（环境科学专业论文）基于神经网络的大气环境质量评价研究.pdf

t h er e s e a r c h o f a t m o s p h e r e e n v i r o n m e n tq u a l i t y a s s e s s m e n t b a s e do nn e u r a ln e t w c i r k m a j o r ：e n v i r o n m e n t a ls c i e n c e n a m e ：q i n g f e n g z h u s u p e r v i s o r ：a s s o c i a t e p r o f s h u j u a n z h a n g a b s t r a c t t h e r e 眦m a n y m e t h o d so na t m o s p h e r e - e n v i r o n m e n tq u a l i t ya s s e s s m e n t ( a e q a ) a t p r e s e n t ，s u c h a s i n t e g r a t e d i n d e x a s s e s s m e n t , p r o b a b i l i t y s t a t i s t i c s m e t h o d ， t h e r m o d y u a m i ca n a l y s i sm e t h o d ，f u z z y m a t h e m a t i c sm e t h o da n d g r a ys y s t e m e v a l u a t i o nm e t h o d , e r e t h o u g he a c ho ft h o s em e t h o d sh a sc e r t a i na d v a n t a g e ，m o s to f t h e mn e e dt oc o n s t r u c ts u b j e c tf u n c t i o n s t oc o n 丘r i nt h ep o w e rv a l u e so fe v a l u a t i o n i n d e xa n dh o wt oc o n f i r mt h e m o b j e c t i v e l ya n dr e a s o n a b l y f o r n o to n l yt h ed e s i g n s o f t h o s es u b j e c tf u n c t i o n sc o n t a i nc o r t a i na r t i f i c i a lf a c t o m ，b u ta l s ot h ec a l c u l a t i o n so f p o w e r v a l u ee m b o d yr e a s o n l e s sa s p e c t s ，a sar e s u l tm u c h i m p o r t a n ti n f o r m a t i o nw i l l b el o s ti ns o m ec i r c u m s t a n c e i no r d e rt os t a n do u tt h e p r i m a r i l yp a r t a k i n g f u n c t i o no ft h em a i nc o n t a m i n a t i v e i n d e xi nt h ep r o c e s so f a s s e s s m e n t b u tt oa v o i dl o s i n gi m p o r t a n ti n f o r m a t i o n 船f a ra s i m p o s s i b l e ，t h i sp a p e r e s t a b l i s h e sa na s s e s s m e n ts y s t e mo f a t m o s p h e r i cq u a l i t yb a s e d o nn e u r a ln e t w o r k 卫1 er e s e a r c ho f t h i sd i s s e r t a t i o nh a s 曲t a i n e ds o m ea c h i e v e m e n t s ： f i r s t l y , u s i n g t h ec h a r a c t e f i s t i c a n a l y s i sm e t h o di s t o o p t i m i z ea t m o s p h e r i c m o n i t o r i n gp o i n t - a n dc o m p a r e 、 ，i mt h e r e s u l to f c l u s t e ra n a l y s i sm e t