【某地区地下水的水质评价分析案例4300字】

某地区地下水的水质评价分析案例目录TOC\o"1-3"\h\u21837某地区地下水的水质评价分析案例 1274961.1评价因子的确定 1318571.2BP神经网络分析 1294991.2.1BP神经网络的原理 1259441.2.2BP神经网络的建立 2202271.2.3BP神经网络评价结果 81.1评价因子的确定研究区潜水是该区域的饮用水来源，所以地下水的水质必须满足饮用水质量标准（Ⅲ类水）。根据水样组分的分析结果，同时参考《生活饮用水标准（GB5749—2006）》中的评价指标，以及研究区附近一带有生活区和工业区。因此，最终确定的评价因子为：总硬度、TDS、钠、铁、氟离子、氯、亚硝酸盐、硝酸盐、六价铬、氨氮以及硫酸盐。利用这些离子的检测数据对研究区的地下水水质进行评价。1.2BP神经网络分析1.2.1BP神经网络的原理BP神经网络模型实际应用前要先对网络进行训练，通过不断的训练使网络能力达到最优或期望的水平[82]。BP神经网络的网络结构一般设置为3层，系统的输入层神经元Xi,隐含层Z个神经元，权重是ϑij，隐含单元到输出单位的权重是ωjk，输出单元和隐单元的阈值分别是θj（4-1）输出单元的输出函数：（4-2）在训练阶段，BP神经网络给定一个学习样本（X,T），T=（t1，···，tk）是目标输出，实际输出是Y=（y1，···，yk），样本学习训练过程中不断地对权值进行调整，具体训练步骤如下：设置训练样本集。权重ϑij和ω计算出隐含层单元的输出向量（h1，···，hk）和最终输出向量（y1，···，yk）。通过下列公式计算出各输出误差项和隐含层单元误差项，将输出向量yk和目标向量tk进行比较。δkδk逐个的计算出权重的调整量：（4-5）（4-6）其中η为学习率，是控制学习速度的常数。权重调整wjkvij其中μ为惯性系数，加快算法的收敛速度。重新迭代至权重稳定[83-88]。1.2.2BP神经网络的建立（1）网络层数在BP神经网络拓扑结构中，输入层与输出层是必须具备的，因为隐含层层数也就成了确定网络层数的关键所在。隐含层层数的选择是否恰当直接影响到网络性能的优劣。因此本文建立的网络模型由一个输入层、一个隐含层和一个输出层组成的三层BP神经网络模型[89-90]。（2）输入层和输出层的节点数依据《地下水质量标准》GB/T14848-2017将地下水分为五类。一个等级就是一个标准样本。从《地下水质量标准》中选取研究分析中需要的因子，因子的个数也就作为神经网络的输入节点数。污染因子的个数决定输入节点数，根据评价标准将地下水类别分为五类，也即输出节点是5个，从而把每个学习的期望输出设计为：

图5-1BP神经网络分析期望输出值所选离子的个数决定输入节点数，本文选取的研究指标因子为12个，分别是钠、铁、锰、氟离子、六价铬离子、硫酸盐、硝酸盐、亚硝酸根、氨氮、氯、溶解性总固体和总硬度。（3）隐含层节点数BP人工神经网络中最关键分步骤就是确定隐含层神经元节点数，这直接影响网络对复杂问题的映射能力。增加隐含层的数目可以提高BP网络的非线性映射能力，但同时当隐含层数目超过一定值的时候，网络性能反而会降低[91-93]。根据前人研究神经网络的经验，由公式Y=2P+1（Y表示隐含层节点数，P为输入层节点数确定隐含层的节点数，由此建立BP神经网络模型,所以隐藏层就是21。但是根据调试结果发现隐藏层设30层效果最好。（4）训练数据归一化处理在进行网络训练前，为了取消各维数据之间数量级差别，避免因为由于数据差别过大使某些数值低的特征失去作用，常对数据进行归一化处理，使数据变成[0,1]之间的数值，可按下列公式对数据进行归一化处理。Xi公式中Xik为第i类第k项的值，本文选取钠、铁、锰、氟离子、铬离子、硫酸根、

