（环境科学专业论文）基于bp神经网络的人工沉床水质改善效果预测.pdf

塑茎 的平均相对误差为0 6 ，而非线性回归模型的平均相对误差为0 9 。b p 神经 网络模型的预测精度较高，相对误差较小，更适于进行人工沉床的水质预测。 关键词：人工神经网络人工沉床系统预测富营养化非线性回归 a b s t r a c t a b s t r a c t t i a n j i ns u f f e r sc r i s i so fw a t e rs h o r t a g e ，a n dw a t e rq u a l i t yp l a y sa l li m p o r t a n tr o l e i ne c o n o m i cd e v e l o p m e n t m o d u l a r i z e da e r o - a d j u s t a b l es u b m e r g e dp l a n tb e d ( m a s p b ) i sa p p l i e dt oi m p r o v ew a t e rq u a l i t y i tc a np r o v i d eas u i t a b l ec o n d i t i o nf o r h y d r o p h y t e su p t a k i n gt h ec o n t a m i n a t e s ，r e p a i r i n gt h ee n v i r o n m e n ta n dr e s t o r i n gt h e e c o s y s t e m i nt h i sp a p e r ，a nb pn e u r a ln e t w o r km o d e lf o rp r e d i c t i n gt h ep u r i f i c a t i o n e f f e c to ft h em a s p bo nc o n t a m i n a n t ( c o d e r ，t n ，t p ) i nw a i h u a nr i v e rw a s d e s c r i b e d t h i sm o d e lw a sc o n s i d e r e ds u p e r i o rt on o n l i n e a rr e g r e s s i o nm o d e la st h e m a s p bh a du n c e r t a i n t y , a n db pn e u r a ln e t w o r kw a sam u l t i l a y e rf e e d - f o r w a r d n e u r a ln e t w o r kt h a tt r a i n e dd a t aw i t he r r o rb a c kp r o p a g a t i o na l g o r i t h m s ，a n ds o l v e d t h eu n c e r t a i n t yp r o b l e m sw e l l t h u s ，t h i sp a p e ru s e db pn e u r a ln e t w o r kt od o p r e d i c t i o n ，a n dt h er e s u l t s ，c o m p a r e dw i t ht h o s eg o t t e nf r o mt h en o n l i n e a rr e g r e s s i o n m o d e l ，a l s oi m p r o v e dt h a tb pn e u r a ln e t w o r k w i t hh i g h e rg e n e r a l i z a t i o np e r f o r m a n c e a n da c c u r a c yw a sb e t t e r t h em a i nc o n t e n t so ft h ed i s s e r t a t i o nw e r ea sf o l l o w s ， ( 1 ) d u r i n gt h ep r o c e s so fs e l f - o r g a n i z a t i o na n ds e l f - l e a r n i n g ，b pn e u r a ln e t w o r k c o u l dg e tt h er u l e sh i d d e ni nt h ew a t e rd a t aa n de s t a b l i s hm o d e l s t h em o d e l sh a d s m a l lw o r k l o a da n dh i g ha c c u r a c y ( 2 ) w h e nt h eo u t p u tv a r i a b l e sw e r ed i f f e r e n t ，e a c hi n p u tv a r