（环境科学专业论文）基于bp人工神经网络的环境质量评价模型研究.pdf

何瑶：基于b p 人工神经网络的环境质量评价模型研究 简单、评价精度较高等优点；本文改进后的b p 人工神经网络模型具有鲁棒性高、 识别能力强的优点，对用于环境质量评价的b p 人工神经网络模型的改进提高了 模型的性能。本文建立的基于b p 人工神经网络的环境质量评价模型为环境评价 工作提供了一种简单、客观、实用的评价方法。 关键词：环境质量评价神经网络b p 算法专家样本黄金分割 a s t u d yo nt h ee n v i r o n m e n t a lq u a l i t ya s s e s s m e n t m o d e lb a s e do nb pa r t i f i c i a ln e u r a ln e t w o r k s m a j o r ：e n v i r o n m e n t a ls c i e n c e g r a d u a t es t u d e n t ：h ef a n s u p e r v i s o r ：y a oj i a n a b s t r a c t ：e n v i r o n m e n t a lq u a l i t ya s s e s s m e n tw a so n eo ft h em o s ti m p o r t a n t e n v i r o n m e n t a lm a n a g i n gi n s t i t u t i o n si nc h i n a i tc a l lm a k eas c i e n t i f i ca s s e s s m e n tf o r t h ee n v i r o n m e n t a lq u a l i t yo fac e r t a i nr e g i o n , t h u sp r o v i d es c i e n t i f i cf o u n d a t i o n sf o r e n v k o n m e n t a lm a n a g e m e n t , e n v i r o n m e n t a le n g i n e e r i n g ，e n v i r o n m e n t a l s t a n d a r d s ， e n v k o n m e n t a lp l a n n i n g ，c o m p r e h e n s i v ep r e v e n t i o na n dt r e a t m e n t , a n d e c o l o g i c a l e n v i r o n m e n tc o n s t r u c t i o ne t e s c h o l a r sb o t hd o m e s t i ca n df o r e i g nh a v ed o n em a n y r e s e a r c h e so i lm e t h o d sf o re n v k o n m e n t a lq u a l i t ya s s e s s m e n ti nt h ep a s ty e a r s ，b u t m o s to ft h em e t h o d sl a c k so fm a n e u v e r a b i l i t y h o w e v e r t h et r a d i t i o n a la s s e s s i n g m e t h o d su s e di np r a c t i c a lw o r k sh a de m e r g e dac e r t a i ne x t e n tl o c a l i z a t i o na n d i r r a t i o n a l i t y t h u s ，t h i sp a p e rt r i e dt oi n 仃o d u c ea r t i f i c i a ln e u r a ln e t w o r k s ( a n nf o r s h o a ) t h e o r yi n t oe n v i r o n m e n t a lq u a l i t ya s s e s s m e n t , s e tu pa l le n v k o n m e n t a lq u a l i t y a s s e s s m e n tm o d e lb a s e do ne r r o rb a c k p r o p a g a t i o na r i t h r n e t i ea n dt ou s ei ti np r a c t i c a l w o r k s ，t h e r e b yp r o v i d e sal l e wm e t h o df o re n v i r o n m e n t a lq u a l i t ya s s e s s m e n l i nt h i sp a p e r , t