基于神經網絡的水環境質量評價

盧方芳

（湖北文理學院數計學院，湖北襄陽　441053）

基于神經網絡的水環境質量評價

盧方芳

（湖北文理學院數計學院，湖北襄陽441053）

水質監測結果由很多方面構成，對水質進行分級一般需要考慮不同方面的標準，這就希望能有種更為直接的方式可以用來為水質分級，并且盡可能排除主觀因素?；诖?，利用matlab上的神經網絡模型對重慶市5個斷面的水質質量進行評價，在擁有各項數值的基礎上，對水質結果進行計算，最后根據得到的數值為水質分級。

BP神經網絡；神經元；水質級別

對于江、湖、庫的各個斷面的水質可以搜集數據，并且制定每個指標相應的評價標準。但是，根據制定的標準進行評價，過于依賴主觀感覺。而利用神經網絡建立各項指標與等級之間的內部映射關系，根據實際測得的數據得到相應的數值，然后由數值對水質分級，這樣可以使結果更為直觀，并且在評判過程中可以降低主觀因素的影響。

1　基本數據介紹與初步分析結果

重慶市位于長江上游三峽水庫回水變動區末端，長江和嘉陵江是其兩條主要河流。重慶市是長江上游經濟中心，是全國工業產值最大的六大城市之一，三峽水庫建成后，兩江重慶段的水質情勢將發生較大改變，河流的污染物擴散能力明顯下降，近岸水域局部水環境容量減少；同時，隨著重慶市工業的迅速發展，入江污染負荷將大量增加，重慶城區的水污染形勢將更加嚴峻。以下給出2000年長江望龍門、寸灘、黃草峽及嘉陵江磁器口、江北嘴共5個斷面的監測數據（見表1），表2為水質等級的評判標準。

從所給資料中可以知道，pH值沒有等級劃分，故在計算時將該分類去掉。所以，建立程序時只考慮8個指標。

根據給出標準表2建立五類等級與其對應指標之間的關系，按類別劃分Ⅰ類是數字1，Ⅱ類是數字2，依次類推。帶入表1中的數據，利用MATLAB中的BP神經網絡編制程序計算出對應的值［1］。計算出的結果為：2.522 2，2.520 2，2.484 5，2.472 4，2.147 0。

BP網絡有一個隱層和一個輸出層，根據實際數據的判斷，認為隱層有6的神經元，建立實際的水質數據與1、2、3、4和5之間的內部映射關系，將水質數據的最大值帶入，得到1～5的實數。上面的計算結果都在2～3，說明差別不大。但是，將水質的數值換成年均值時，計算出負值，負值可以說明水質很好，但是與實際情況不符。所以，本程序有不足的地方，需要進行改進。

2　改進后的結果

考慮到溶解氧是越大越好，而其他方面是越小水質越好，在新的模型中去掉溶解氧的數據。在年均值中長江望龍門、寸灘、黃草峽、嘉陵江磁器口均在7.5之上，故這四個斷面在溶解氧方面均屬于Ⅰ類，江北嘴為7.3略低于7.5，相差不大，認為也可屬于第Ⅰ類。在溶解氧方面相差不大，所以對于這幾個斷面的水質可以暫時不考慮溶解氧這個因素。更改第一部分程序中的指標數，降低為7個。BP網絡有一個隱層和一個輸出層，根據實際數據的判斷，限定隱層有9的神經元［2］。

表1　地表水水質監測結果統計表

表2　地表水環境質量標準基本項目標準限值

輸入水質結果平均值，輸出結果：長江望龍門2.083 6，寸灘3.158 8，黃草峽1.660 2，嘉陵江磁器口1.434 6，江北嘴3.392 9。

輸入水質數據最大值，輸出的結果為：長江望龍門3.400 5，寸灘3.394 8，黃草峽2.629 1，嘉陵江磁器口3.050 5，江北嘴3.947 9。

3　數據結果分析及水質分級

根據上述結果，對于年均值，黃草峽、磁器口得到的數據在1～2，評定水質級別為Ⅱ類。以此類推，望龍門水質級別為Ⅲ類，接近Ⅱ類；寸灘、江北嘴水質級別為Ⅳ類，寸灘水質接近Ⅲ類。按計算結果對水質級別優劣排序，依次為嘉陵江磁器口、黃草峽、望龍門、寸灘、江北嘴；按照數值的結果同時可以得出5個斷面最大值時對應的水質級別（見表3）。

表3　最大值計算結果

根據表3可以看出，長江寸灘和嘉陵江的江北嘴兩組數值比較接近，得到的結果都是Ⅳ類，說明這兩個斷面的各個指標在不同時期變化不大，整年水質都不好；望龍門和黃草峽均值和最大值比，水質級別都下降了一級，從數值角度看，望龍門數值變化比黃草峽要大；最后就是磁器口，從均值的Ⅱ級變成最大值的Ⅳ級，說明整年水質變化較大，水質時好時壞。

年均值和最大值有明顯改變的斷面應該找到水質變壞的原因，需要進一步對水質進行監測，看看每年中什么時候水質最差，什么時候最好，找到相應的原因并加以改善。從上述結果可以看出，雖然仍然有部分的主觀因素，但是利用神經網絡可以對水質進行數值化，能有效評定水質標準，既可以對水質評級，又可以對不同斷面水質進行排序，結果更為直觀。

［1］解陽陽，王義民，黃強.龍羊峽水庫年末水位控制與汛期棄水研究［J］.西北農林科技大學學報（自然科學版），2014（1）：223-227.

［2］吳昌友.神經網絡的研究及應用［D］.哈爾濱：東北農業大學，2007.

Evaluation of Water Environment Quality Based on Neural Network

Lu Fangfang
（College of Mathematics and Computer Science，Hubei University of Arts and Sciences，Xiangyang Hubei 441053）

Water quality is composed of many aspects，classification generally need to consider different aspects of the standard，thus hoping to have a more direct way can be used for water quality classification，and as much as possi?ble to exclude subjective factors.Based on this，the water quality of the five sections of Chongqing was evaluated by using the Neural network model on matlab，on the basis of the numerical value，the water quality was calculated，and finally the water quality classification was obtained.

BP neural network；neuron；water quality level

X824

A

1003-5168（2016）08-0144-02

2016-07-19

盧方芳（1982-），女，碩士，講師，研究方向：多元統計。