i a b l eh a dd i f f e r e n t i n f l u e n c eo nt h er e s u l t s w h e nt h eo u t p u tv a r i a b l ew a sc o d e r ，t h ei n p u tv a r i a b l e s w e r el i s t e di no r d e ro fl a r g e s tt os m a l l e s ti m p a c ta sf o l l o w s ：c o d e r ，w t ，t p ，t n ； w h e nt h eo u t p u tc a m et ob et n ，t h ei n p u tv a r i a b l e sw e r el i s t e di no r d e ro fl a r g e s tt o s m a l l e s ti m p a c ta sf o l l o w s ：t n ，w t ，c o d e r ，t p ；w h e nt h eo u t p u tw a st p ，t h ei n p u t v a r i a b l e sw e r el i s t e di no r d e ro fl a r g e s tt os m a l l e s ti m p a c ta sf o l l o w s ：t p ，w t ， c o d e r ，t n ( 3 ) e s t a b l i s hm o d e l sw i t hb pn e u r a ln e t w o r ka n dn o n l i n e a rr e g r e s s i o nm e t h o d ， a n dt h e nc o m p a r e dt h er e s u l t sg o t t e nf r o mt h e s et w om o d e l s t h er e s u l t ss h o w e dt h a t w h e nt h eb pn e u r a ln e t w o r kc a m et ob eu s e d ，t h ea v e r a g er e l a t i v ee r r o rf o rt h o s e d i f f e r e n to u t p u t s ( c o d e r ，t n ，t p ) w a so 1 ，1 a n do 6 s e p a r a t e l y w h i l ew h e n t h em e t h o dw a sc h a n g e dt ob et h en o n l i n e a r r e g r e s s i o n ，t h ea v e r a g er e l a t i v ee r r o rw a s 4 8 ，。1 7 a n do 9 s e p a r a t e l y b pn e u r a ln e t w o r kw h i c hh a dh i g ha c c u r a c ya n d l e s sr e l a t i v ee r r o rw a sb e t t e r k e yw o r d s ：a r t i f i c i a ln e u r a ln e t w o r k ；m o d u l a r i z e da e r o a d j u s t a b l e s u b m e r g e d p l a n tb e d ；p r e d i c t i o n ；e u t r o p h i c a t i o n ；n o n l i n e a rr e g r e s s i o n i v 第一章绪论 第一章绪论 第一节研究的目的与意义 天津市位于华北平原海河流域的下游，北邻燕山，东接渤海，自产水人均 水资源量仅1 6 0 m 3 1 1 ，远低于联合国公认的世界人均水资源量的缺水警戒线，属 于资源型和人口压力型严重缺水城市。天津市水资源明显不足，工业污水，农 业用水，以及生活污水形成的点源污染与面源污染严重，水体透明度低，自净 能力差。水环境问题制约天津市经济的高速发展，亟待解决。近年来，天津市 采取了一系列水污染治理措施，但收效有限，并未使整个城市的水质得到明显 改善。 根据天津市中心城区部分河流与景观湖的水质评价，评价结果表明，绝大 部分水体为v 类或劣v 类水体，水质状况较差，氮、磷等营养物质含量过多。 海河干流中的化学需氧量浓度曾于2 0 1 0 年达到5 8 m g l ，总氮浓度达到 6 1 1 m l ，总磷浓度达到0 2 m g l 。不仅海河干流的水质状况不佳，市区二级河 道的水质也不容乐观。天津外环河水体中化学需氧量浓度曾于2 0 0 9 年达到 2 0 0 m g l ，总氮浓度达到2 0 m g l ，总磷浓度达到1 6 m g l 。中，t l , 城区的水质状况 如表1 1 。外环河水体中各营养物质的含量过多，如图1 1 图1 3 。 