h eb p - a n ne n v i r o n m e n t a lq u a l i t ya s s e s s m e n tm o d e lw a si m p r o v e d i nt w oa s p e c t s ：f i r s t l y , t h ee x p e r ts a m p l e s ( t r a i n i n gs a m p l e s ) o fb p - a n nm o d e lw e r e e x t e n d e dt oi m p r o v em o d e l sr o b u s t n e s sa n dv e r a c i t yo f d i s t i n g u i s h i n g t h a ti s ，c r e a t e d 2 0t r a i n i n gs a m p l e sr a n d o m l yb e t w e e ns a m p l e sb a s e do ne n v i r o n m e n t a ls t a n d a r d s i n s t i t u t e db yg o v e r n m e n t s e c o n d l y , t h ea m o u n to f n o d e si nn e t w o r k sc o v e r tl a y e rw a s o p t i m i z e du s i n ga l la r i t h m e t i cb a s e d o ng o l d e ns e c t i o nt h e o r yt om a k et r a i n i n ge r r o ro f t h em o d e lg o tt om i n i m a lv a l u ea f t e rl e s st i m e sc y c l i ci t e r a t i o n , a n dt oi m p r o v et h e p e r f o r m a n c eo fb p a n nm o d e l b a s e do nt h ei m p r o v e da r i t h m e t i c b p - a n nm o d e l f o ra i rq u a l i t ya s s e s s m e n ta n db p - a n nm o d e lf o rw a t e rq u a l i t ya s s e s s m e n tw a sb u i l t n 1 何瑶：基于b p 人工神经网络的环境质量评价模型研究 a n dt h e ne n v i r o n m e n t a lm o n i t o r i n gr e s u l t s ( i n v o l v e sa i rm o m t o n n gr e s u l t sa n dw a t e r m o n i t o d n gr e s u l t s ) o fl h a s ac i t yw a sp u ti n t om o d e l sr e s p e c t i v e l yt oa s s e s sa i rq u a l i t y a n dw a t e rq u a l i t yo fl h a s ac i t y , t h e r e b yv a l i d a t et h em o d e l s t h ea s s e s s m e n t a lr e s u l t s s h o w nt h a ti na l l1 5a i r - m o n i t o r i n gp o i n t s ，a i rq u a l i t yo f l a i ns w a m p ，z h e b a n gt e m p l e a n dq i n g z a n gr o a ds a t i s f i e df i r s t - d e g r e es t a n d a r di ng b 3 0 9 5 - 1 9 9 6 ，o t h e rp o i n t s s a t i s f i e ds e c o n d d e g r e es t a n d a r d si ng b 3 0 9 5 - 1 9 9 6 t h er e s u l t sa l s os h o w nt h a ts u r f a c e w a t e rq u a l 时o fa l lt h em o n i t o r i n gs e c t i o n so v e r s t e p e dt h ew a t e rq u a l i t ys t a n d a r d s e x c e p tf o rl h a s ac e m e n tf a c t o r y , a n dt h es u r f a c ew a t e ro fl h a s ac i t yh a db e e n c o n t a