h o d ； s e c o n d l y , t h e t h r e s h o l d e v a l u a t i o ns t a n d a r d i sa d v a n c e dw h e n t h es c o p eo ft h e e v a l u a t i o nb e y o n dt h e n a t i o n a la i rq u a t i t ys t a n d a r d ； t h i r d l y , p u t t i n gf o r w a r dh i e r a r c h ya n a l y s i sa p p r o a c hi s t oc o n f i r mt h ew e i g h t w h i c hm e a n st h ep a r t a k i n gf u n c t i o no f e a c hc o n t a m i n a t i o nm a t t e ri nt h ep r o c e s so f a l m o s p h e r i cq u a l i t ya s s e s s m e n t f o u r t h l y , s o l e c t i n g t h ek o h o n e nn e u r a ln e t w o r ko ft h em a t l a bn e u r a l n e t w o r kt o o l b o xi st oc l u s t e ra n de v a l u a t ei nt h em o d e m i n d u s t r yp a r ko f p a n y uq u l a s t l y , u s et h es i n g l e i t e mi n d e xa sc o m p a r i s o ns t a n d a r d ，s e l e c ta p i m e t h o da n d g r a yc l u s t e rm e t h o da n dc o m p a r e t h e mw i mt h en e u r a ln e t w o r km e t h o d k e y w o r d s ：n e u r a ln e t w o r k ；a e q a ；g r a y c l u s t e rm e t h o d 致谢 致谢 本论文是在尊敬的导师张淑娟副教授的精心指导下完成的。在攻读硕士学位 的三年中，导师在学习、生活、做人等各方面给予了悉心教导和深切关怀。导师 高尚的人格、渊博的知识、宽广的胸怀、严谨治学的态度、乐于助人的精神、永 远乐观和积极向上的人生观，使我受益匪浅，是我不断前进的动力，是我学会怎 样做人的永远鞭策。值此论文完成之际，我谨向张老师夫妇致以崇高的敬意和衷 心的感谢l 本论文从选题、开题到定稿，自始至终得到了陈新庚教授、吴仁海副教授的 悉心指导和热情帮助，在此表示最诚挚的谢意! 在平时的学习和生活中，得到了黄虹、许冠英、范瑞、孙艳军、赵德骏、王 文强、王联鹏、韦彩嫩、丁顺清、张世喜、李霞、范小星、柏耀辉等的关心与帮 助，也得到了环科所、系其他老师和师兄弟们的关怀和帮助，在此一并表示感谢! 近三年的光阴，成千个昼夜，如今回忆起来，每时每刻都有难忘的往事。再 次感谢所有关心过我的人和我所尊敬的人，衷心地祝福您们：好人一生平安i 由于本人才疏学浅。论文中难免有疏漏不妥之处，恳请各位的批评指正。 中山大学硕士学位论文 1 1 大气污染 第1 章绪论 大气污染的概念起源于对其有害影响的观察。如果空气中出现通常没有或极 少的物质，其数量、浓度和在空气中滞留的时间足以对公众健康、动植物生命、 材料、大气特性或环境美学因素产生了可以测量的影响，可以说大气污染了。 1 1 1 大气污染源和污染物 大气污染源可以分为两类：天然源和人为源。天然源是指自然界自行向大气 环境排放物质的行为。人为源是指人类生产活动和生活活动所产生的污染源。由 于自然环境本身具有一定的自净能力，会使自然过程造成的大气危害，经过一定 时间后自动消除，使生态环境自动恢复。所以，大气污染主要是由人类活动造成 的。 大气污染物是指由于人类活动或自然过程排入大气，并对人和环境产生有害 影响的物质。按其来源可分为一次污染物和二次污染物。一次污染物是指直接由 污染源排放的污染物；二次污染物是指大气中一次污染物之间或一次污染物与大 气成分之间发生化学作用生产的污染物，其危害性比一次污染物更为严重。 襄1 - 1 大气污染物及其人为源 ! 塾坠! ：! ! 坠垩! 巳旦! ! 垡! 旦璺塑鱼坠型! ! ! ! 型塑坚! 望 类别一次污染物二次污染物人为源 洼| 稻o 和狲钨分劫代表一般的硫酸盐和硝酸盐。 按存在状态可分为气溶胶( 或颗粒物) 和气态污染物。表卜1 为一些重要的 第1 章绪论 气态污染物及其人为源。颗粒物一般根据其化学成分或大小来加以描述，常分为 总悬浮颗粒物( t s p ) ，可吸入颗粒物( p m l o ) 和降尘。