分级加权一览表法、矩阵分析法、环境质量指标法、模糊综合评判法、 灰色关联分析法、层次分析综合评估法等1 1 1 】。 定性分析法是对环境影响从宏观上做出概念性判断，即依据实测的调查资 料，通过因果分析和统计对比后，按逻辑推理，定性判断出某种影响的利或害， 长久或短暂，能否恢复等。定性分析法又分两种：比较法和类比法，类比可以是 定性的，也可以是定量的、或者定性与定量结合使用。 在定量评价方法的研究上，不管在国外还是在国内都趋于多元化发展，各家 提出的综合评价水质的方法或指数就有几十种之多【l2 1 。2 0 世纪8 0 年代以来，随 着模糊数学、灰色系统、物元分析、层次分析、人工神经网络法等理论的兴起， 国内外许多学者提出了新的环境质量综合评价方法，并将其广泛应用于环境科学 的研究领域。 尽管水环境质量的评价方法很多，但各方法均存在不同程度的缺陷，尤其是 在指标量化及数据的综合集成方面，数学模式及系统分析的应用尚待进一步探 索，全面系统的环境评价有待进一步加强。 1 1 2 水质预测研究进展 水质预测目前仍处于形成、发展阶段，常用的方法为水质相关法和水质模型 法两类。国外已有一些关于水质预测的报道。m a i e r 和d a n d y 采用了人工神经网络 进行传统水质模型的参数预测1 1 3 】；1 9 2 5 年，美国的s t r e e t e 和p h e l p s 在对o h i o 河流 污染源及其对生活污水造成的可度量影响的研究中，提出了氧平衡模型的最初形 式i 1 4 ；s t e w a r t 和b a t e s 提出了一种洪泛区污染物迁移的分布模型，可在河水到达 的一定范围内( 1 - - 6 0 k i n ) 进行沉积和渗漏污染物的立体分布预测i l 副；f r a s e r 和 b a t t e n 提出了一个基于迁移模型的地理信息系统，并用来预测河流内病原体的指 数l j6 j ；k e m a n 和a l l o t t 建立了一个经验模型来预测流域级的淡水酸化临界负荷【 】； t a y l o r 研究了暴雨径流对水质的影响1 1 8 】。 我国在水质预测方面的起步比较晚，近年来也取得了一些成果【1 9 】【2 0 1 ，但均 为基于数学模型的预测，其误差较大，结果较好的平均误差也在2 0 左右。 第一章绪论 由于影响河流水质的因素有物理、化学、水利学、生物学以及气象学等多方 面的因素，现有的基于数学表达式的水质预测模型很难将这些因素都考虑进去。 另外，随着点源污染治理水平的逐步提高，非点源污染的比重和危害将逐步增大。 与点源污染相比，非点源污染的发生具有随机性、污染物的来源和排放点不固定 且具有间歇性、污染负荷的时间变化和空间变化幅度大等特点。现有的非点源污 染模型基本上是以水文数学模型为基础的，用其进行水质预测的误差较大。由于 环境的水文条件具有很大的随机性，导致模型输出的不确定性，很多反应机理还 不清楚，反应过程无法用数学表述。由此可见，传统的水质数学模型具有一定的 局限性。 1 2 水质评价与水质预测方法 1 2 1 水质评价方法 1 2 1 1 水质评价概念 环境，是以人类社会为主体的外部世界的总体，是影响人类生存和发展的各 种自然因素和社会因素的总和【2 。水环境是自然环境的重要组成部分。水环境质 量通常是指水体受到人类活动干扰或污染损害的程度1 2 2 1 。水环境质量评价简称水 质评价，是对水品质优劣进行定性或定量的描述，以准确地反映目前的水体质量 和污染状况，弄清水体质量变化发展的规律，找出受评价区域的主要污染问题， 为水污染治理、水功能区划、水环境规划以及水环境管理提供依据。按照时间， 水环境质量评价可分为回顾评价、现状评价和预测评价 2 3 】；按照水体构成要素， 水环境质量评价可分为水质质量评价、底质质量评价和水生生物学评价；按照对 象，也分为污染源强评价和水环境水质评价；按照空间时间范畴，水环境质量评 价又分为污染范围评价和污染历时评价1 2 4 j 。 