m i n a t e ds e r i o u s l y t h er e s u l t si n d i c a t e dt h a ti ti sf e a s i b l et ou s eb p - a n nm o d e l i ne n v i r o n m e n t a lq u a l 时a s s e s s m e n t t h ee x p e r i m e n t a lr e s u l ta l s os h o w e dm a n y a d v a n t a g e so fb p - a n nm o d e l ；i n c l u d i n gt h eo b j e c t i v i t yo fa s s e s s i n gr e s u l t s ，t h e a p p l i c a b i l i t yo ft h em o d e l ，t h es i m p l i l y i n go ft h ea s s e s s i n gm e t h o da n dt h eh i 曲 p r e c i s i o ne r e t h ei m p r o v e db p - a n nm o d e ls h o w e dl l i 曲a b i l i t yo fr o b u s t n e s sa n d d i s t i n g u i s h i n g a n di tm a d ec l e a rt h a ts u c h i m p r o v e m e n t sh a du p s w u n g t h e p e r f o r m a n c eo ft h em o d e l i nc o n c l u s i o n , t h ee n v i r o n m e n t a lq u a l i t ya s s e s s i n gm o d e l b a s e do nb p - a n nb u i l ti n t h i sp a p e rp r o v i d e das i m p l e ，i m p e r s o n a la n dp r a c t i c a l m e t h o dt oe n v i r o n m e n t a lq u a l i t ya s s e s s m e n t k e y w o r d s ：e n v i r o n m e n t a lq u a l i t ya s s e s s m e n t , a r t i f i c i a ln e u r a ln e t w o r k s ，b p a r i t h m e t i c ，e x p e r ts a m p l e s ，g o l d e n s e c t i o nt h e o r y i v 四川大学硕士学位论文 第1 章绪论 。 1 1 选题的背景、目的和意义 环境质量评价是我国实施的重要的环境管理手段之一。环境质量评价就是按 照一定的标准和方法对某一区域环境质量的优劣进行定量的或定性描述的一种 方法理论，其评价对象是环境质量及其价值。环境质量评价是一个理论与实践相 结合的适用性强的学科，是人们认识环境的本质和进一步保护与改善环境质量的 手段与工具。【1 】 环境质量评价的根本目的就是为各级政府和有关部门制定经济发展计划，制 定能源政策，确定大型工程项目及为区域规划提供环境保护的依据，并为各级环 境部门制定环境规则，贯彻以管促治方针，为实现全面、科学的环境管理服务。 因此，环境质量评价是帮助我们协调经济发展和保护环境的一项有效措施，也是 强化环境管理的有效手段，它为环境管理、环境工程，环境标准制订，环境规划、 环境污染综合防治、生态环境建设等提供科学依据。 我国环境质量评价工作是7 0 年代后才逐步发展起来的。发展至今，在评价指 标体系及评价理论探索等方面均有较大进展。但目前我国环境评价实际工作中， 所采用的方法通常是一些比较传统的评价方法，往往是从单个污染因子的角度对 其进行简单评价。然而对某区域的环境质量( 如水质、大气质量等) 的综合评价一 般涉及到较多的评价因素，且各因素与区域环境整体质量关系复杂，因而采用单 项污染指数评价法无法客观准确地反映各污染因子之间相互作用对环境质量的 影响。基于上述原因，要客观评价一个区域的环境质量状况，需要综合考虑各种 因素之间以及影响因素与环境质量之间错综复杂的关系，采用传统的方法存在着 一定的局限性和不合理性。因此，从学术研究的角度对环境评价的技术方法及其 理论进行探讨，寻求能更全面、客观、准确反映环境质量的新的理论方法具有重 要的现实意义 由于人工神经网络技术具有很强的非线性映射能力和并行性、自适应，容错 性及自学习能力，特别适用于解决因果关系复杂的非确定性推理、判断、预测和 分类等问题，恰好可以解决本质上属于模式识别的环境质量评价问题【2 】因此本 文尝试采用基于误差反向传播( e r r o rb a c k - p r o p a g a t i o n ) 算法的b p 人工神经网络 方法解决环境质量评价问题，并针对前人对用于环境质量评价的b p 人工神经网 络模型研究中存在的不足，拟通过扩充训练样本和优选隐含层节点数的方法对模 何瑶：基于b p 人工神经网络的环境质量评价模型研究 型进行改进。 