第一章绪论 表1 1 中心城区河道水质状况【2 】 垮垮 河趱铝椽河隧级别市隧澎 _ = ( 公鞲，承顷器t i海和f。溉 1 吼0 、，樊 q 1 。于鸳：溺缀 8 2 f 獒 - ： ，l i ：运潮+缎 i 飘lv 套 z 新野溥。掇 7 。2 v 、燹 一 0 浮湖? 级 l 。1 0 劣、芟 8 l i 漳河鼍激1 2 。6劣、樊 f 浓逡溯 i 缴托6 劣v 类。曼冗树以f 随踅溯 + 缎 5 8 v 囊三冗树以i ： 8 外珥河i 潋 7 1 。d 劣v 黉 9 艇洲二缎 7 4 劣v 类 1 0 列牙溺：级 = _ 8 劣v 类 ll k 藜河 鹪 * 。8 劣v 粪 l2 陵龠哥掺水溺_ ：级 6 0 劣v 类 3 双橡学 水洲 ：级 4 ：- _ 劣v 癸 l 习两阳毳潮 4 勉：j 。6 劣v 豢 i 5津港运河_ 缀3 。8农v 炎 6 程犍搏水溺 髓4 。0 菇癸 1 7 豫贵庄嬷- 水溺 j 缀 5 。6 劣v 婺 1 8 北誊，瓤河 数7 ，1劣v 蹩 l 鞫 护仓泓 辫 尊。4 劣v 类 2 0 、莰扬0 i 溺 ：缀5 2劣v 凑 2 l p h u i , y ：缀 5 ( j 劣v 燮 2 第一章绪论 图1 i 外环河化学需氧量浓度 图1 2 外环河总氮浓度 图1 3 外环河总磷浓度 第一章绪论 改善城市水环境是目前城市建设的关键。国内外已经实施了多项措施改善 城市水环境，主要包括挖掘，底泥疏浚，机械除藻，应用化学杀藻剂，人工曝 气，换水等物理与化学方法【3 】，这些方法虽然在改善水质方面起到了一定的作用， 但也存在一定的缺陷，例如成本高，破坏原有水环境自身的净化功能，不能有 效去除污染物并恢复水体自身良性循环。因此，这些方法虽然可在短期内能获 得显著效果，但不能维持良好的水质状况 4 。 天津市在2 0 0 4 年时曾启用护堤工程，但是该措施隔断了河道与河畔的水汽 交换，破坏水生生物与河岸间的联系，缩小甚至剥夺了水生生物，微生物的生 存空间，使物质的能量交换受阻【5 1 。同时，河道内水流流动缓慢，河床僵硬，植 物无法生长，城市水生生态系统缺乏活力，易导致水体继续恶化【6 】。目前，国内 大批城市出现污染型缺水，严重制约社会经济发展。因此，应当综合考虑土地， 动植物，微生物的自然属性，积极发挥生物与非生物的多样性【7 1 ，维持水环境的 可持续发展。同时，在实施生态修复的过程中，充分利用生物与非生物间的交 互增效功能进行多重修复，维持水生态系统的功能【8 1 。因此，寻找新的水质净化 技术是当今河道水污染治理的关键【9 】。 目前，河道水体生物生态修复发展迅速，已经分支成水生植物修复技术， 人工湿地修复技术等。其中，水生植物修复技术可以追溯到2 0 世纪7 0 年代， 当时多种大型水生植物在治污能力方面效果显著 1 0 】，可被用于污水处理和生态 修复工程。基于成本低，能耗少等优点，该技术已经成为水环境技术的热门研 究内容之一1 | 。但是，该项技术还存在一些缺陷，例如，水生植物受水深，光 照等的影响，在大水深，透明度低的水体中直接栽种难以成活。即使成活，在 后期的维护和管理e 1 2 】，也不利于进行收割与回收处理死亡植物的腐烂部分， 易造成水体的二次污染【1 3 】。不仅如此，河岸的硬性护堤也不利于水生植物的生 长。因此，急需找到一种可以解决上述问题的方法，充分发挥水生生态系统的 生态服务功能，改善水质，维持水质稳定与恢复水体景观功能。 人工沉床技术就是在人为干扰的条件下，以恢复生态学人为设计与自我修 复理论为基础，为实现水生生态系统的动态平衡的一项生物生态水体原位修复 技术。该技术利用大型水生植物的吸附降解等物理、化学与生物作用改善水质， 净化水体，使水生态系统得以修复。人工沉床一方面为水生动植物提供必要的 生存环境，另一方面利用植入的水生植物、固定优势菌等构成一条健康的食物 链，促进系统内部有益生物与微生物的繁殖与生长。与常规水体净化的方法相 4 第一章绪论 比，人工沉床解除了水深大，透明度低等条件对水生植物生长的制约，可人为 调节床体在水下的深度，易于进行富营养化水体的修复。 目前，该技术正处于研究发展阶段，针对该项技术的研究尚不成熟。但人 工沉床可改善水质，美化景观，操作简单，运输方便，耗资少，建设周期短， 该技术对于社会经济的发展与环境的改善具有极其重要的理论与应用价值 1 4 】。 第二节富营养化水体修复研究现状与进展 1 2 1 水体富营养化定义及产生机理 受人类活动的影响，大量的氮磷等营养物质流入河口、湖、海湾等缓流水 体，造成藻类及浮游生物大量迅速繁殖，水中的溶解氧含量下降，水质逐渐恶 化，大量生物死亡，这种现象即水体富营养化( e u t r o p h i c a t i o n ) 现象。一般的自 然情况下，湖泊从贫营养状态过渡到富营养状态的过程十分缓慢。但是，因人 为排放的工业废水与生活污水的影响，水体富营养化可在短期内出现。 在不同的水体系统中，植物的限制因素有所不同，地表淡水系统中是磷酸 盐，而在海水系统中却是氨氮和硝酸盐充当限制因素。可以说正是这些含量有 限的营养物质导致了富营养化现象的出现，例如，有限的磷含量能够维持正常 的淡水系统，但是当增加磷酸盐的含量时，会产生植物的过度生长，但是，在 海水系统中却截然不同，磷足量，而含氮污染物流入所导致的氮含量增加却会 使植物过度生长。