1 2 1 2 水质评价常用方法及分析 ( 1 ) 单因子评价法 单因子评价法是我国地表水环境质量标准( g b 3 8 3 2 0 0 2 ) 中规定的水 质评价方法，即以水体各监测项目的监测结果中水质最差的单项指标所属类别来 确定水体综合水质类别。 该方法的模式计算简单、方便易行，在污染物浓度不大或对水质评价要求不 高的情况时可以使用。但是单因子评价法不能直观的反映水质级别，可比性较差， 第一章绪论 且具有一定片面性。 ( 2 ) 综合指数评价法 这类评价方法以c ，点为基本单元。经过算术平均、加权平均、连乘及指数 等数学运算得到一个综合指数来评价水质。但由于数学模式本身的不完善和计算 过程中各因素权重取值不当，综合指数有可能存在虚假性。具体的说，在应用过 程中有时会发生评价失效和优劣倒置现象1 2 5 1 。目前常用的有综合污染指数法、内 梅罗污染指数法等。该方法的污染指数( w p i ) 具有可比性，即能通过各地w p i 的比较，明显看出环境质量的优劣，且这种比较不受污染物种类和个数多少的限 制；计算过程简单，结果直观，结果整数部分反映水的级别，小数部分反映污染 程度。但污染指数法其均权迭加后的水质指数忽略少数超标污染项目及环境富集 残存大的污染项目对水环境影响更大的特征；加权迭加需要确定合适的权重，而 确定合适的权重在污染项对环境贡献大小及作用机理不十分清楚的情况下是十 分困难的；内梅罗指数的计算实质上是由水中污染物的相对污染值中的最大值决 定的，使评价的污染状况偏重。 ( 3 ) 主分量分析评价法 主分量分析法是一种基于线性变换，找到一组新的替换指标从而实现降维和 评估的方法。这是一种不考虑准则权重和评估者的主观偏好，完全根据各项目在 各准则下评估的结果进行综合评估的方法。谢剑和林华荣等分别将这种方法用于 河段水质有机污染和大气环境质量评价【2 。李祚泳等曾将这种方法与层次分析 ( a h p ) 法相结合，即分别用主分量分析法和a h p 法确定因子的量值权和重要性 权，后将二者综合成因子的综合权。这种方法用于湖泊水质富营养化评价，得到 与实际相一致的评价结果1 2 7 j 。 ( 4 ) 灰色评价法 由于环境质量评价等级之间界限的划分是不确切的，并且由于环境因子监测 值提供的信息又是不完全的，而是灰色信息。因而根据灰色系统原理，引入各评 价等级的白化函数，通过计算比较各评价对象对不同等级的白化值大小作出评 价。灰色评价法注意到了评价等级之间的不确切性和不同污染因子监测值的不完 全性，这符合环境评价的实际情况。但设计不同因子不同等级的白化系数，也有 主观性，难以通用。且当污染物浓度过于分散时，会丢失很多有用信息，导致平 均化1 2 8 1 。 第一章绪论 ( 5 ) 模糊评价法 模糊集理论用于环境质量评价的基本思想是：由于环境状态的相邻两个评价 等级之间具有模糊性，因而引入模糊隶属度作评价指标，能较好地反映环境状况 的等级，使评价方法具有合理性。评价过程中充分利用模糊信息以及评判结果用 模糊性的语言或等级表示，采用模糊数学中的模糊综合评判方法比较客观地表达 了评判中的模糊性，实际应用也显得自然、合理，在环境质量评价中显现出其优 越性。但同时也存在着一定的缺点：由于过分强调模糊信息，对白化信息( 所得 评价结论十分明确的信息) 反而利用率不高。当考虑因素较多，各权重值较小时， 取大取小运算将遗失许多有用信息，误判现象十分严重。然而，在国内外学者的 研究下，又改良和创造了些新的模糊数学法。如模糊性相似优先比法、模糊距 离评价模型、广义模型综合二级评价法等1 2 9 1 。 ( 6 ) 物元分析评价法 由于环境质量的单因子评价结果之间往往具有不相容性，利用关联函数可以 取负值的特点，使评价与识别能全面地分析环境系统属于某评价等级集合的程 度。文献【3 0 1 在构造了环境标准物元矩阵和节域物元矩阵的基础上，通过计算待评 价的区域环境对各评价等级的综合关联度，进行了水环境的质量评价。