t s p 是指悬浮在空气中，空气 动力学当量直径l o o 删的各种粒子的总称闭，是目前大气质量评价中一个常用 的污染指标之一；雕。是指长期漂浮在大气中、粒径在1 0 “m 以下的能够被人直 接吸入呼吸道内造成危害的各种粒子的总称，也是目前大气质量评价中一个常用 的污染指标之一，还是大气污染研究中最为关注的研究对象之一；降尘一般是指 粒径大于1 0 埘粒子的总称，由于自身的重力作用而能很快沉降下来。 1 1 2 几种典型的大气污染 根据参考文献【3 】，典型的大气污染有： ( 1 ) 煤烟型污染 燃煤是煤烟型污染的主要污染源。煤是重要的燃料之一，可燃成分主要由c 、 h 、s 、n 等元素构成的聚合物，是多种污染物的主要来源，具体见图卜l 。 圈i - i 燃煤过程及其产物图 f i g 1 - lt h ef i g u r eo f t h eb u r n i n gp r o c e s sa n dt h e i rp r o d u c t i o n s 不完全燃烧产物主要为c o 和v o c s 。它们排入大气不仅污染了环境，也使 能源利用率降低，导致能源浪费。 ( 2 ) 酸沉降污染 酸沉降是指大气中的酸通过降水( 如雨、雾、雪等) 迁移到地表，或在含酸 气团气流的作用下迁移到地表。前者为湿沉降，后者为干沉降。现在酸沉降已经 与臭氧层破坏、全球气候变化一起成为全球性大气环境问题中最为突出的三个研 究热点。 2 中山大学硕士学位论文 ( 3 ) 光化学烟雾 机动车尾气是光化学烟雾污染的主要污染源，是典型的二次污染。污染区域 可达下风向的几百至上千公里，是一种区域性的污染问题。所谓光化学烟雾，即 h c 与n 0 x 在太阳光能的作用下进行光化学反应，生成的光化学过氧化产物而形 成的烟雾，其产物主要包括臭氧( 0 3 ) 、过氧酰基硝酸盐( p a n ) ，此外还有游离 基、醛、酮、硫酸烟雾等。光化学烟雾对人体及生物的影响见表1 - 2 裹1 - 2 光化学烟雾对人体厦生物的影响 ：! 些：! ：；! 坠地笾鲤坠墅哑! 璺! 堕熊! ! 塑塑塑b ! 巴塑堕盟! 鲤! 垃i 篮! 璺! 地望 0 3 浓度( p p m )影响 o 0 2 o 2 0 2 o 5 0 5 1 0 l 2 5 1 0 1 5 2 0 5 0 以上 5 分钟内多数能察觉，1 小时内胶片脆化 人肺的机能减弱，胸部有紧缩感，眼睛红痛 3 6 小时，使人视力减弱 1 小时内呼吸紧张，气喘病恶化 2 小时头痛、胸痛、肺活量减少，人慢性中毒 全身疼痛、麻痹、肺气肿 小动物2 小时内死亡 人在1 小时内死亡 1 2 大气环境模型的研究现状 大气环境模型通过建立大气环境要素之间定量或定性的关系来描述大气环 境的客观规律，从而为大气环境管理提供有效的决策支持。根据研究手段的不同， 大气环境模型可分为数学和物理模型两大类。 大气环境数学模型是对大气管理各个要素的运行规律及其相互关系的数学 描述。其内容一般包括大气环境质量分级、预测、评价和规划等。多年来，许多 学者针对上述内容提出了大量的数学模型，在大气环境管理的决策实践中发挥了 重要的作用。 大气环境质量分级是指在没有大气环境质量综合评价标准的情况下，对大气 环境功能区的大量环境空气监测样本进行无监督分类，并进行质量分级。它有助 于全面了解功能区内环境空气的质量状况，是制定环境空气质量综合评价标准的 基础和前提，对于大气环境规划与决策等有着重要的指导意义。环境空气质量分 级目前尚无公认合理的方法，最常用的方法是a p i 法，即根据综合指数的大小划 第1 章绪论 分质量级别。近年来，研究人员针对大气环境管理工作的需要，提出了一些新的 分级方法，如距离法、系统分析法、模糊聚类法、灰色聚类法等。 环境空气预测包括大气污染负荷预测和气质预测模型，其中气质预测模型研 究的重点。气质预测模型是描述大气中污染物随时间和空间扩散、迁移和转化规 律的数学物理方程，它着眼于建立大气污染源与大气功能区之间的输入响应关 系，是大气环境容量与大气污染负荷分配计算的基础。气质预测模型的原理及结 构与污染物的物理化学特性及大气的流体力学规律密切相关。 大气环境质量评价依据既定的综合评价标准，对空气监测样本进行有监督的 分类，从而达到评价环境空气质量的目的。由于评价过程中存在大量的不确定性 和各指标评价结果的互不相容而成为研究的难点。目前，应用于大气环境质量评 价的方法很多，常用的有： ( 1 ) 模糊综合评判法 参考文献 4 5 ，设环境质量因子集为( u ) ，评价论语集为 v ) ，u 与v 之间 的边界模糊关系用模糊关系矩阵r 表示为： f t ：r x 尺= i i ( 1 - 1 ) l l 表示第i 种污染因子的环境质量值被评为第j 级环境质量标准的可能性，即第 i 种污染因子隶属于第j 级环境质量标准的程度，具体数值由隶属函数给出。用 u 上的模糊子集a = a l u i + 叫u 2 + + “u r i 表示权重分配，a 1 为权重分配系数。b = a r ，即为模糊综合评价模型，其中“”表示模糊矩阵合成算子。 ( 2 ) 模糊聚类分级法 按照聚类分析结果对环境质量分级的方法。