1 2 人工神经网络理论的发展历程及在工程中的应用 1 2 1 人工神经网络的发展历程 早在2 0 世纪初，人们已经知道人脑的工作方式与现在的计算机是不 脑是由极大量基本单元( 称之为神经元) 经过复杂的互相连接而成的一种 的，非线性的、并行处理的信息处理系统。单个神经元的反应速度是毫秒级的， 比起计算机的基本单元一逻辑门( 反应时间在1 0 。9 s 量级) 低5 6 个数量级。由于 人脑的神经元数量巨大，每个神经元可与几千个其他神经元连接，对有些问题的 处理速度反而比计算机快得多，而它的能耗约为每一运算1 0 4 6 j s 计算机为每一 运算1 0 。j s ) 。 因此，人们就想到了从模仿人脑智能的角度出发，来探寻新的信息表示、存 储和处理方式，设计全新的计算机处理结构模型，构造一种更接近人类智能的信 息处理系统来解决实际问题。这就促使人们研究人工神经网络( a r t i f i c i a ln e u r a l n e t w o r k s 以下简称删系统。 1 8 9 0 年，美国生理学家w j 锄e s l l 3 】出版了生理学一书，该书首次阐明了 有关人脑结构及其功能，以及一些相关学习、联想记忆的基本规则。大约经过半 个世纪以后，m c c u l l o c h 和p i t t s 4 1 发表了十分有名的论文，在这篇文章中，他们 用已知的神经细胞生物基础，描述了一个简单的人工神经元模型1 9 4 9 年d o n a l a 0 h e b b 5 】发表论著行为自组织，首先定义了一种调整权的方法，称为h e b b i a n 。 1 9 5 8 年f r a n kr o s e n b l a t t 6 1 定义了一个神经网络结构，称为感知器( p e r c e p t i o n ) ，这 是第一个真正的人工神经网络 在这之后科学家们作了大量的研究工作。7 0 年代，b o s t o n 大学的s t e p h e n g r o s s - b e r g 和g a i lc a r p e m c r l 7 】发展了一种自适应响应理论( a r t ) ，他提出了一些概念， 包括一个兴奋神经元周围的其他神经元被强烈抑制等，都有一定的价值。后来， 他们又发展了a r t l 和a r t 2 ，分别针对二进制输入和连续输入的情况。 在整个低潮时期，很多研究工作是一些生物学家、生理学家和其他研究者进 行的。直到1 9 8 2 年，美国加州州立理工学院物理学j o h n j h o p f i e l d 【8 】博士发表了 一篇十分重要的文章，他所提出的全连接网络后来被称为h o p f i e l d 网络，在网络 的理论分析和综合上达到了相当的深度，最有意义的是他的网络很容易用集成电 四川大学硕士学位论文 路来实现。他所给出的一个十分重要的思想是：对于一个给定的神经网络，可提 出一个能量函数，这个能量函数正比于每个神经元的活动值和神经元之间的连接 权，而活动值的改变算法是向能量函数减少的方向进行，一直到达一个极小值为 止。他证明了在一定条件下网络可到达稳定状态，他不仅讨论了离散的输出情况 而且还讨论连续变化时的情况，从而可以解出一些联想记忆问题和计算优化问 题。因此，h o p f i e l d 博士点亮了人工神经网络复兴的火炬，掀起了各学科关心神 经网络的一个热潮。 1 9 8 7 年，美国召开了第一届国际神经网络会议，之后国际神经网络协会就成 立了。在这个时期，人工神经网络的各类模型和算法纷纷出台，其中比较有名的 是c n - n 网络，这是l 0 c h u a 等人在h o p f i e l d 网络的基础上发展的局部联接网络， 这种网络在视觉初级加工上得到了广泛的应用。 经过近2 0 年的完善与发展，基于生物神经系统的分布式存储、并行处理、自 适应学习这些现象，已经构造出有一定初级智能的人工神经网络。迄今为止，人 工神经网络的模型已有数十种之多，其中最常见的网络模型【9 ，1 0 】主要包括b p 网 络、h o p f i e l d 网络、a r t 网络、c f n n 网络、k o h o n e n 网络等。 b p 网络采用的是b a c k - p r o p a g a t i o n ( 反向传播算法) ，它是为了解决多层前向神 经网络的权系数优化而提出来的，所以，b p 算法也通常暗示者神经网络的拓扑 结构是一种无反馈的多层前向网络。故而，有时也称无反馈多层前向网络为b p 模型这一算法是由r u m e l h a r t 在1 9 8 6 年提出的。这种算法可以对网络中各层的 权系数进行修正，故适用于多层网络的学习。b p 算法是目前应用最广泛的神经 网络学习算法之一。 1 2 2 人工神经网络在工程中的应用 人工神经网络是以计算机网络系统模拟生物神经网络的智能计算系统网络 上的每个结点相当于一个神经元，可以记忆( 存储) 、处理一定的信息，并与其它 结点并行工作求解一个问题是向人工神网络的某些结点输入信息，各结点处理 后向其它结点输出。