物元分析 法用于环境质量评价的优点是它有助于从变化角度识别变化中的事物，运算简 便，物理意义明确，直观性好，缺点是关联函数形式确定不能规范，难以通用。 ( 7 ) 人工神经网络评价法 由于人工神经网络有类似人的大脑思维过程，可以模拟人脑解决某些具有模 糊性和不确定性问题的能力。因此，利用人工神经网络对已知环境样本进行学习， 获得先验知识，学会对新样本的识别与评价。李祚泳等开展了人工神经网络在环 境科学中的应用研究。文献【3 1 1 3 2 应用b p 人工神经网络对水质富营养化进行评 价，文献1 3 3 1 应用b p 神经网络对宁夏地表水进行了水质评价。 人工神经网络用于环境质量评价的优点是：运算速度快，评价简便，具有容 错性能力，通用性强，客观性好。但缺点是有些情况下，在样本训练过程中会出 现局部极小，收敛速度较慢等问题。 第一章绪论 1 2 2 水质预测方法 水质预测是水环境规划、评价和管理工作的基础。水质预测方法有水质数学 模拟预测1 3 4 h 3 们、多元回归模式【3 7 1 、灰色预测模型法1 3 8 j 1 4 2 】和神经网络模型预测 4 3 1 m 等。但由于受水文、水质监测条件的限制，国内大部分河流还未建立相应 的水质模型，或者成果较为零散，表现形式较为单一，这给水质预测方法的运用 带来了困难。 河流水质预测中最常用的是数学模型，它代表水环境中各因子相互作用的数 学方程，是定量描述水体中污染物时空变化的一种数学表达式。目前常见的河流 水质数学模型有以下几种： ( 1 ) 河水完全混合模式 c ；c p q p + c j ，q h ( 1 - 1 ) q d + q h 式中，c 为河水及污水均匀混合后的污染物浓度( m g l j ) ；“为河水中某 种污染物浓度( m g l 。) ；c p 为污水中某种污染物浓度( m g l j ) ；q h 为河水流 量( m 3 - s - 1 ) ；易为污水流量( m 3 s - 1 ) 。该方程假定条件是河流稳态，均匀河段， 定常排污，即河流过水断面、流速、流量及污染物排入量不随时间变化，污染物 质为保守物质，既不分解，也不沉淀。故该方程常用于估算在相对窄而浅的河流 中，保守物质排入后的水质预测。 ( 2 ) 一维稳态河流水质模型 对于较宽浅的大中河流，若为稳定流，污染物为保守物质且均匀排放，则由 稀释混合作用决定水体污染物浓度的水质预测模型为： c r a m = c - - ( c p - c ) e x p ( - a v j c ) ( 1 2 ) 式中，c m a x 河流断面下某种污染物的最大可能浓度( m g l 。) ；勺为污水中 某种污染物的浓度( m g l o ) ；c 为污水与河水完全混合后某种污染物的浓度 ( m g l 。) ：口为水利条件系数；x 为排放口到计算断面的距离( m ) 。 ( 3 ) s t r e e t e r p h e l p s ( s p ) 模型 s p 模型假设：生化需氧量b o d 的衰减反应符合一级反应动力学：溶解氧 d o 的减少速率等于b o d 的衰减速率，复氧速率与水中的氧亏成正比；只考虑 大气复氧作用。我国黄河兰州段、渭河及北京市通惠河建立的水质模型均属于此 第一章绪论 类。在满足以上条件时，司得到一维稳态洞流水质的b o d - d o 祸合s - p 模型方 程，即： 舳d ：y 知窘卅 3 ) i出 出2 1 ，1 i 触y 警= d 万d 2 0 “肚k 2 ( o ，加)i出 出2 式中，y 是河段中的平均流速，d 是弥散系数，b 和0 分别表示与排污口距离为 x 处河水断面的b o d 和d o 尝试，o 。为饱和时的d o 浓度，局、岛分别为河流 的耗氧和复氧系数。