对未知所属类别的1 3 个观察单 位，分别观察m 个变量值，经过运算后，将n 个观察单位或m 个变量分成若干 类，使同类的内部差别较小，而不同类之问的差别较大：相似的归并为同一类。 方法有：1 ) 指标聚类分析，即将相关系数大的指标归并为成一类，并在这类中 找出一个具有代表性的指标，这样可以缩减指标的个数，然后再进行逐步回归， 选择主要因素；2 ) 样品聚类分析，即用距离系数1 6 1 d 日= i x 。一x j l i ( 1 - 2 ) 中山大学琢士学位论文 对样品聚类，根据变量之间绝对值的最小距离得出聚类结果，用d 。表示数据i 和j 之间的距离。 在实际应用中，需要对隶属函数、权重及模糊变换算子选择，在计算贴近度 前必须对样本数据进行处理，消除原指标量纲，然后加权，且压缩到 o ，l 】区间。 ( 3 ) 灰色关联评价法 该方法是由灰色系统理论衍生的一种系统评价法，是用关联度的大小来描述 受多因素影响的灰色系统之间关联程度的一种定量化方法。关联度的计算采用下 式川： 删= 等搿等群 m 。， 式中：r a i nr a i n 口l n 两蟹最小差； i l t b xr i l k xa ( i ) 叫赠德戈势 p 海分辨系教在1 1 ； ( 七) z k 非) 一x j ( k ) | 为玉( 七) 与工j ( 七) 茬第篇镪氆蚋吮彗， 号4 为t x m s x 煽 2 阃的关联凄。 若 薯( 的) 是己知比较数列， 工，( 七) 是己知参考数列，且有亭- - - - m a x 孝 u ( k ) ) ， 则数列 葺( 七) ) 与数列 x ，( 七) ) 关联度最好。如果 薯( _ j ) 是某个待评价样本的参数 实测值组成的数列， x j ( k ) ) 是某一级别的各参数标准值所组成的数列，由于数 列 而( 意) 与数列 x j ( k ) 关联度最好，所以将该样本评价为该级最为合适。 ( 4 ) 层次分析法 该方法是2 0 世纪7 0 年代提出的删，一种用于处理关于多目标、多准则、多 因素、多层次等复杂问题、定性和定量分析相结合的系统分析方法。先是将所要 分析的问题层次化，根据问题的性质和所要达到的总目标，将问题分解为不同的 组成因素：然后按照这些因素问的相互关联影响以及隶属关系将因素按不同层次 聚集组合，形成一个多层次分析结构模型。最后将问题归结为最低层相对最高层 的比较优劣的排序问题。 ( 5 ) 主分量分析法 该方法将评价指标体看作随机变量，由于这些指标之间常常呈线性相关，所 以先将众多线性相关的指标转换为少数线性无关的指标，然后运用这些少数线性 第l 章绪论 无关的指标来对系统进行综合分析和评价。该方法具有两个特点p 】：一是采用正 交变换，实质上是解决线性代数中的“主轴”问题，即在模式向量空间中进行坐 标变换，将原来线性相关的y i ，y 2 ，y n 变换为相互独立的x l ，x 2 ， x n ；二是采用公式： r ：翌，8 5 ( 1 - 4 ) = 1 l l l 1 1 丑 提取x l ，x 2 ，x 中的主要成分x l ，x 2 ，x d ，进行降维处理。 ( 6 ) 综合指数法 综合指数法，简称a p i 法，是一种以超标倍数为基础进行加权复合，探索气 质各指标之间的相容分析模式【1 0 1 。污染指数与各项污染物浓度的关系是分段线性 函数，各污染物的分指数- i t 扫实测浓度值q 用内插法计算。 当第i 种污染物浓度c l ，c f s q 州时，其分指数为： = 裂- 吨h ，( 1 - 5 ) 式中：l 。第t 种污染麴的污染分强数； c t 第t 种污染麴的实涌浓度值； l t 。第t 种污染物n 转折点的污染分项指数： l t “第i 种污染物n + l 转辑患帕污染分瑷指数； c t 。第t 种污染物n 转辑点的浓度限僮； c t “第t 种污染物n - ，- i 转折点的浓度陨值 各种污染物的分指数计算出后，取最大者即为该区域的a p i 指数。 a p i = m a x ( l ，j 2 ， i 一) ( 1 - 6 ) 上述方法的共性都是依据大气污染物的分级标准，比较待评价的大气环境中 的各污染物监测值与哪级标准浓度最为接近，则它就符合哪级大气环境质量标 准。 大气环境规划是人类为了使大气环境与社会经济协调发展对自身活动和大 气环境所做的时间和空间的合理安排。其内容比较广泛，有大气污染控制系统规 划、大气环境多目标规划、大气环境工程经济效益分析等，研究的焦点主要集中 在优化计算方法的探讨上，目前比较常用的方法有线性规划、整数规划【1 1 】、动态 规射、多目标规划、非线性规划等1 2 1 3 】。 6 中山大学确士学位论文 随着社会经济的发展，大气环境管理的任务日益繁重，对大气环境数学模型 的要求越来越高，模型模拟的内容和需要考虑的因素愈来愈多，结构日趋复杂， 呈现出高维性、非线性、不确定性的发展趋势，传统模型及其求解方法的适用条 件有许多发生了变化，出现了一些需要加以研究解决的问题： ( 1 ) 大气环境质量分级依据综合指数的大小来进行分级，方法虽然简单易 行，但过于粗糙；模糊聚类法、灰色聚类法等尽管考虑到了人的主观愿望，但也 存在容易主观化、计算复杂等不便之处。 ( 2 ) 大气环境质量评价方法主要存在单指标评价中不确定性分析及复合深 度和广度不够以及综合评价中相容分析模式过于简单主观两个突出问题，使得函 盖的信息量不够丰富，导致评价结果分辨率不高。 ( 3 ) 基于污染物物理化学机理和大气流体力学特性的大气环境预测模型往 往面临着参数难以识别、初值和边界值概化误差大、计算量大等诸多不便。从而 直接影响了模型的预测精度。 ( 4 ) 大气环境单目标规划中非线性、高维化、复杂化的现象愈来愈突出， 有的规划模型的目标函数及约束条件甚至难以用数理方程来描述，这给传统的优 化算法带来了许多挑战 ( 5 ) 大气环境多目标规划求解技术中普遍缺乏非劣解集生成、整体寻优的 有效机制，缺乏专家知识的决策视野。容易造成决策的局限性和影响决策的效率。 1 3 本论文的研究背景及其意义 由于大气环境影响指标较多，各指标对大气环境的贡献存在着较大的差异， 且彼此间的影响较难确定。虽然各国学者提出了不少大气环境影响评价的数学模 型，如综合指数评价法( a p i 法) 、模糊评价法、物元评价法、灰色关联评价法、 未知测度评价法等n 4 1 。但至今尚无一种公认的、确定的评价模型。这是因为上述 方法在克服了其它评价方法不足的同时，本身也存在着一些缺陷 1 5 - 1 6 1 。 1 3 1 现有评价方法的不足 1 3 1 1 综合指数评价法( a p i 法) 7 第l 章绪论 综合指数法虽然操作实用性强，但实际应用中有许多不足。由于各污染指标 的危害程度与浓度之间并非服从线性关系，以最高的a p i 指数代表其污染程度， 丢失了许多宝贵的中间信息，使得评价结果失真。此方法虽综合、简便、直观， 但只适用于描述短时间内、污染程度较严重的地区的空气质量状况。目前我国只 采用s 0 2 、n 0 2 、p m i o 三项指标。 1 3 1 2 模糊综合评价法 模糊综合评价方法解决了污染指数存在的问题，但在实际应用中，仍存在着 几方面的不足： ( 1 ) 在建立单指标隶属函数时，需要同时对每一级别逐一建立隶属函数， 过程较繁，而且隶属函数分段界限值按相邻质量标准级的平均取值，则实际污染 指标浓度为质量标准级值时，会改变隶属特性，影响实际评判效果； ( 2 ) 在赋值时，没有既考虑到各污染指标对环境影响的程度不同，又突出 主要污染指标在污染评价中的主要分担作用： ( 3 ) 复合过程的基本运算规则是取小除大，其目的是强调极值的作用，但 模糊向量a 限定了隶属度取值的上限，不但没有起到重要性权重的作用，还容 易导致隶属度的均化甚至相同，从而导致评判结果均化和失真：同时模型中“取 大”、“取小”的算子在评判过程中只利用了实际数据中极值的信息，而忽略了宝 贵的中间值信息，评价结果主要受控于个别参数，容易以偏概全，导致失真。 1 3 1 3 灰色聚类评价法 ( 1 ) 在建立各污染指标白化函数时，亦需要同时对每一级别逐一建立白化 函数，过程较繁： ( 2 ) 聚类评价时，是取所有污染物聚类系数中最大者代表该监测点的聚类 类别，这往往会丢失其它信息，容易以偏概全，导致失真。 1 3 2 选题背景 王爱民【l 刀指出客观事物本身在很多情况下都带有模糊性，即没有明确的外延 8 中山大学硬士学位论文 ( 有公认标准) ，使得评价与决策工作必须引入模糊数学的理论与方法，才能使 决策的效果更加切合实际，更加标准。 另外，在各项管理工作中，模糊综合评价、模糊信息的理论与方法已经得到 较为广泛的应用，取得了较好的决策效果。并且，人工神经网络是模糊系统的分 支。所以本论文选择人工神经网络作为大气环境质量评价的一种方法。 1 3 3 研究意义 目前环境质量评价的方法很多，主要有综合指数法、概率统计法、热力学分 析法、模糊数学法和灰色系统评价法等n 缸嘲。这些评价法各具有一定的优点， 但大都需要构造隶属函数或白化函数和确定各评价指标的权值及怎样客观与合 理确定权值阅。而隶属函数或白化函数的设计不仅具有一定人为性，在某些情况 下会丢失较多的信息，且权重的计算方法也有不合理的一面 由于人工神经网络具有大规模的并行处理和分布式的信息存储能力，因而不 会丢失信息；具有自学习、自组织、自适应、自修复以及良好的容错与抗干扰能 力，因而能够摆脱决策过程的随机性和决策人员主观上的不确定性、认识上的模 糊性。 1 4 本论文的研究内容 针对大气环境质量评价是多种污染物的综合评价，为了突出主要污染指标在 评价过程中的主要分担作用，但又尽量避免评价过程中丢失信息，本文建立了一 基于神经网络的大气环境质量评价体系，其具体内容包括： ( 1 ) 运用特征分析法优化大气监测布点； ( 2 ) 根据国家空气质量标准和我国城市a p l 分级浓度限值，建立“闽值 评价标准； ( 3 ) 构造大气环境质量层次分析结构模型，运用层次分析法确定各污染物的 赋权； ( 4 ) 采用i c m t l a b 神经网络工具箱中的k o h o n e n 神经网络对番禺区产业园进 行聚类评价： ( 5 ) 以单项指数评价结果为基准，对神经网络法、a p i 指数法和灰色聚类法 9 第1 章绪论 的评价结果进行比较。 