其它结点接受并处理后再输出，直到整个神经网工作完毕， 输出最后的结果。在人工神经网络中以加权值控制结点参与工作的程度。正权值 相当于神经元突触受到刺激而兴奋，负权值相当于受到抑制而使神经元麻痹直到 完全不工作。如果通过一个样本问题“教会”人工神经网络模型处理这个问题， 何瑶：基于b p 人工神经网络的环境质量评价模型研究 即通过人工神经网络的“学习”而使其各结点的加权值得到肯定后，那么，这一 类的问题都可以用“训练”好的人工神经网络模型来求解。好的学习算法会使人 工神经网络不断积累新的知识，根据不同的问题自动调整一组加权值，使a n n 具有良好的自适应性。 人工神经网络通过对样本的“学习和训练”，可记忆客观事物在空间、时间方 而比较复杂的关系，具有以任意精度逼近任意非线性连续函数的特性( 自组织，自 学习，自适应) 。因此，神经网络很适合处理非线性数据和含有噪声的数据，特别 适合于解决各类预测、分类、评估匹配、识别等问题。所以，人工神经网络在人 工智能、模式识别、分类鉴定、数据分析，经济分析、市场预测、金融趋势、化 工过程优化、过程控制、医学、环境保护等领域都有广泛的应用。 1 3 神经网络理论在环境质量评价中的应用研究进展 环境质量评价本质上属于模式识别，这正是鲇q n 的特长所在。对某区域的 环境质量( 如水质、大气质量等) 的综合评价一般涉及到较多的评价因素，且各因 素与区域环境整体质量关系复杂。近年来，国内学者在这方面有较多的研究报道。 人工神经网络方法在环境质量评价方面的应用大体可分为城市环境质量综合评 价、大气环境质量评价、地表水环境质量评价、地下水环境质量评价、湖泊富营 养化程度评价、生态环境分类等方面。 1 3 1 人工神经网络用于城市综合环境质量评价 1 9 9 5 年，李祚泳建立了城市综合环境质量评价的二级b p 网络模型“j ，其中 一级评价分别对大气、地面水和噪声三个子系统建立b p 网络模型，对大气环境 质量、地面水环境质量和声环境质量进行评价，随后将一级评价三个b p 网络模 型的最大输出作为二级综合环境质量评价的输入，建立二级b p 网络模型，对城 市综合环境质量进行评价，证明了b p 网络模型用于城市综合环境质量评价具有 通用性、客观性和实用性。 白润才( 2 0 0 1 ) t 1 2 】等将b p 网络用于城市环境质量综合评价，建立了城市环境与 其影响因素之间的非线形关系，用以评价城市环境质量的等级结果表明用b p 网络评价城市环境质量是可行的，该模型具有很强的学习，联想和容错功能。其 分析结果和过程都接近人脑的思维过程和分析方法。使得城市环境质量评价结果 4 四川大学硕士学位论文 的精度大大提高。 1 3 2 人工神经网络用于大气环境质量评价 郑成德【l 习( 1 9 9 9 年) 采用b p 网络建模对某市大气环境质量进行了评价，并对 比了该方法与模糊决策、灰色聚类及综合评判法的评价结果，证明了b p 网络模 型用于大气环境质量评价的优越性 李祚泳、5 9 9 6 l 是【1 4 1 ( 1 9 9 7 年) 也建立了基于b p 网络的大气环境质量评价模型， 并将该模型用于武汉市大气环境质量评价，并将评价结果与用模糊数学评价法的 结果进行了对比研究，表明b p 人工神经网络大气环境质量评价具有通用性、合 理性和实用性。 l 。3 3 人工神经网络用于地表水环境质量评价 李祚泳【l5 】( 1 9 9 5 年) 将b p 网络应用于湖泊水质分类，用全国2 5 个湖泊的水 质指标资料作为训练样本，建立了水质分类模型，并用模型对6 个湖泊的水质进 行了分类，检验网络的效果，证明b p 人工神经网络模型用于环境质量分类问题 具有评判结果客观、准确，计算速度快的特点，具有广泛的适用性。 唐婉莹等【l6 l 采用b p 神经网络方法对长江上游某一监测区间对照断面水体中 的n 元素污染情况进行综合评价，证明了b p 网络既适用于定量指标的水质参数 的评价又适用于定性指标的水质参数的评价，可以用于环境质量评价体系的建 立。 郭劲松唧等在水质综合评价中将b p 网络、h o p f i e l d 网络与模糊综合指数法、 灰色聚类法进行了比较研究，表明a n n 用于水质综合评价具有评价结果客观、 准确、训练成功的网络通用性强、计算简便等突出优点。 高学刚1 8 】等将b p 网络应用于长江水系水质研究，并与g i s 相结合，充分显 示了b p 网络在环境质量评价中的简捷高效性。 郭宗楼【1 9 1 研究了r b f 网络在水质评价及湖泊富营养化程度评价中的应用，应 用最b - - 乘法进行网络训练，避免了b p 网络计算量大的问题，结果表明，r b f 网络的分类能力，逼近能力及学习速度均优于传统的b p 网络，在环境质量评价 中，该模型评价结果客观，通用性强。 蒋火华1 2 0 l ，王李管【2 、陈丽华 2 2 1 、闫同海口3 1 、李靖【2 4 1 等都先后对人工神经网 何瑶：基于b p 人工神经网络的环境质量评价模型研究 络方法在地表水环境质量评价方面的应用进行了不同深度的研究，用实例证明了 人工神经网络方法用于地表水环境质量评价的可行性和优越性 1 3 4 人工神经网络用于地下水环境质量评价 卢新卫【2 5 1 ( 1 9 9 8 年) 建立了8 输入( 总硬度、矿化度、n o ；、a s 、c n 、h g 、 f - 、c 6 h 5 0 h ) 的3 层b p 网络模型，并用该模型对某地区的地下水环境质量作了 评价。