在河流断面流速变化不大的情况下，弥散作用可以忽略不计， 则可将上公式写成常微分方程： l b o d ：y 塑：一k b d x 1 ( 1 - 4 ) l d o ：矿睾：一墨b + 如( q d ) i出 1”5 因此，只要给定边界条件：b ( o ) = b ，o ( o ) = o o ，就可以计算出b o d 和d o 的 数值，相应的解析解为： b ( 曲；玩p 一爹 。( x ) ：q 一( q 一瓯) p 一托吾+ i k 。一i b k o ：( e - r , 軎一p 一致吾) ( 1 - 5 ) 由上式可以发现，s - p 模型描述了污染物进入河流后耗氧和大气复氧两者之 间的平衡过程，并可求得沿河下流各断面i - _ b o d 和d o 的浓度值。当令d o d x = 0 时，还可以算出该河段中最低的d o 浓度值及其位置，即d f 和。 = 去t 槲一啾警) ) 一卜料妒，( q - o o ) 一 ，, 与6 ) + 与 ， 1 _ 警旷 其中，= i 9 2 称为自净系数，可反映河流自净作用的速率。值越大，表明河 流的自净能力越强。 第一章绪论 ( 4 ) t h o m a s 修正的s p 模型 考虑到河水中有机物在向下流流动的过程中，会随着水力条件的变化，出现 沉淀、絮凝、冲刷、悬浮、吸附等现象，因而影响河水中的耗氧与复氧状况。基 于此情况，t h o m a s 在s p 模型中的b o d 议程引入了一个沉淀再悬浮系数哎， 单位为d 一，使得s p 方程变为： lb o d ：y 粤：- t i c , + k 3 ) b 出 ( 1 7 ) id o ：y d o i ：一k l b + k 2 ( o , 一d ) 式中，墨表示河水中悬浮物的沉淀，恐 0 表示与沉淀效应相反的冲刷作用。 我国东北松花江、丹东大沙河及图们江水质模型属于这一类。 同样，在边界条件下，得到b o d 和d o 的解析解： ib ( x ) l _ b o e - t + x ) 吾 t 伙x ) = 。，一c q d 0 ) p 一如吾+ j 燕( p q 蜀+ 岛垮一p 一如古) 1 - 8 ( 5 ) 考虑硝化反应的o c o n n o r 修正模型 假设总b o d 是碳化b o d 和硝化d o 两部分这和，即b = 犀+ 氐，这样就 将t h o m a s 修正模型变为： b o d c ：yd b ，c ：一( k + 心) 埠 曰d d ：vd b ，n ：一k 氐 ( 1 9 ) d o ：y 挈：一k 尾一峨氐+ 丘( q 一研 式中，k 是硝化反应耗氧系数，单位为d 。当边界条件为( 0 ) = 磁。， 吼( 0 ) = b n o ，o ( o ) = o o ，其解析解为： 臣( 工) ：最。p 舶啪号 一x w 二 氐( x ) = 吼o e “矿 。( x ) = q 一( q d o ) p u 歹i + 燕( p 局+ 局旁一p k 矿i ) 1 j 。 + 勤鱼q 一言_ e - k 2 吉) k ，一k 2 、 7 第一章绪论 1 3 人工神经网络与水质评价及水质预测结合的优势 1 3 1 水环境的非线性及非确定性特征 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，同时还会受到社会、经济等因素的影响，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。叶常明1 4 8 j 将水环境污染中的溶解氧浓 度沿河流纵向距离的变化、b o d 随时间的变化关系以及污染物扩散自净的动力 学过程归纳为八类非线性行为，详细论述了水环境污染过程非线性作用的普遍 性，并指出这种非线性性不满足线性量叠加的原理。这是导致非线性模型线性化 求解精度不高的根本原因之一。 ( 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，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 第一章绪论 描述上不仅存在易于清晰定量的指标，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。 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，水环境污染评价与预测本身就是 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。人工神经网络是一门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出强大的生命力和重要的工具作用。 1 3 2 人工神经网络在水质评价及水质预测结合的优势 人工神经网络具有大规模并行、分布式存储与处理、自组织、自适应与自学 习的能力，特别适用于处理需要同时考虑许多因素和条件的、不精确的和模糊的 信息处理问题。 概括地讲，人工神经网络的优点主要包括以下几项： ( 1 ) 高速计算能力 虽然电脑计算的速度较快，但对许多问题，人脑的处理速度却远远快于电脑， 例如在某一群人中辨别一个熟人的面孔。人工神经网络作为模仿人脑的一种人工 智能系统，有其广阔的应用前景。 在水质评价和水质预测中，涉及大量的数据、复杂的非线性计算( 其是水质 模拟) 及海量的计算过程中间数据的传输与交换，高速的计算能力保证了计算的 高效率。另一方面，当人工神经网络存储有大量的水质输入输出映射模式对时， 高速的计算能力使神经网络水质评价、或水质模拟模型对新的水质样本可以迅速 地给出评价或预测结果。 ( 2 ) 高容量记忆能力 生物神经网络与人工神经网络同样是个高度连接的网络，根据前苏联科学家 柯莫果夫( k o l m o g o r o v ) 的定理：任何一种从m 维空间到n 维空间的映射，可 第章绪论 以用一个具有单层隐含层的倒传播网络来完成，只要隐含层具有2 m + 1 个处理单 元即可。显而易见，生物神经网络与人工神经网络将具有惊人的记忆容量。 人工神经网络具有的大容量记忆能力可以存储大量的水体水质数据，以及水 体水质输入输出模式对关系，联系高速的计算能力可以提高水质评价和水质模拟 模型的推广能力，提高水质评价和水质模拟的智能化水平。 ( 3 ) 学习能力 人工神经网络的连接是柔性的，即神经元间的连接是透过突触，而突触本身 是可以调整的，因此人工神经网络具有强大的学习功能，这是传统方法所不具备 的。 人工神经网络具有的学习能力使得在建立水质模拟模型时，避免了机理分 析、边界与初始假设、以及参数估计与识别的复杂过程和某些困难，只需对实例 数据进行模式对训练即可确立输入输出的映射关系，使建模过程得以简化。 ( 4 ) 容错能力 人工神经网络如果有少数神经元或连接受损伤，并不影响其正常功能，而电 脑的任一元件故障都可能导致严重的后果。其原因在于人工神经网络的咨讯储存 是分散式记忆，小部分连接受损，只会造成功能略为降低，因而网络具有优雅劣 化( d e g r a d eg r a c e f u l l y ) 的特性。也因为分散式记忆的关系，神经网络对于不完整 或有杂讯的输入也能做出正确的处理，即具有模糊推理的能力。 人工神经网络与水质评价及水质模拟相结合的优点还可以从表1 1 所提供的 人工神经网络计算和传统数值计算的比较中看出。 表1 1人工神经网络计算和传统计算的比较 作业或者性能求解 传统计算人工神经网络计算 问题求解算法公式结构的选择和一组代表性例子的定义 输入数据 数值形式数值并允许感性的表示 知识实现顺序的计算以汇集处理的形式回忆 计算高精度运算 高精度、非线性映射 内部数据内部表示是在算法的控制中内部表示是在输入数据控制中 r o m 、r a m 高数度二进制 固定的或中间的数据存储 般连续值的互联权重 存储器 第一章绪论 1 4 研究目的与意义 尽管水质评价和预测方法很多，但各方法均存在不同程度的缺陷。