1 0 中山大学硬士学位论文 第2 章人工神经网络简介 2 1 人工神经网络的发展概述 人工神经网络的研究始于2 0 世纪4 0 年代，共经历了四个发展阶段： ( 1 ) 萌芽时期 1 8 9 0 年，美国生理学家w j a m e s 首次阐明了有关人脑结构、功能，以及一 些相关学习、联想记忆的基本规则m 1 。 1 9 4 3 年，数理逻辑学家m ec d l o c h 和心理学家w p i t t s 首先采用了数理模型 的方法【捌，研究了脑细胞的动作和结构及其生物神经元的一些基本生理特征， 提出了神经元的数学模型，即为神经元的阈值元件模型，简称m p 模型，开创 了人工神经网络研究的先河。他们的贡献在于：一是证明了用m - p 模型能完成 任意有限的逻辑运算；二是他们是在w j a m e s 后第一个采用并行结构描述人工神 经元和网络的；三是为进一步的研究提供了奠定了基础。 1 9 4 8 年，计算机专家v o nn e u m a n n 提出了简单神经元构成的自动机网络结 构，可惜这个设想没能实现，但是，他仍是人工神经网络研究的先驱者之一。 1 9 4 9 年，神经生物学家d o n a l d0 h e b b 对大脑神经细胞的学习过程作了大 胆的假设，提出了h e b b 学习规则1 。其基本思想是：神经元输入与输出节点的 状态相同时，连接强度增加，否则减弱。h e b b 学习规则的提出，为以后神经网 络学习算法的研究奠定了基础，对神经网络的发展起到了重大的推动作用。 1 9 5 8 年，计算机专家f r a n kr o s s e n b l a t t 定义了一个神经网络结构伫4 1 ，称之 为“感知器( p e r e e p t r o n ) ”，即为著名的感知器模型，这是一种多层神经网络， 也是第一个真正的人工神经网络。r o s s e n b l a t t 用p e r e e p t r o n 来模拟一个生物视觉 模型，输入由随机的一组细胞组成，代表视网膜的一个小的范围，每个细胞又与 下一层的神经细胞( 称为a u 单元) 相连，而a l l 又与输出层( r u ) 相连，其 目的是通过学习，使对应的输入有正确的输出。该模型取得了成功。 1 9 6 0 年，b e r n a r dw l d r o w 和m a r c i a nh o f f 提出了自适应线性神经网络模型 【2 5 1 。他们介绍的器件是一个称为“a d a l i n e ”的累加输出单元，输出的值是一1 和+ 1 ；提出了w i d r o w - - h o f f 算法，这种算法不仅使得权的学习速度较快，而且 第2 章人工神经罔络简介 还能获得较高的精度。这个算法就是l m s 算法，也就是著名的速降法。这是一 种连续取值的线性加权求和阈值网络，现在已经在电力系统和其它控制领域有了 较广泛的应用。 二十世纪六十年代，神经网络理论得到了进一步的发展。如g r o s s b e r g 2 6 1 从 信息处理的角度，研究了思维和大脑结合的理论问题，运用数学方法研究了自组 织性、自稳定性和自调节性，以及直接存取信息的有关模型。日本神经网络理论 家a m a r i 注重生物神经网络的行为与严格的数学描述相结合，尤其是对信任分配 问题的研究，得到了许多重要结果。n i l s s o n 对多层神经网络，即具有隐层的神 经网络作了精辟论述口7 1 ，他认为网络计算实质上是一种坐标变换或是一种映射 等。 ( 2 ) 低潮时期 1 9 6 9 年，m a r t i nm i n s k y 和s e y m o u rp a p c r t 发表了名为( p e r c e p t r o n s 的论 著口钔，他从感知器的功能及局限性入手，在数学上进行了分析，证明了感知器 既不能实现x o r 逻辑分类问题，并且对认知群不交性无能为力等，对当时与感 知器有关的研究及其发展产生了恶劣的影响，学者们纷纷把研究兴趣转移到人工 智能或数学计算机有关的理论和应用方面，一些国家也相继终止了对神经网络研 究课题的资助，神经网络的发展从此陷入了困境。但也有不少科学家仍继续探索。 1 9 7 2 年，芬兰h e i s i n k i 科技大学的t e u r ok o h o n e n 提出了神经网络的结构为 “联想记忆”的论点；美国b r o w n 大学的j a m e sa n d o r s o n 则称他的网络为“活 动记忆”。他们两人的网络在结构上、学习算法上和变换函数上几乎相同，不同 的是k o h o n e n 使用的网络从输入、连接权到输出都是连续值，且输出的神经元 数目大，对噪声不大敏感，因而更具有一般性；a n d o r s o n 主要侧重与生理上的 模型和学习方法中。 1 9 7 4 年，w e r b o s 提出了误差反向传播原理【2 9 1 ；1 9 7 6 年，波士顿大学的s t e p h e n g r o s s b e r g 提出了能够识别或分类任意多个复杂二元输入图像的自适应共振理论 ( a r t ) 模型t 3 0 ；1 9 8 0 年，f u k u s h i m a 提出了视觉图像识别的n e o e u g n i t r o n 模型 等【”1 。 ( 3 ) 复兴时期 1 9 8 2 年和1 9 8 4 年，美国生物物理学家j o h nj h o p f i e l d 发表了两篇关于神经 网络的重要论文，引起了巨大的反响。他提出了h o p f i e l d 网络1 3 2 1 ，在该神经网 1 2 中山大学硕士学位论文 络中引入了“能量函数”的概念，使神经网络的稳定状态有了明确的度量，得到 了网络稳定过程就是能量函数趋近局部极小的过程，从而使网络具有联想记忆和 优化计算的功能；另外，h o p f i e l d 还提出了用模拟电子器构造该神经网络简明的 集成电路的实现及其一系列应用，研究取得了成功，对神经网络理论的发展产生 了深远的影响，引发了神经网络理论研究的新高潮。 1 9 8 1 年和1 9 8 4 年，k o h o n e n 提出了并完善了自组织映射网络模型p 3 】，自适 应学习的效果比较显著。 1 9 8 4 年，i - i i n t o n 等人提出了b o l t z m a n n 机模型洲，借用统计物理学中的概 念和方法，引入了模拟退火方法。首次表明多层网络是可训练的。1 9 8 6 年， s e j n o w s k i 对该模型进行了改进，提出了高阶b o l t z m a n n 机模型和快速退火算法 等，这些成为随机神经网络的基本理论。 1 9 8 4 年，k o s k o 建立了具有非监督学习能力的双向联想存储模型【弼。 ( 4 ) 发展时期 1 9 8 6 年，r u m e l h a r t 和m cc l e l l a n d 提出著名的神经网络的误差反传学习算 法( b p 算法) ，从原则上解决了神经网络训练算法问题。直到现在b p 算法仍是 神经网络训练与学习的主要算法。正是由于解决了训练方法问题，使得神经网络 有了很强的运算能力，神经网络的应用范围大大拓宽。 1 9 8 7 年，在圣地亚哥召开了首届国际神经网络大会，国际神经网络联合会 ( 烈n s ) 宣告成立，i n n s 创办的刊物“j o u r n a ln e u r a ln e t w o r k s ”问世，十几 种国际著名的神经网络学术刊物纷纷出现。 1 9 8 8 年，c h u a 和y a n g 提出了对神经网络理论的发展产生了很大影响的细 胞神经网络模型( c n n ) 口”。神经网络理论经过半个多世纪的发展，已经进入 了蓬勃的发展时期。 2 0 世纪9 0 年代以来，神经网络理论研究的深度和广度都在进一步拓展，与 其它高新技术的交叉研究取得了长足的发展。9 0 年代初，诺贝尔获得者e d e l m a n 建立了神经网络系统理论，提出了d a r w i n i s m 模型，对神经网络的发展产生了很 大影响。1 9 9 1 年，h a k e n 把协同学引入了神经网络。1 9 9 4 年。v i t t o r i o 研究了进 化神经网络的结构及其权值进化问剐3 8 】。1 9 9 5 年，j e n k i n s 等研究了光学神经网 络口9 1 。 到目前为止，神经网络已经在人工智能、优化计算、识别与分类、规划与分 1 3 第2 章人工神经舟络简介 析、联系记忆等方面取得了广泛的应用。 自1 9 9 4 年以来，b p 神经网络模型逐渐被引入到水环境质量综合评价中。近 年来，我国学者在环境评价开展了不少的工作，如李祚泳【4 0 _ 、郭劲松 4 2 1 、郭 宗楼 4 3 1 、冯利华 4 , 1 1 、倪海深【4 5 1 等在大气、水质、海水与湖泊富营养化、地下水 等方面的应用取得了丰硕的成果。 2 2 人工神经元的模型 2 2 1 生物神经元 人工神经元是从生物神经元得到启发而出现的，因此研究人员在研究人 工神经网络的结构和算法时经常思考人脑的结构、功能等问题。生物神经元由三 部分组成 4 7 1 ，如图2 一l 示： 圈2 - 1 神经元结构 f i g 2 - 1t h ef i g u r a t i o no f a n e l - v oc e l l 细胞体 ( 1 ) 细胞体( c e l lb o d y ) ，由细胞核、细胞质、细胞膜组成，直径为5 至1 0 0 微米不等； ( 2 ) 树突( d e n d r i t e s ) ，即神经纤维，细胞体向其它细胞伸出的最长分支，为 细胞的输出端，每个神经元只有一个： ( 3 ) 轴突( a x o n ) ，亦称为枝晶，是细胞体向外伸出的许多较短的树状分支， 1 4 中山大学硕士学位论文 相当于细胞的输入端。 输入的信号有些是使神经元兴奋的，有些是使神经元抑制的。当使神经元兴 奋的信息总量超过某一阙值时，该神经元就被激活，并经树突向其它神经元送出 信息；反之，当使神经元的抑制信息总量低于阈值时，该神经元就被抑制，没有 神经冲动输出。 2 2 2 人工神经元 图2 2 中绘出了一个最简单的人工神经元模型【勰l 。 由图可看出，人工神经元有三个基本要素： 一组连接权，连接强度由各连接上的权值表示，权值为正表示激励，为负 表示抑制； 一个求和单元，用于求取各输入信息的加权和； 一个非线性激励函数，起非线性映射作用并限制神经元输出幅度在一定范 围之内( 一般限制在【o ，1 】或【一1 ，l 】之间) 。 