结果表明，该方法运用简便、精确可靠、可判性强。 倪深海( 2 6 1 ( 2 0 0 0 年) 以总硬度、硝酸盐氮、挥发酚、六价铬、砷和铁等六项污 染因子为输入，建立了含有两个隐含层的b p 网络模型，对肥城市6 眼水井的地 下水水质进行了评价，并与综合指数法、模糊综合评判法评价结果进行了对比讨 论，说明了b p 网络模型用于地下水水质评价具有可行性，与传统方法相比提高 了评价的精度和客观性。 1 3 5 人工神经网络用于湖泊富营养化程度评价 郭宗楼1 2 n ( 1 9 9 7 年) 选用叶绿素( c m a ) 、总磷) 、总氮( t 、化学需氧量 ( c o d m ) 、透明度( s d ) 等5 个参数作为基本评价因子( 网络输入) ，建立了一个三 层前向式神经网络，并以改进的b p 算法对网络进行了训练。并用训练好的网络模 型对国内1 1 个湖泊的富营养化程度进行了评价，结果表明，b p 人工神经网络用 于湖泊的富营养化程度评价简便实用，具有客观性和通用性，有广泛的应用前景。 胡明星【2 8 1 ( 1 9 9 8 年) 提出了基于多准则学习的模糊神经网络湖泊水质营养化评 价模型( 4 输入) ，该模型应用于我国五大主要湖泊水质营养化的评价结果表明， 模糊神经网络用于湖泊水质营养化评价，具有简便、实用、客观性和广泛的通用 性。 谢5 黼1 2 9 1 ( 1 9 9 9 年) 在采用权重贡献率分析法优选因子和确定因子权值的基础 上，应用b p 人工神经网络对南湖水质富营养化进行综合评价，并将b p 法评价 结果与用分级评分法的评价结果进行了比较，其结果与目前通用的评分法的评价 结果一致，该方法适用性强，通用性好。 任黎1 3 0 l 等( 2 0 0 4 年) 建立了5 输入的b p 人工神经网络模型，用来对湖泊富营 养化程度自动地作出正确的评价，并用该模型对太湖1 9 9 4 - - , 2 0 0 0 年的富营养化状 况进行了评价。 四川大学硕士学位论文 1 3 6 人工神经网络用于生态环境分类 乔平林 3 x 1 ( 2 0 0 4 年) 等基于神经网络技术，并根据生态环境的遥感探测机理， 利用t m 卫星遥感数据中的可见光、热红外、植被指数( n d w ) 以及d e m 数据， 建立了基于b p 神经网络的区域生态环境信息自动提取模型，并将该模型用于石 羊河流域的生态环境分类，研究表明采用该方法的分类结果与实际情况完全一 致。 i v t 3 2 1 ( 2 0 0 5 年) 将神经网络方法用于西藏拉萨地区的生态环境分类，选取7 项有代表性的指标，建立了生态环境分类的b p 神经网络模型。分类结果表明， 拉萨地区的主要生态环境类型包括河谷农业类型，山地草原类型、高山草甸类型 及高山裸岩及冰雪类型，证明了人工神经网络方法用于生态环境分类的可行性。 实践表明，a n n 应用于环境质量评价是完全可行，与常规方法相比，基于 a n n 的环境质量评价方法具有客观性、自适应性、通用性等优势突出，提高了 环境质量评价结果的精度，使评价过程大大简化，值得大力推广 1 3 7 人工神经网络在环境预测方面的研究进展 无论微观还是宏观的环境系统往往因素多样，因素之间关系复杂，系统演化 不确定性强，如何对环境系统内部关键因素与系统状态关系展开模拟，预报各自 的演化趋势一直为众多学者所关注。由于a n n 对复杂系统非线性特征具有很强 的捕捉能力，在大气数值预报、自然灾害预报等领域已有较多的应用，近年来也 有不少学者将该方法用于环境系统因素预测方面。 c a m e r o n t 3 3 】等运用a n n 对加拿大w i n n i p e g 河作短期流量预报。采用前期降 水量、平均水温、径流量、预报时刻降水量及水温共1 8 个变量作为输入，预报 时刻径流量作为输出，建立了b p 网络模型，建成的模型对基本径流量预报准确， 但对高峰径流量预报偏差较大。然后，增加预报季节、冬季雪积累两个输入变量， 将输入变量调整为l o 个，建成的模型在l 周径流量预报中十分出色，在4 周内 径流量预报中性能略差。研究表明，在河流流量短期预报中，a n n 优于常规的 确定性模型，建模的关键在于输入变量的合理选择，这对模型训练费用及模型预 测性能影响至关重要 j o s d 3 4 1 等在生态系统特征指标预报中，着重比较了a n n 与回归模型( 蹦) 的 差异采用三层b p 网络，以年均降水量、年温差、年均温度、夏秋冬季降水量 j 塑堡! 墨王! ! 叁三塑丝堕垒堕至兰曼墨堡笪堡型里墨 各自比例6 项作为输入，以标准化植被差异指数为基础确定6 项生态系统特征指 标，并以此为输出，分别用a n n 与r m 模拟、预报。结果表明，a n n 预报精度 高，检验均方误差小，通过对生态系统历史信息的学习可较好地实现生态系统特 征指标未来趋势的预报，特别对系统内部相关性差的特征因素关系，a n n 的模 拟功能大大优于r m ，在解决生态系统多因素复杂问题才，a n n 方法对分析系统 动力学相当有用。 