表5-1水质分类标准评价因子（mg/L）ⅠⅡⅢⅣⅤ总硬度150300450650750TDS300500100020003000钠100150200400500硫酸盐50150250350450硝酸盐25203040氯化物50150250350450铁离子0.10.20.323氟离子11123六价铬0.0050.010.050.10.2亚硝酸盐0.010.114.81.8氨氮0.020.10.51.52.5对表5-1中各标准水质中水质因子数据按相应公式进行归一化处理后，评价标准结果如表5-2所示表5-2归一化处理后的各离子评价标准评价因子（mg/L）ⅠⅡⅢⅣⅤ总硬度00.250.5000.8331TDS00.0740.2590.62961钠00.1250.2500.7501硫酸盐00.2500.5000.7501硝酸盐00.0790.4740.7371氯化物00.2500.5000.7501铁离子00.0350690.6551氟离子000.3880.5921六价铬0000.5001亚硝酸盐00.0260.2310.4871氨氮00.0320.1940.5971将归一化后的水质标准值作为神经网络学习的样本训练模型，为检验模型训练的效果，定义样本数据的目标输出表（表5-2），若模型训练输出结果较好，则证明网络训练成功，模型可以采用。

表5-3定义样本数据的目标输出表等级12345Ⅰ10000Ⅱ01000Ⅲ00100Ⅳ00010Ⅴ00001表5-3中的目标输出设置为输出节点中的值为1，则可以得出其对应的水质等级。实际应用中根据输出结果中接近于1的值和其他接近于0的值判断出水质的等级。（5）训练结果当隐含节点为30个时，样本网络训练14次满足误差10-8的要求。图5-2训练结果

