水利水电中神经网络应用.docVIP

神经网络在水环境保护中的应用综述 摘 要：对神经网络在水质评价、水质预测等水环境保护方面的研究现状、发展趋势进行了综述，得出结论：神经网络用于水环境保护具有深入开发的研究价值和良好的应用前景。 关键词：神经网络；水环境保护；应用 我国水环境现状 2010年，全国废水排放总量为758亿t，由于处理率较低（约20%），排入排入自然水体中的污染物数量远远超过水体的自净能力，对自然水体造成严重污染。但总体排放量比上年有所降低。工业废水排放总量、生活污水排放量均有所下降，我们的环境向好的方向一直发展。2010年废水排放总量与上年相比有所减少，化学需氧量排放与上年基本持平。 1.1河流水质 2010年对约1.5*103km的河流水质进行了检测评价。一类水河长占评价河长的3.5%，二类水河长占评价河长的31.8%，三类水河长占25.9%，四类水河长占11.4%，五类水河长占6.8%，劣五类水河长占20.6%。全国全年一—三类水河长比例为61.2%。与2007年基本持平。各水资源一级区中，西南诸河区、西北诸河区、长江区、珠江区和东南诸河区水质较好，符合优于三类水河长占64%—95%；海河区、黄河区、淮河区、辽河区和松花江区水质较差，符合由于三类水的河长占35%—47%。 1.2湖泊水质 2010年对44个湖泊的水质进行检测评价表明，水质符合由于三类水的面积占44.2%，四类和五类水的面积占32.5%，劣五类水的面积占23.3%。对44个湖泊的营养状态检测为贫营养湖泊有1个，中营养湖泊有22个，轻度富营养湖泊有10个，中度富营养湖泊有11个。 1.3水库水质 2010年在检测评价的378座水库，水质优良（优于和符合三类地表水质）的水库有303座，占评价水库总数的80.2%；水质未达到三类水的水库有75座，占评价水库总数的19.8%，其中水质为劣五类水的水库有16座。对347座水库的营养状态进行评价，中营养水库有241座，轻度富营养水库86座，中度富营养水库18座，重度富营养水库2座。 神经网络的简介 人工神经网络是一种应用类似于大脑神经突触联接的结构进行信息处理的数学模型。在工程与学术界也常直接简称为神经网络或类神经网络。神经网络是一种运算模型，由大量的节点（或称神经元）和之间相互联接构成。每个节点代表一种特定的输出函数，称为激励函数（activation function）。每两个节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重，这相当于人工神经网络的记忆。网络的输出则依网络的连接方式，权重值和激励函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近，也可能是对一种逻辑策略的表达。 人工神经网络结构示意图： BP神经网络就是倒传播网络，是最简单的多层神经网络，也是人工神经网络中最具备代表性和广泛性的一种神经网络。他是由非线性变换单元组成的网络，一般由三个神经元层次组成，输入层，输出层，隐含层。BP网络的基本原理是利用最陡坡降法将误差函数减小到最小。 目前应用的比较成功的BP网络实例有：自来水厂谁知处理操作、电子电路诊断、质问识别、股票市场预测等。 BP神经网络模型结构如下图所示： 神经网络在水质评价中的应用 水质评价是水资源开发利用的一项重要工作，水质评价方法是现代环境科学基础理论研究的重要课题。目前，用于水环境质量评价的模型较多，国内外学者广泛关注，先后提出特征法、参数法、生物指标法、灰色聚类法和模糊综合评判法 J，但在这些方法中，多数需要设计各评价指标对各级标准的隶属函数及各指标的权重。因此，评价结果受评价者主观因素影响较大。依据水质标准进行水环境质量评价，实质上是一个典型的模式识别问题，人工神经网络理论在模式识别方面取得了重大进展。 水质详评是选择拟建项目的经济与水质相协调的最佳方案，以解决项目相关的水质问题。水质详评的核心内容是水质预测，水质预测广泛应用了神经网络的方法。 水质评价的目的，就是对照一定的环境质量标准，确定水体所属类别及其所具备的使用功能，同时，找出影响水质的主要污染因素，从而为水环境管理提供科学依据。人工神经网络BP模型具有很强的分类功能，可以完成水质评价中类别的评判。设有N维向量共m类，分别记为Gi(i=1，2，…，M)，向量Y0输入网络后，输出向量Ym的各分量应满足：当Y0属于第Gi类时，则yi=1，其他分量为0，从而实现了分类功能。若将水质评价中的环境质量标准做为样本输入，评价结果作为系统输出，网络通过LM算法不断学习，归纳出其中规律，由此得到的网络便具有了联想和预测能力，从而可实现水质综合评价中类别的判定。