l u k t 3 5 】等以三层b p 网络为工具预报短期降雨量，着重考察了降雨量的a n n 模型的优化问题。在预报某时刻降雨量时，以该点及其空间邻近点的前期n 步延 迟降雨量为输入，研究表明，短期降雨量时间序列不能记忆长期降雨量时间序列 特征，输入时间序列以一步延迟( 1 5 m i n ) 为佳，空间邻域信息对预报点降雨量影响 显著，对不同的时间延迟输入序列而言，存在不同的最佳空间点输入组合，经过 优化，a n n 模型数值稳定性和精确性有大幅度提高。同时，在模型训练过程中， 采用监控集提前结束训练，并用对数函数处理原始数据，取得了良好效果。 s a n g s 6 1 靴j , b p 网络为统计模型预报汉城大气中o z o n e ( 臭氧) 浓度，以8 项指 标( 包括：o z o n e 、n 0 2 、c o 、s 0 2 小时平均浓度，气温，风速，光照强度，湿度) 的时间序列共3 0 个变量作为输入，未来时间序n ( 6 个时刻) 的o z o n e 浓度作为输 出，设计1 个隐含层( 5 0 个节点) ，对该地区o z o n e 浓度时间变化趋势作模拟。考 虑到大气的平流热效应及扩散迁移，采用有限容积法( f v v 0 求解o z o n e 迁移的偏 微分方程，实现了汉城各分区o z o n e 浓度时间及空间上的精确预报。该研究对大 气污染物时空变化趋势的精确预报提供了一种新思路。 刘罡【3 7 】等在对大气污染物浓度预报研究中，以r b f 网络为工具，着重考察了 神经网络捕捉混沌时间序列内在确定性和规律性的能力，研究表明，r b f 网络在 非线性时间序列预报中具有独特的优越性，逼近精度高，学习速度快，对资料长 度要求不高，适用于大气环境和气候预报。 。 郭宗楼1 3 卵等提出了因素状态网络模型，以较少的训练样本就可抓住系统的本 质特征，并用其预测河流水质。该模型通过将信息扩散原理和落影技术结合，形 成了信息扩散式落影，并与因素状态b p 网络有机结合，解决了知识非完备性问 题、样本含有非实可测因素的问题以及由于训练样本有矛盾点而使平凡b p 网络 训练速度过慢甚至无法收敛的问题实质上，该方法已将一种数据处理技术引入 到神经网络设计中，扩充了a n n 的功能，从而增强了a n n 技术解决环境因素复 四川大学硕士学位论文 杂性、不确定性和难以量化等问题的适应能力。 赵保华1 3 9 1 等应用b p 网络预报太平洋海温，以太平洋四个关键海区海温为输 入，以赤道东太平洋站点平均海温为输出，建立的a n n 模型预报精度很高，进 一步证实a n n 应用于大尺度气候特征预报的价值。 刘国东 4 0 l 等应用a n n 求算含水层参数，以各时刻观测降深与流量比值作为 输入向量，含水量的导水系数和储水系数作为输出向量，构成一个求取含水层参 数的b p 网络，用t a y l o r 公式生成2 0 0 个训练样本来训练网络，然后输入实际抽 水资料，输出结果与配线法一致，表明，应用a n n 方法求算含水层参数准确、 简便而经济。 1 4 本课题研究的技术路线及主要内容 l - 4 1 技术路线 。 分析前述关于环境质量评价人工神经网络模型的研究成果发现，文献中所建 立的模型有两方面的不足之处：其一是模型中所采用的训练样本单一，只将国家 制定的相关环境质量标准中污染物的临界值作为网络的输入，这样建立的模型， 由于训练样本太少导致模型的鲁棒性( 抗干扰能力) 和识别性能均不甚理想；其 二是文献中对b p 网络模型隐含层节点数的确定没有统一的方法，大多都是采用 经验来确定隐含层节点数，而凭经验确定具有很强的主观性和随机性，这也影响 了网络模型的性能。基于此，本文对用于环境质量评价的b p 网络模型进行了两 方面的改进： 1 在国家制定的相关环境质量标准的基础上，在每级标准临界值之间随机生 成了2 0 组数组，并以此作为网络模型训练样本的输入以期提高网络模型的鲁 棒性和识别能力； 2 本文采用基于黄金分割的优化算法对用于环境质量评价的b p 网络模型隐 含层节点数进行选优，以期提高网络模型的性能。 本文研究的技术路线如图1 - 1 所示。 何瑶：基于b p 人工神经网络的环境质量评价模型研究 图i - i 论文研究的技术路线 1 4 2 主要研究内容 本论文在对环境影响评价理论、方法以及b p 人工神经网络理论及方法进行 深入研究的基础上，提出基于b p 人工神经网络的环境质量计算机辅助评价方法， 并以拉萨市区环境质量全面达标规划中的拉萨市区环境质量现状及历史数据 作为基础数据，对网络进行了训练和验证，从而证明人工神经网络方法应用于环 境评价领域的可行性，为环境评价工作提供一种更科学合理且简单实用的方法， - l o 四川大学硕士学位论文 为后续的深入研究提供依据f 论文的章节结构如下： 论文的第一章“绪论”主要介绍课题提出的背景、国内外研究现状和发展趋势 以及课题研究的主要内容和意义；在指出传统环境质量评价方法存在的缺点和不 足的基础上，分析人工神经网络方法引入环境影响评价中的优越性及其可行性； 第二章“人工神经网络的基本原理”主要介绍神经网络的生物学原理，人工神 经网络模型的分类，人工神经网络的基本算法和转换函数，并详细论述b p 网络 的网络结构、b p 网络模型、学习方法，算法推导和b p 算法实现步骤；简单介绍 “l i n n e tp f 神经网络平台”软件的基本原理及使用方法，包括网络的结构设计， 训练方法以及仿真过程等；阐述本文对用于环境质量评价的b p 人工神经网络模 型所作出的改进。 