这里所说的含有大量氮磷及无机盐类的污染物包括生活污水， 化肥、食品等工业生产中产生的废水，农田排水等。这些废水被排放到天然水 体中会导致水中的营养物质迅速增多，使自养型生物生长旺盛，尤其是个体数 量极具增加的蓝藻和红藻，但其他藻类种类却逐渐减少。水体中原来是硅藻和 绿藻占据主要的位置，大量出现的蓝藻可推断出富营养化的出现，富营养化继 续发展的结果就是将水中的主要藻种变成了蓝藻。这些藻类在短期内迅速繁殖， 需氧微生物则负责分解死亡后的藻类及其他浮游生物，该过程中水中的溶解氧 被不断消耗，或者是由厌氧微生物分解产生部分硫化氢等气体，不论那种方式 进行分解，都会导致水质恶化，大量鱼类及其他水生生物死亡。除了上述提到 的问题之外，大量氮磷等营养物质在上述物质的腐烂过程中会被重新释放到水 体中，此时，新一代饿藻类等生物会重复利用这些营养物质，故水体在富营养 5 第一章绪论 化发生之后很难进行自净并恢复到自然状态。 在藻类的生长过程中，物理、化学及其他因素，包括水温，营养盐类等，非常 复杂，这对于预测藻类的生长趋势是很大的障碍，同时，对于富营养化指标的 确定也存在难度。目前，水体富营养化的指标具体有以下几个：c n 0 2 0 3 p p m ， c b o d 1 0 p p m ，c p 0 0 1 0 0 2 p p m ，p h 在7 与9 之间的淡水中每毫升超过1 0 万 个的细菌个体，以及叶绿素a 1 0 9 m g l 。 1 2 2 富营养化水体修复研究进展 目前，水体富营养化现象严重，亟需改善，随着科技知识进步，富营养化 水体的修复技术与方法得到了改进，新工艺与方法层出不穷。现在的水体富营 养化修复技术主要包括物理修复，化学修复，生物生态修复技术微生物强化技 术，以及生物膜技术和生物接触氧化工艺。 1 2 2 1 物理修复 挖掘底泥沉积物，机械性除藻等均属于物理修复技术。这些修复技术简单 易操作，并且对污染物的处理速度快，可有效缓解水体富营养化。但是，物理 修复方法并未将污染物进行降解和转化，故物理修复方法不能从根本上解决富 营养化问题。章永泰等应用臭氧超声波除藻方法对北京什刹海的水质进行改 善，应用该方法后，藻类量可减少到仅相当于原有量的2 0 左右，同时，磷含 量也随之减少。该方法简单易操作，不会造成二次污染，并且成本低，利于除 藻的进行。 1 2 2 2 化学修复 化学方法包括凝聚沉降，以及化学药剂杀藻法。化学修复方法与物理方法 相比，获得成效更快，操作更简单。然而，该方法易造成二次污染，并且当藻 类对投入的药剂产生抗药性时，处理效果不理想。高宝玉等【l6 】采用凝聚沉降法 进行脱磷，研究水体( 淄博市白家河) 中的总磷被a p a m 与c p a m 去除高达8 0 。 1 2 2 3 生物生态修复技术 应用生态平衡、物质循环的原理与技术方法手段，植物与微生物来转化， 降解污染物，改善受污染水体，修复正常的生态功能的方法是生物生态修复 技术【1 7 】。 6 第一章绪论 1 2 2 3 1 生态疏浚 应用发展生态理论去除湖库底泥的生态修复方法是生态疏浚。该方法综合 了环境，生态，工程等进行生态位的修复【1 8 】。孔繁翔等【19 】应用该方法修复太湖 五里湖，湖内的总磷含量下降量高达2 5 左右，修复效果明显。该方法在缓流 水体中使用较广泛，例如，苏州河河段治理的三期工程重点项目就采用了该方 法。 1 2 2 3 2 河道曝气 河道曝气修复技术是对河道内污染水体进行就地处理，并综合应用了氧化 沟原理以及曝气氧化塘的一种修复方法 2 0 】。该方法使用的装置简单，同时具有 前述修复方法的优点，即操作简单，处理效率高。殷小海 2 1 】等应用太阳能曝气 修复技术改善张家港河道水质，该项技术实施后使水体中的化学需氧量，总氮， 总磷，以及氨氮的量明显减少，水质得到显著改善。刘军等【2 2 】应用水车式曝气 机对广州市市内河道进行曝气去除氨氮。天津市也曾利用该方法对富营养化水 体进行修复处理，主要种植的植物是香蒲，并结合间歇曝气进行修复，修复后 的水体氮磷量明显减少。 1 2 2 3 3 生态混凝土 2 0 世纪9 0 年代日本生态混凝土研究起步，它具有多孔结构，并且促渗透性 好，在物理，化学与生物作用下，将污染物降解去除【2 3 1 。生态混凝土因其的多 孔结构可减少一定的环境负担而被广泛应用于河道治理中。吕锡武等【2 4 】应用该 技术去除太湖梅梁湾水体中的总氮，总磷，水体净化效果好。但是，应用该技 术还存在一定缺陷，即孔隙堵塞问题，因此，该技术还未得到实质性应用，需 进一步研究2 5 1 。 1 2 2 3 4 以水生植物为核心的生物生态修复技术 水生植物对污染水体中的氮磷等营养物质有很好的吸附降解作用，能有效 改善水质。同时，水生植物的根茎等还能为微生物提供依附的生存场所，构成 生物膜。因此，该修复技术已被作为水体修复技术中的一项重要技术，受到广 泛关注。 a 人工湿地技术 7 第一章绪论 该技术源于2 0 世纪7 0 年代，用于对污染水体进行水质处理。将填料，水 生植物与微生物相结合，发挥协同作用，经过物理，化学与生物作用，将水体 中的氮磷等营养物质去除，净化水体 2 6 1 。