而神经网 络在一定程度上可以弥补上述不足。利用计算机技术来模拟生物神经网络，目的 就是要将目前的电脑变成“大脑”，以解决日趋复杂的科学技术难题。通过学习 人工神经网络，可以看到神经元处理信息的过程与水环境接受外界刺激的过程相 似。如果把某一水环境对象看作一个神经元，各种影响因子同时作用于环境，通 过整合这些输入得到一个总输出。 虽然传统的神经网络( b p 神经网络) 有很多优点，但同时也存在差一些固 有的缺陷，因此，本论文为了研究更好的水质评价模型，拟将模糊系统与神经网 络适当地结合起来，吸取两者的长处，建立比单纯的人工神经网络或模糊系统性 能更好的模糊神经网络模型，并将模糊神经网络应用于水质综合评价，以期待发 展更客观、合理也更容易理解的水质评价方法；同时为了探索更好的水质预测模 型，本论文还尝试将径向基神经网络用于水质预测，以克服传统的b p 神经网络 随机性强，容易产生局部极小值等缺点，探索一种更好的水质预测方法。 1 5 研究内容 ( 1 ) 研究人工神经网络与模糊数学的结合方法。 ( 2 ) 将人工神经网络与模糊理论有机地结合，建立t a k a g i s u g e n o 型模糊神 经网络( t s f n n ) 模型。 ( 3 ) 将建立的t s f n n 模型应用于水质评价中，并对1 9 9 8 、1 9 9 9 年黄河兰 州段新城桥断面水质和2 0 0 2 年5 月辽河沈阳段各断面( 包括通江口桥断面、马 虎山桥断面、巨流河桥断面、红庙村桥断面) 的水质进行评价，并将其评价结果 与b p 神经网络水质评价结果相比较。 ( 4 ) 在充分研究径向基神经网络机理的基础上，将其应用到水质预测中，并 以深圳河在线监测数据为训练样本，构建了径向基神经网络水质预测模型。应用 该模型对深圳河2 0 0 6 年l1 月1 9 日至2 0 0 6 年1 1 月2 9 日1 0 天的水质进行预测， 并以该时间段的真实监测数据验证预测结果的准确性。 ( 5 ) 以相同的监测数据建立b p 神经网络水质预测模型，并将其预测结果与 径向基神经网络水质预测模型的预测结果进行比较。 第二章基于模糊神经网络( n 渊) 的水质评价模型 第二章基于模糊神经网络( 补州) 的水质评价模型 2 1 人工神经网络 2 1 1 人工神经网络定义 人工神经网络是一种计算系统，包括软件与硬件，它使用大量简单相连的人 工神经元来模仿生物神经网络的能力。人工神经网络是生物神经元的简单模拟， 它从外界环境或者其他神经元取得资讯，同时加以非常简单的运算，输出其结果 n # i - 界环境或者其他人工神经元1 4 9 】。 2 1 2 人工神经网络的结构 神经网络是由大量的处理单元( 神经元) 互相连接而成的网络。为了模拟大 脑的基本特性，在神经科学研究的基础上，提出了神经网络的模型。但是，实际 上神经网络并没有完全反映大脑的功能，它是对生物神经网络进行某种抽象、简 化和模拟。神经网络的信息处理通过神经元的想到作用来实现，知识与信息的存 储表现为网络元件互连分布式的物理联系。神经网络的学习和识别取决于各神经 元连接权系数的动态演化过程。 2 1 2 1 神经元结构模型 神经元是神经网络的基本处理单元，一般表现为一个多输入、单输出的非线 性器件，通用的结构模型如图2 1 所示。 图2 1 神经元结构模型 其中，坼为神经元f 的内部状态，q 为阈值，薯为输入信号，表示与神 第二章基于模糊神经网络( n 州) 的水质评价模犁 经元x ，连接的权值，岛表示某一外部输入的控制信号。 神经元模型常用一阶微分方程来描述，以模拟生物神经网络突角膜电位随时 问变化的规律。 j f 鲁十一”只 像1 ) 衍 ”7 。- ”7 ( 2 一1 ) i y ，( f ) = k ，( ，) 】 神经元的输出由函数表示，一般利用以下函数表达式来表现网络的非线性 特征。 ( 1 ) 阈值型，为阶跃函数