本站小編為你精心準備了質量評析論文：神經網絡的水庫質量評析參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

作者：張升東徐征和杜敏張神銘單位：濟南大學資源與環境學院

BP神經網絡模型的建立

臥虎山水庫位于濟南市歷城區南部仲宮鎮境內，處于泰山北麓的錦繡川、錦陽川和錦云川3川匯流的玉符河上游河口，是全國321座大型水庫之一，是南部山區水系的重要匯聚地，濟南地表水和泉水的重要補給區和供水水源地，主要供給濟南市經十路以南約40萬居民的飲用水。臥虎山水庫集防洪、城市供水、農田灌溉為一體，水庫水質直接影響到濟南市的城市飲用水安全及其他生態環境。因此，選取具有典型代表性的臥虎山水庫水質污染指標為實例進行水庫水質評價，使該評價模型具有一定的通用性和泛化能力。

臥虎山水庫水量主要來源于區域內降雨形成的地表徑流補給，根據臥虎山水庫水源特點，于2010年8月至2011年12月在水庫設置監測斷面進行采樣檢測。根據本地區的污染情況和水庫功能，選擇水質分析監測指標主要有：溶解氧、高錳酸鉀指數、氨氮、總磷、總氮和六價鉻。采樣及樣品保存和運輸的過程均執行國家《水和廢水監測分析方法﹙第3版﹚》的規程，具體的監測結果見表1。利用監測的6項水質指標建立適用于臥虎山水庫水質評價的BP神經網絡模型，并利用這一模型對22個樣品的水質進行評價。

1輸入層、隱含層和輸出層的確定

此次評價選用溶解氧、高錳酸鹽指數、氨氮、總磷、總氮、六價鉻6項評價指標，作為BP神經網絡的輸入層神經元，以GB3838—2002《中華人民共和國地表水環境質量標準》中的標準水質分界值作為模型的評價依據。模型中輸入層的神經元個數為6，分別為6項水質評價指標，地表水環境的質量標準水質分為5個等級C類—Ⅴ類。因而，BP網絡模型輸出層有5個神經元，隱含層神經元數目由下面公式確定：隱含層神經元數目=√m+n+α。其中，m為輸入層神經元數，n為輸出層神經元數，α為1~10的常數。根據此公式及試錯法確定隱含層神經元數為11，從而得到一個結構為6→11→5的BP神經網絡，如圖2所示。

2數據的預處理

為了加快網絡訓練的收斂速度，需要對輸入的水質數據信息做標準化處理。數據處理時不僅要求對網絡輸入數據進行合理的壓縮，而且能夠體現出原始輸入數據之間的區別，因此選取采用壓縮系數法對輸入數據做預處理。其公式如下：式中，X為原始數據；α為壓縮系數，其取值范圍為﹙0，1﹚，需根據具體的對象選取；T為預處理后的數據。

3樣本訓練

國家地表水環境質量標準﹙GB3838—2002﹚給出了對應于各類水質指標的污染物質量濃度的邊界值，當所取某些樣品的檢測數據信息都在某一類標準水質指標范圍內時，則其必定屬于該類水。因此可參照文獻的方法，生成C類—Ⅴ類這5類水質樣本各100個，共500個樣本，作為BP神經網絡用于臥虎山水庫水質評價的訓練、檢驗和測試樣本。其中，在這5類水質樣本中各抽取80個，共400個作為訓練樣本，剩余100個作為檢驗和測試樣本。

鑒于已對輸入數據做了標準化處理，因此，為了方便識別訓練結果，可以將BP神經網絡模型對輸入樣本的輸出模式設定為：優﹙1，0，0，0，0﹚，良﹙0，1，0，0，0﹚，較好﹙0，0，1，0，0﹚，較差﹙0，0，0，1，0﹚，極差﹙0，0，0，0，1﹚；則相對應的水質為C、Ⅱ、Ⅲ、Ⅳ和Ⅴ類水質標準。程序實現基于MATLAB環境，采用MAT-LAB神經網絡工具箱中的函數編程求解計算。學習速率和沖量系數是在BP神經網絡調試過程中最重要的2個參數。我們經過不斷地試取，最后確定BP神經網絡模型的學習速率為0.6，沖量系數為0.9，學習誤差為0.0001。當學習次數為324次時，網絡模型的訓練樣本和檢測樣本的擬合度最高，模型收斂并達到所需精度，能較好地評價未知水質樣本。訓練結果如表2所示，訓練、檢測曲線如圖3所示。由此，可利用該模型對臥虎山水庫的水質進行評價。

臥虎山水庫的水質評價

利用已建立好的BP神經網絡模型，將2010年8月到2011年12月在臥虎山水庫監測斷面取得的22個樣品中，每個樣品的6項水質指標輸入到模型中，按照其輸出值與評價級別的貼近度來判斷確定臥虎山水庫的水質歸屬等級。BP神經網絡的輸出結果見表3，因Ⅴ類的輸出結果均為0，故未列出。

評價結果分析

從表3可以看出，臥虎山水庫作為生活飲用水水源，在2010年8月至2011年6月，水庫水質整體屬于Ⅱ類水，Ⅲ類水出現的次數較少，且持續的時間較短。這主要是由于該時間段內處于豐水期，降雨量較多，入庫流量大，水體的稀釋與自凈能力強，水質較好；2011年6月至2011年12月，水庫水質為Ⅲ類水，水體受到輕度的污染，水質較差。主要原因是該時間段內7月到9月處于平水期，10月到12月處于枯水期，降雨較少，從源流區匯入到水庫的地表徑流較少，水庫水得不到及時的補充，致使水體的自凈能力減弱。

另外，近年來隨著水庫周邊與源流區內生態旅游業的發展、人口的增多以及生活污水排放的增多，生活垃圾得不到及時回收，導致源流區水體中的污染物逐年累積。從水庫水質評價結果看，水庫3個時段水質都存在大于0.5的數值，表明水庫水質存在潛在的風險源。

同時，從評價結果的區域極大值和極小值來看，枯水期時的值最大，都接近于1，水庫水質為Ⅲ類。從整體來看，臥虎山水庫水質的年際變化與同期洪湖水位的動態變化存在著較好的相關性。豐水期的高水位，提高了水體的稀釋與自凈能力，水庫水質狀態最好。

2010年和2011年，先后有濟南市環保局、市公用事業局、水利局和市供排水監測中心這4家水質檢測單位，對臥虎山水庫水樣進行化驗檢測，化驗結果顯示2010和2011年臥虎山水庫水質穩定為Ⅱ—Ⅲ類水之間，與我們利用BP神經網絡評價的水庫水質結果比對可知，BP神經網絡對臥虎山水庫水質的評價準確，符合客觀實際。

結語

利用BP神經網絡對臥虎山水庫水質評價建模時，不必了解變量之間的具體關系，只需根據實際問題確定網絡結構，通過典型樣本的訓練，獲得相關訓練參數，從而進行水庫水質的分析評價。

我們利用建立的BP神經網絡模型對臥虎山水庫水質進行評價，評價的結果表明，該模型設計合理，泛化能力強，對水庫水質的評價具有較好的客觀性、通用性和實用性。故此，利用BP神經網絡模型在水庫水質的評價問題上具有良好的應用前景和推廣價值。