并且在应用过程中，因其操作简单， 成本低，无二次污染的优点而被广泛应用。1 9 9 0 年，我国建立第一个人工湿地 系统，即白泥坑人工湿地系统。李文朝 2 7 】等应用表面流人工湿地技术去除抚仙 湖入湖河道中的氮，结果表明，该技术对硝酸盐，亚硝酸盐，氨氮，总氮等的 去除效果明显，去除率均在5 0 以上。金秋等【2 8 】应用该技术对农村的生活污水 进行水质处理，结果表明，水中化学需氧量，总磷，总氮的浓度降低到4 1 m g l ， 0 4 4 m g l ，1 2 6 m l ，达到国家城镇污水排放标准。陈静等【2 9 】应用该技术对马 料河水质进行处理，研究结果表明，该技术使用后，可去除水体中4 0 的总氮 和磷酸根离子。t u n c s i p e r 等【3 0 对水平潜流式人工湿地，表面流式人工湿地和自 由水表流式人工湿地进行了研究，结果表明，表面流式人工湿地对硝酸态氮的 去除率达5 0 以上，水平潜流式人工湿地对总磷的去除率达6 0 ，这三种人工 湿地对氨氮的去除率在5 0 左右，水质处理效果明显。 b 生物浮床技术 生物浮床技术是应用水生植物对氮磷等营养物的吸收作用，将水生植物种 植到浮床载体上，净化水质，缓解富营养化问题。我国于1 9 9 9 年首次应用该技 术对杭州市南应加河水质进行处理，经处理后，水体透明度提高，并使水体中 氮磷等营养物质的浓度大幅度降c l o t 3 1 】。程江等【3 2 】应用该技术处理上海城区中小 河道的污水，该技术的去污率高，经处理后，不仅改善了富营养化状况，同时 也美化了景观。 c 稳定塘技术 建立构筑物，应用天然净化能力处理污水的技术是稳定塘技术。该技术应 用的净化原理同水体的自净原理有相似之处，只是经过人为修整土地，建池塘， 设围堤，加防渗层，应用塘内微生物进行污水的处理。该技术能够充分发挥水 生植物和微生物等的功能，经物理，化学，生物作用有效去除水中污染物。同 时，该技术有基建投资和运转费用低，维护和修理简单，便于操作的优点。 第一章绪论 第三节人工沉床水质模型研究进展 人工沉床系统在人为干扰的条件下建立的水生生态系统，系统内部物理， 化学，生物过程复杂，目前使用尚不成熟。肖明等【3 3 】发现酸碱度，水中游离金 属离子，以及氨氮等与沉床微宇宙技术的去污效果有关，当三个影响力较小时， 该技术可有效去除污染物。n u r m i n e n 等【3 4 】应用沉床结构对h i i d e n v e s i 湖悬浮颗 粒物浓度及水体浊度进行了研究，研究结果表明，沉床系统可降低水体浊度， 有效改善湖水的水质。文科军等【3 5 应用模块化沉床降低化学需氧量和总氮含量， 当人为控制光照，水位，以及水中营养盐的含量时，化学需氧量和总氮的去除 率可达4 7 和7 9 。李金中掣2 】应用经验拟合模型研究天津市子牙河海河外环 河段内人工沉床的水质净化效果，研究结果表明，人工沉床系统可有效去除水 中化学需氧量，当水生植物处于生长期时，去除率在3 0 到3 5 之间，当水生 植物处于休眠期时，去除率在5 到1 0 之间，并且化学需氧量浓度与水力停留 时间符合一级动力学关系，相关性达0 9 9 以上，在实际应用中，可用两者间的 关系进行预报。但上述方法存在误差大，考虑因素单一，预测精度低等缺陷， 泛化性能不好。而人工神经网络解决了这些问题，神经网络可进行自组织，自 学习，对数据可进行分布式大规模处理，泛化能力强，进行高精度的预测，处 理黑箱模型，容错性能好。因此，选用人工神经网络进行水质模拟，不仅可以 较为准确的模拟复杂的人工沉床系统，考虑多因素的情况，同时还可以避免精 度低，模型复杂，工作量大的问题。 但是，到目前为止，仍有问题待研究与解决【3 6 】： ( 1 ) 如何避免初期水深，透明度等对水生植物生长的不利影响，提高水生 植物成活率 富营养化水体受污染物的影响，水体透明度低，水深越大，光照越少，而 光照，透明度对水生植物的生长和扦插深度影响重大。到达富营养化水体底部 的光照若不能供应沉水植物的正常生长，沉水植物在富营养化水体底部便容易 死亡，无法形成群落系统。当富营养化水体深度越大，水生植物获得光照量越 少，越不易成活【3 7 1 ，并且随着水深的不同，沉水植物也会呈现差异性分布。另 外，水位变化也易影响生长期内的植物，当水深越大，沉水植物生物量减小， 水体透明度降低，这种情况下的沉水植物容易因光照不足导致死亡。 在人工沉床水质净化系统中，需要重点考虑水深对水生植物生长的制约， 有效恢复沉水植被，加速沉水植物的移植栽种。而人工沉床恰恰解决了该方面 q 第一章绪论 的问题，通过调节浮力系统，改变水中沉水植被水下深度，使水生植物接受足 够的光照，提高水下植被成活率，防止出现因光照不足而造成的植被死亡。 ( 2 ) 如何优化配置植物种群与构建群落 若任意栽种植物，组成沉床系统，则污水中氮磷等营养物质的处理常常达 不到预期效果【38 1 ，这是因为不同种类的植物存在抗逆性与净化能力上的不同， 所以，若单一种植挺水植物，冬季水质净化效果不理想，若单独使用适宜冬季 生活的沉水植物，易受水体透明度低的影响而使效果差。因此，应该选择适宜 的种群并合理构建群落，有效利用水生植物的水质净化能力。同时，因为沉床 结构灵活，便于操作，与传统种植方法相比，利于实现种群与群落构建的有效 结合。