1.2.3BP神经网络评价结果表5-4潜水含水层BP地下水水质评价结果采样点编号含水层ⅠⅡⅢⅣⅤ结果1潜水10000Ⅰ2潜水10000Ⅰ3潜水01000Ⅱ4潜水01000Ⅱ5潜水10000Ⅰ6潜水01000Ⅱ7潜水01000Ⅱ8潜水00100Ⅲ9潜水10000Ⅰ10潜水10000Ⅰ11潜水10000Ⅰ12潜水10000Ⅰ13潜水10000Ⅰ14潜水10000Ⅰ15潜水10000Ⅰ16潜水01000Ⅱ17潜水10000Ⅰ18潜水00100Ⅲ19潜水01000Ⅱ20潜水00100Ⅲ21潜水00100Ⅲ22潜水00100Ⅲ23潜水00100Ⅲ24潜水00100Ⅲ25潜水01000Ⅱ26潜水00010Ⅳ27潜水00100Ⅲ28潜水01000Ⅱ29潜水01000Ⅱ30潜水00100Ⅲ31潜水10000Ⅰ32潜水10000Ⅰ33潜水00100Ⅲ34潜水00010Ⅳ35潜水01000Ⅱ36潜水01000Ⅱ37潜水10000Ⅰ38潜水00100Ⅲ39潜水01000Ⅱ续表5-4潜水含水层BP地下水水质评价结果采样点编号含水层ⅠⅡⅢⅣⅤ结果40潜水01000Ⅱ41潜水10000Ⅰ42潜水10000Ⅰ43潜水00100Ⅲ44潜水01000Ⅱ45潜水00100Ⅲ46潜水00100Ⅲ47潜水00100Ⅲ48潜水10000Ⅰ49潜水10000Ⅰ50潜水10000Ⅰ51潜水10000Ⅰ52潜水10000Ⅰ53潜水10000Ⅰ54潜水01000Ⅱ55潜水01000Ⅱ56潜水00100Ⅲ57潜水00100Ⅲ58潜水00100Ⅲ59潜水00100Ⅲ60潜水10000Ⅰ61潜水10000Ⅰ62潜水01000Ⅱ63潜水00100Ⅲ64潜水00010Ⅳ65潜水00010Ⅳ66潜水00010Ⅳ67潜水00100Ⅲ68潜水00010Ⅳ69潜水00010Ⅳ70潜水00010Ⅳ71潜水00100Ⅲ根据表5-4可知，潜水含水层中评价结果为Ⅰ类水的有24个取样点，占潜水取样点的30.95%；Ⅱ类水有18个点，占取样点的23.81%；Ⅲ类水有22个点，占取样点的29.76%；Ⅳ类水有7个点，占取样点的9.52%。图5-3是潜水含水层水质分布图。图5-3潜水含水层水质分布图图5-3可以直观的看出，研究区内的水质分布情况，依据以上的计算以及统计可知，潜水含水层总体上水质良好，除在西北以及东北地区有少量的Ⅳ类水存在外，其他地区水质基本上都处于Ⅲ类水以上的水平。而西北及东北地区水质较差的原因是基岩山区的水文地质条件较差，以及人类活动的影响。表5-5承压含水层BP地下水水质评价结果采样点编号含水层ⅠⅡⅢⅣⅤ结果1承压水00100Ⅲ2承压水01000Ⅱ3承压水00100Ⅲ4承压水01000Ⅱ5承压水01000Ⅱ6承压水00100Ⅲ7承压水00010Ⅳ8承压水00100Ⅲ9承压水01000Ⅱ10承压水01000Ⅱ11承压水10000Ⅰ12承压水01000Ⅱ13承压水01000Ⅱ14承压水01000Ⅱ15承压水00100Ⅲ续表5-5承压含水层BP地下水水质评价结果采样点编号含水层ⅠⅡⅢⅣⅤ结果16承压水00100Ⅲ17承压水10000Ⅰ18承压水01000Ⅱ19承压水01000Ⅱ20承压水10000Ⅰ21承压水00100Ⅲ22承压水00100Ⅲ23承压水00100Ⅲ24承压水00100Ⅲ25承压水00100Ⅲ26承压水01000Ⅱ27承压水00100Ⅲ28承压水01000Ⅱ29承压水01000Ⅱ30承压水00100Ⅲ31承压水01000Ⅱ32承压水01000Ⅱ33承压水01000Ⅱ34承压水01000Ⅱ35承压水01000Ⅱ36承压水00100Ⅲ37承压水00100Ⅲ38承压水00001Ⅴ39承压水00001Ⅴ40承压水00001Ⅴ41承压水00001Ⅴ42承压水00001Ⅴ43承压水00001Ⅴ44承压水00001Ⅴ45承压水00001Ⅴ46承压水00001Ⅴ47承压水00001Ⅴ48承压水00100Ⅲ49承压水00100Ⅲ50承压水00100Ⅲ51承压水01000Ⅱ52承压水01000Ⅱ53承压水01000Ⅱ54承压水01000Ⅱ55承压水01000Ⅱ56承压水01000Ⅱ续表5-5承压含水层BP地下水水质评价结果采样点编号含水层ⅠⅡⅢⅣⅤ结果57承压水01000Ⅱ58承压水01000Ⅱ59承压水00100Ⅲ60承压水00100Ⅲ61承压水00100Ⅲ62承压水00100Ⅲ63承压水10000Ⅰ64承压水00100Ⅲ65承压水00010Ⅳ66承压水00100Ⅲ67承压水00100Ⅲ68承压水00100Ⅲ69承压水00100Ⅲ70承压水00100Ⅲ71承压水00100Ⅲ72承压水00100Ⅲ73承压水00100Ⅲ74承压水01000Ⅱ75承压水00100Ⅲ76承压水01000Ⅱ77承压水01000Ⅱ78承压水01000Ⅱ79承压水01000Ⅱ80承压水00100Ⅲ81承压水00100Ⅲ82承压水01000Ⅱ83承压水00001Ⅴ84承压水00001Ⅴ85承压水00001Ⅴ86承压水00001Ⅴ87承压水00001Ⅴ88承压水00001Ⅴ89承压水00001Ⅴ90承压水01000Ⅱ91承压水01000Ⅱ92承压水01000Ⅱ93承压水00100Ⅲ94承压水01000Ⅱ95承压水00100Ⅲ根据表5-5可知，承