输 入 信 息 权值 似 、 求和 激励函数 0 k 阈值 输 y k 卷 息 图2 。2 人工神经元 f i g 2 - 2t h e a r t i f i c a ln e u r a lc e l l 此外，还有一个阈值ok 。其输入输出关系可以用数学式描述为： l = 毫”幽卅t ( 2 - 1 ) ，1 i 一一 ) ，。= 西( ，。) 式串：x 、。x l ，x 。神经元的翰入信号； l ，略2 ，却艟宏量抛 8 t 阕值； 心q 神经元的激勖函数； 第2 章人工神经网络简介 y t 神经元k 豹箱出信号。 激励函数中( ) 常见的形式如下； ( 1 ) 阶跃函数，亦称为阈值函数。 坼，苌三： 协2 ， ( 2 ) 分段线性函数，它类似于一个带限幅的线性放大器。 f 1 z 1 中( x ) ：t i ( 1 + z ) - 1 x 数据“二进制”编码 根据上述规则，对表3 一l 的监测数据进行“二进制”编码，其结果见表3 - 3 。 中山大学硕士学位论文 衰3 - 3 污染物监测数据的“二进制”编码 坠i ：i 堡：! i 磐坐避巴：型! ! ! 笆! ! 塑! 墅! l 塑堕篮! 塑 监测点名称编号 相应的“二进制”编码 ( 5 ) 求联系度 首先由表3 - 3 ，得到编码矩阵x 为： x= 0 o 0 i o o 0 0 o o 0 o o 0 o 0 o l l v i i l n v i ；i i i i 1 1 o 1 0 o l l o o o l 0 o o 0 0 1 o ii i i 1 o ；i i l l o o o o o o o 0 o o 0 o o o l o o o i i l o i l o l l o l l 1 i l l ；i i i i l l 第3 章基于神经网络的大气环境质量评价体系 然后，求出转秩矩阵舅7 为： x 7 = 接着，求工7 x 。 z7 j = 第四步，求解矩阵x 7 x 的特征值矩阵d 及相应的特征向量v ： i - 0 0 0 0 00 0000000 1 0 - 0 0 0 0 00000 000 1 0 00 4 7 3000000 1 000 们酗00000 d 斗0000l 0 0 0 0000 0 1 0 00001 3 9 1 4000 1 0000001 l l 衢00 1 0 00000 01 7 2 7 80 1 0 0000 0009 1 4 3 5 8 q 3 0 6 7n 1 7 5 1o n 2 1 4 1a 孵0 晒b 卸l 国n 7 0 7 l 0 3 0 6 7n 1 7 5 10 n 6 l b 0 3 9 7 80 o 【0 1 硝d q 啦70 q 二日6 7n 1 7 5 10 - 4 ) 2 6 7 8 川岍酷0 n n 印岛m 7 d f 7 1 q 1 3 5 60 0 6 6 7n 0 4 s 7q 铆 旺1 8 孵- 0 8 7 6 6q 1 8 蝴3 0 , 0 4 1 7 n l 凹嘎0 9 5 4q 6 7 n n 5 6q 0 5 卵- 0 0 = 1 8 7q 茁9 7 n 雯3 7q 1 8 6 1n 位8 80 l , 囊y 7 - 0 2 3 9 7a z 7 西q 9 1 晒n 1 3 1 5 q 1 3 5 60 0 5 6 7- - 0 0 4 8 7q 屯卵 q 7 s 苒日b 0 n 弱q 3 黜 n 0 4 1 7 n 1 0 2 7 - 0 0 9 5 4n 6 7 l 1 o l l o l l o l l o l l l l l 0 1 l l 1 l o l 1 o l l o l l o l o o l l o 1 1 o 1 1 o l l o 1 l o l l o l o o 1 l o l l o l l 0 l 1 l l 1 o l l o 1 1 o 1 l o l 0 o l 1 o l l o l 1 o l 1 o l l o l l o 1 l l 1 o o l 0 o 1 l 1 1 1 o l 1 o 1 1 0 l 1 l l l o l 1 o l 1 o l l o l 1 l l l o l 0 o 1 1 0 1 1 o l l o 1 1 o l l 1 ：2 h 4：2， 7 3 7 6 7 5 i l 1 j i 5 4 0 5 5 5 5 4 o 6 2 6 6 6 4 i l 1 j i 7 3 7 6 7 5 l l j i l l l 1 l 0 l l o n，心4 7 3 7 6 7 5 1 l l j i 中山大学颈士学位论文 第五步，由d 确定矩阵x x 的最大特征值a 为： a = 9 1 a 1 5 3 相应的特征向量a 为： = q 御0 3 3 7 30 0 j 6 7 0 4 2 9 7 0 4 0 7 70 1 3 1 50 4 2 9 70 3 8 3 8 q 0 研 最后，根据式( 3 - 9 ) 求各样本联系度所构成的矩阵y ， y ；x a = 绘制联系度y