第三章“拉萨市区大气环境质量的b p 人工神经网络模型评价”，建立用于大 气环境质量评价的b p 神经网络模型，并用该模型对拉萨市区2 0 0 2 年的大气环境 质量进行评价，对网络模型的性能进行检验。 第四章“拉萨市区地表水环境质量的b p 人工神经网络模型评价”，建立用于 地表水环境质量评价的b p 神经网络模型，并用该模型对拉萨市区2 0 0 2 年的地表 水环境质量进行评价，对网络模型的性能进行检验。 第五章“结论与展望”，对拉萨市大气环境质量和地表水环境质量评价结果进 行汇总；列出了本文对用于环境质量评价的b p 网络模型的改进，并总结模型用 于环境质量评价的可行性和优越性；指出本文的研究的不足之处并对人工神经网 络方法用于环境科学领域的拓展研究进行了望。 何瑶：基于b p 人工神经网绍的环境质量评价模型研究 第2 章人工神经网络基本原理及其评价模型研究 人工神经网络( a n n ，a r t i f i c i a ln e u r a ln e t w o r k ) 是由大量神经元节点互连而成 的复杂网络，是反映人脑结构及功能的一种抽象数学模型。从本质上讲，人工神 经网络的学习是一种归纳学习方式，它通过对大量样本的反复学习，由内部自适 应过程不断修改各神经元之间互连的权值，最终使神经网络的权值分布收敛于一 个稳定的范围。神经网络的互连结构及各连接权值稳定分布就表示了经过学习获 得的知识。一个己建立的人工神经网络可用于相关问题的求解，对于特定的输入 模式，神经网络通过前向计算可得出一个输出模式，从而得到输入模式的一个特 定解。 2 1 人工神经网络模型 2 1 1 生物神经元模型【4 1 1 1 4 2 】 在人类大脑皮层中大约有1 0 0 亿个神经元，6 0 万亿个神经突触以及它们的联 接体。单个神经元处理一个事件需要1 0 d 秒，而在砖芯片中处理一个事件只需1 0 。9 秒。但人脑是一个非常高效的结构，大脑中每秒钟每个动作的能量约为1 0 4 6 焦耳， 而当今性能最好的计算机进行相应的操作需要1 0 4 焦耳。 生物神经元由细胞体、树突和轴突三部分组成，其结构如图2 1 。树突是细胞 的输入端，轴突是细胞的输出端。树突通过联结其他细胞体的“突触”接受周围细 胞由轴突的神经末梢传出的神经冲动；轴突的端部有众多神经末梢作为神经信号 的输出端子，用于传出神经冲动。生物神经元具有兴奋与抑制两种状态，当传入 的神经冲动使细胞膜电位升高到阈值( 约为4 0 m y ) 时，细胞进入兴奋状态，产生神 经冲动，由轴突输出、若传入的神经冲动使细胞膜电位低于闭值时，则细胞进入 抑制状态，没有神经冲动输出。 神经元作为信息处理的基本单元，具有如下重要的功能。 1 ) 可塑性：可塑性反映在新突触的产生和现有神经突触的调整上，可塑性使 神经网络能够适应新的环境。 2 1 时空整合功能：时间整合功能表现在不同时间、同一突触上；空间整合功 能表现在同一时间、不同突触上。 四川大学硕士学位论文 图2 1 生物神经元模型示意图 3 ) 兴奋与抑制状态：当传入冲动的时主整合结果，使细胞膜电位升高，超过 被称为动作电位的阈值( 约为4 0 m y ) ，细胞进入兴奋状态，产生神经冲动，由轴突 输出：同样，当膜电位低于阈值时，无神经冲动输出，细胞进入抑制状态 4 ) 脉冲与电位转换：沿神经纤维传递的电脉冲为等幅、恒宽、编码( 6 0 - l o o m v o 的离散脉冲信号，而细胞电位变化为连续信号。在突触接口处进行“数模”转换。 神经元中的轴突非常长和窄，具有电阻高、电压大的特性，因此轴突可以建模成 阻容传播电路。 5 ) 突触的延时和不应期；突触对神经冲动的传递具有延时和不应期，在相邻 的二次冲动之间需要一个时间间隔。在此期间对激励不响应，不能传递神经冲动。 6 ) 学习，遗忘和疲劳：突触的传递作用有学习、遗忘和疲劳过程。 2 1 2 人工神经元模型 人工神经元模拟生物神经细胞，可一以把一个神经细胞用一个多输入、单输 出的非线性节点表示。一个典型的人工神经元模型如图2 2 所示。 何瑶：基于b p 人工神经网络的环境质量评价模型研究 工 工。擘 - ，神经元 图2 2 人工神经元模型 一般来说，作为神经元模型应具备三个要素： ( 1 ) 具有一组突触或联接，常用w f 表示神经元f 和神经元- ，之间的联接强度， 或称之为为权值。与人脑神经元不同，人工神经元权值的取值可在负值与正值之 间。 ( 2 ) 具有反映生物神经元时空整合功能的输入信号累加器。 ( 3 ) 具有一个激励函数用于限制神经元输出。激励函数将输出信号压缩( 限制) 在一个允许范围内，使其成为有限值，通常，神经元输出的扩充范围在【o ，1 】或【l ，1 1 闭区间。 人工神经元是一个多输入单输出的信息处理单元，而且，它对信息的处理是 非线性的。因此我们可以将神经元抽象为一个简单的数学模型： u = 一岛 j t l 咒= ，(