另外，设计沉床模块时可适当考虑植被的景观功能，力求既改善水环境， 又美化环境。 ( 3 ) 如何避免后期维护与管理过程中植物的不利影响 在治理富营养化水体的过程中，应用床体上的水生植物可进行氮和磷的固 定，并可进行植被的回收处理，操作简单。利用人工沉床净化水体，后期的收 割维护和管理尤为重要，这是保持系统稳定高效运行的重要条件。这是因为死 亡的水生植物腐烂后易造成水体的二次污染【3 9 , 4 0 l ，所以进行合理的收割管理等， 取出死亡植物，维持植物良好的生长环境，促进水质净化。杜健民等【4 1 】j 冬收割 管理对植被生长的影响进行了研究，结果表明，收割管理可明显改善光照与温 度条件，使龙须眼子菜减少，进而影响蓝藻的繁殖速度和繁殖能力，使水质得 到显著改善。 同时，沉床结构便于人工维护管理与控制水生植物的生长状况，可防止二 次污染的产生，将水生植物的不利影响降到最小。 第四节人工神经网络 人工神经网络具有非线性，可进行信息的白适应处理，处理单元多，并对 人脑及自然神经系统的基本特征进行抽象模拟。现今，因人工神经网络有自学 习、自组织与自适应等特点，人工神经网络已被应用到众多领域，包括系统的 预测，系统的优化，模式识别，非线性优化和声纳信号的处理等，并且在这些 领域中，人工神经网络也发挥了很好的作用，而且取得了一定的进展，在此过 程中，人工神经网络也日臻成熟，有着重要的理论及应用价值。 1 0 第一章绪论 在实际项目的模拟预测中，可依据样本数据，经过权值和阈值的不断调整， 控制样本的误差在规定范围内，学习样本数据的内在规律，建立人工神经网络 模型。本文即发挥了b p 神经网络可模拟非线性复杂系统的优势将其应用到人工 沉床水质净化技术的研究中，模拟预测水质，用以评价人工沉床的水质净化效 果。 第五节论文研究主要内容与技术路线 1 5 1 研究内容 以人工神经网络的基本理论为基础，以人工沉床水质净化系统中各水质参 数为研究对象，建立了b p 人工神经网络模型，模拟检验人工沉床的水质净化效 果，为该项技术的实施提供技术支持。 本文研究的主要内容如下： 第一章绪论。主要介绍了富营养化水修复技术，人工沉床，以及人工神经 网络的相关知识与研究进展。 第二章介绍了数学模型的选择方法，并主要对非线性回归方法和人工神经 网络进行了说明。 第三章介绍了人工神经网络的基本概念，建模规则，网络参数的选取方法， 以及模型的优缺点等。 第四章应用b p 神经网络对人工沉床的水质净化效果进行了预测，并将该方 法与非线性方法的预测结果进行对比，说明应用神经网络进行人工沉床水质预 测的优势。 第五章结论与展望。对论文全文研究的内容进行总结，提出主要结论与进 一步需要研究的问题，并提出建议。 1 5 2 技术路线图 本文建立了b p 人工神经网络模型，对人工沉床系统的水质变化趋势进行了 预测，并将该方法的预测结果与用非线性方法的预测结果相比较。 模型共选用了2 0 0 4 年到2 0 0 7 年的4 5 组数据进行水质预测，分析模型结果 的误差，模拟精确性，为人工沉床在水质净化方面的应用提供依据与技术支持。 本文的技术路线如下图所示： 第一章绪论 收集实测水质资料 数据( 总磷浓度，总氮浓 度，化学需氧量浓度等) 预处理，确定最大训练次 数，目标误差等参数 建立b p 神经网络模型，预测 人工沉床的水质改善效果 将b p d o 经网络模型与非 线性回归模型进行对比， 证明b p 神经网络模型 预测人工沉床水质改善 效果的优越性 图1 4 技术路线图 1 2 第二章数学模型的选择 第二章数学模型的选择 第一节不确定性方法的建模规则及应用 6 0 年代不确定方法在水环境中的研究开始起步，近几年来，随着不确定性 研究的快速发展，在水环境领域中，研究不确定性方法的热潮在国内掀起。随 机性、灰色性、模糊性是水环境研究中的几种主要不确定性方法，因此，传统 不确定性研究方法主要包括随机理论、模糊集理论，以及灰色系统三种类型【4 2 1 。 近几年来，不确定性方法被不断改进，使各种耦合方法在新的不确定性研究方 法中发挥作用，这种情况下，不确定性方法的研究在水环境领域中持续提高。 本文主要分析了人工神经网络( a r t i f i c i a ln e u r a ln e t w o r k ) 模型与非线性回归分析 法的优劣及适用性，同时，用这两种不同的方法建立了影响水质的各因素与水 质的输入输出关系。下面主要阐述了这两种不确定方法的建模规则，以及这两 种方法在水环境中的应用。 2 1 1 非线性回归法 线性回归分析可被扩展，进行非线性回归分析。但是，在实际的工程项目 中，大部分的变量间是非线性关系，经转化可化为线性回归问题来解决。但这 不意味着所有的非线性问题可转换为线性问题。 非线性回归模型有很多，其中包括直线回归方程( l i n ) 、对数曲线方程 ( l o g ) 、反函数曲线方程( i n v ) 、二次曲线方程( 抛物线) ( q u a ) 、三 次曲线方程( c u b ) 、复合曲线方程( c o m ) 、幂函数曲线方程( p o w ) 、s 形曲线方程( s ) 、生长曲线方程( g r o ) 、指数曲线方程( e x p ) 与l o g i s t i c 曲线方程( l g s ) 等均为非线性回归方程。 2 1 2b p 神经网络模型 人工神经网络具有非线性，可进行信息的自适应处理，处理单元多，并对 人脑及自然神经系统的基本特征进行抽象模拟。现今，因人工神经网络有自学 习、白组织与自适应等特点，人工神经网络已被应用到众多领域，包括系统的 预测，系统的优化，模式识别，非线性优化和声纳信号的处理等，并且在这些 领域中，人工神经网络也发挥了很好的作用，而且取得一定的进展，在此过程， 人工神经网络也日臻成熟，有着重要的理论及应用价值。 13 第二章数学模型的选择 在人工神经网络的众多模型中，可以说b p 神经网络的使用最为广泛。它是 一种基于误差逆传播算法的多层前馈型网络。b p 神经网络模型包括输入层、多 个隐层，以及输出层，采用的算法为b p 算法。因神经元被应用到神经网络中， 神经网络拥有了更好的性能，例如分类，记忆等，所以能被广泛应用并获得高 度重视，成为研究热点。b p 网络是由r u m e l h a r t 和m c c e l l a n d 为首的科学小组 于1 9 8 6 年提出的，它能够学习和贮存大量的输入输出映射关系，却不用提前 对表示输入输出关系的数学方程进行阐述，使用最速下降法，通过反向的传播 不断对网络的权值和阈值进行调整，尽量缩小网络的误差平方和，使其达到最 小。并且，因它使b p 神经网络避免了感知器在x o r 方面及其他的问题，故b p 网络模型的实用性较高，被广泛接受并使用。 第二节模型的适用性分析及选取 人工神经网络可以根据现有的数据，经过相关性分析等找到数据内部的规 律性，进行水质预测，模拟结果精确性高，具有实用性。但是，应用非线性回 归分析法所得出的预测结果，误差大，精度低，不能进行良好的模拟预测。 根据相关文献可知，人工神经网络的应用范围广泛，在水质模拟与预测方 面有着一定的应用价值。具体的研究方向如下， a 根据上游某断面的水质影响因素预测下游某断面的水质，并得出上下游 断面水质的一个非线性映射关系。 b 根据某一时期内的水质状况预测另一时间段的水质情况，建立某一时间 序列的水质与时间的非线性映射关系，进行模拟预测。 c 根据某一监测断面的多个水质影响因子与水质评价体系中各水质指标的 非线性关系，建立函数，进行模拟预测，对水质进行评价分级。 下文中，将根据几点对人工神经网络在人工沉床应用中的适用性进行详细 阐述， ( 1 ) 人工神经网络模型的适应性分析。 人工神经网络能够从数据中获得规律，并建立相应的非线性函数映射关系， 进行模拟预测。但是，人工神经网络本身也存在一定的缺陷，例如，缺乏对现 象的深入理解，仅仅从数据中获得非线性关系，对物理、化学等本质问题阐述 不透彻，不能很好的反应水质中各污染物质的变化过程。在本文的研究过程中， 1 4 第二章数学模型的选择 应用人工神经网络模型能够对数据中隐藏的规律进行整合，体现输入与输出数 据的非线性映射关系，实现能够根据输入的水质因子的数据来模拟预测输出的 水质数据，尽管存在一定的误差，但是依据下文中的误差分析及灵敏性分析， 模型具有一定实用性，能够满足精度要求，获得良好的模拟预测结果。但是， 在进行数据处理的过程中，需要剔除异常数据，使数据具有良好的代表性。外 环河受排入的工业，生活污水，以及农田沥水的影响，水体污染严重，现有的 水质数据中，主要在外环河设置了8 个水流断面，并对其进行监测，剔除异常 的数据，将数据分为样本数据和检验数据，应用样本数据进行模拟，建立输入 因子和输出因子的非线性映射关系，然后根据该映射关系和检验数据，对模型 进行检验，确定其适用性，对该河段水质进行预测。在所使用的数据中，包括 了一年四季的实测数据，这些数据保证了模型能够免除季节性水质变化的限制， 对于不同季节下的水质均有适用性，免除污染物质年内分配不均衡性的干扰。 ( 2 ) 人工神经网络在外环河沉床水质预测中的可行性分析。 人工神经网络能够根据已有的数据进行自组织学习，寻找数据中的规律性， 建立映射关系，该映射关系具有一定适用性，可以输入不同的实测数据来预测 未来的水质状况，节省因数据差异建立不同模型的时间，在非线性水体系统中 具有可用性，因此，对于不确定性的非线性人工沉床水质净化系统，人工神经 网络能够进行良好的预测，保证模拟精度。 在进行预测之前，需要对模型的网络结构进行确定，因人工神经网络属于 黑箱模型，输入数据项的多少会影响到网络的精确度，如果输入的数据项过多， 首先的问题是网络结构复杂，其次是网络训练容易进入饱和区，无法获得全局 最小点，即使不进入饱和区，也易出现过度拟合现象，即使经过长时间的训练， 也不可能获得很好的模拟效果，反而会使模型不具有普适性，仅仅具有样本数 据的规律。同样，若输入的数据项过少，非线性映射关系缺乏可信性，模型过 于简单。所以，文中首先根据相关性分析对各水质因子的相关性进行了分析， 根据人工沉床系统净化水质的实际情况，参数获取的有限性及与出水c o d c r ， t n ，t p 的相关程度，最后确定了网络的输入数据项和输出数据项，最后的网络 结构为4 7 1 ，网络的激励函数使用的是基本的s i g m o i d 函数。 ( 3 ) 人工神经网络的缺点与不足 人工神经网络的使用范围广泛，尤其在模式识别，图象处理，组合优化， 自动控制，信息处理取得了显著的成效，然而，人工神经网络在水环境领域并 第二章数学模型的选择 未取得很好的成果，还处在发展初期。现阶段，通常使用的是m a t l a b 神经网络 的工具箱进行建模，这为模型的建立提供了一定的便利条件，但却容易使建模 者对神经网络本质过程得不到透彻的理解。另外，神经网络的结构需要根据输 入项的数目及输入数据的变化进行变更，否则，模型就不具备普适性。 在实际的应用过程中，常常会遇到非线性或不确定性问题，这时，人工神 经网络能够发挥很好的效用，建立具有一定适用性的模型，适当避免了因不理 解本质过程而产生的误差，同时，应用神经网络可以对大量的数据进行模拟预 测，并找出隐藏的规律性，不必寻求公式，具备自组织自适应能力。人工沉床 系统是一个非线性系统，系统内部的物理，化学，生物过程复杂多变，不确定 性强。这种情况下，应用人工神经网络可以充分发挥其在处理这方面问题上的 优越性，在黑箱模式下，进行模拟预测，使其具有一定的实用性。 第三节本章小结 本章主要介绍了非线性回归法与人工神经网络模型的建模规则和原理，并 针对不同的预测方式进行适用性分析，最后根据两种方法的优缺点选择适合的 模型进行人工沉床的水质预测。 1 6 第三章人工神经网络的理论基础 第三章b p 神经网络的理论基础 r u m e l h a r t 、m c c e l l a n d 等于1 9 8 6 年提出b p 人工神经网络，该网络是基于 误差反向传播的多层前馈型神经网络，应用较为广泛。b p 神经网络具有自组织 和自学习功能，能够根据大量的数据建立输入输出的非线性映射关系，可以 在一定程度上减小数学方程式的制约。在自组织、自学习的过程中，可以从大 量的样本数据中获得隐含规律，建立模型，训练b p 神经网络，经过反向传播不 断调整权值和阈值，实现从m 维到n 维的非线性映射，直到误差在指定的精度 范围内。经过样本集训练后的b p 神经网络保留着具有规律性的非线性映射函数 关系，用测试集样本检验神经网络的适用性，最后输入非样本数据进行预测， 因为网络在训练的过程中始终保持误差在允许的范围内，所以即使非样本数据 中存在异样数据也不会对神经网络的输出产生很大影响，b p 人工神经网络具有 强大的容错及泛化能力。 第一节b p 神经网络模型的基本概念 根据样本数据，经过权值和阈值的不断调整，控制样本的误差在规定范围 内，建立人工神经网络模型，然后将模型应用到实际的水质预测中。人工神经 网络就是通过这样的学习过程使其能够被广泛应用到各个领域。将表征水质的 非样本数据输入到已经训练好的b p 神经网络模型中，模型经过有限次的运算， 最终得出需要的影响水质因子的数据。b p 神经网络的自学习过程可分为以下几 步： ( 1 ) 对影响水质的各因子进行相关性分析，选择与输出因子相关性大的因 子作为输入数据项。 ( 2 ) 用样本数据进行训练，建立网络，将测试数据带入神经网络，检验神 经网络的适用性，当误差落在指定区间内时，网络停止训练，结构确定，可进 行水质预测。 用训练样本对各个层的权值和阈值进行校正，建立b p 神经网络模型，经过 这样的自学习过程，可以将数据中的规律性储存在神经网络中，进行下一步的 预测。简单来说，自学习过程包括信息的正向传播和误差反传两个过程。输入 层各神经元对外界的信息进行处理，再传送给隐层神经元，隐层对信息进行处 1 7 第三章人工神经网络的理论基础 理，交换，一般根据信息的不同，可以有不同的隐层数目，即单隐层和多隐层 结构，经过隐层处理后的信息将进入输出层，此时也是经过激励函数的处理， 再经输出层分析，权衡后输出结果，若经过正向传播后的实际输出结果与期望 输出不符时，进入误差反传阶段，应用误差梯度下降的方法修正权值和阈值， 经过不断的信息正向传播和误差反传，最终使误差降落到设置的误差区间或者 运算次数到预先设定的次数为止。一般确定网络结构时，需要对网络的输入层 节点数，隐含层节点数，输出层节点数，激励函数，以及其他训练参数等进行 确认，这些均可以根据结构的不同而进行有效的改善，使网络能够模拟预测复 杂的非线性系统。 第二节人工神经网络模型的建模规则 3 2 1 网络的拓扑结构 b p 神经网络能有效解决非线性连续函数的权值和阈值的调整问题，可通过 历史数据的训练，学习到数据中隐含的知识，被应用到分类、聚类、预测等多 领域。b p 神经网络的基本结构如图4 1 。信息从输入层输入，经隐含层，再到 输出层，各层节点相互连接，但是层内节点并无耦合，仅对下一层产生影响。 一般采用的激励函数是s i g m o i d 函数，输入层和输出层节点容易确定，但是隐含 层节点一般需要用经验公式或试算法反复运算得出。 砖节点 图3 1 神经网络结构图 b p 神经网络可以实现从m 维到n 维的非线性映射，即：r m r n ，通过多 个简单的非线性单元实现复杂的非线性函数映射的处理功能。同时，可以使函 数f 【x ) = y 在x 的很大的一个域内的数值为非零值。 1 8 第三章人工神经网络的理论基础 神经网络的模式顺传播和误差逆传播过程是b p 神经网络的核心部分，经过 这样的记忆训练，当网络逐渐收敛到全局误差满足精度