基于BP神经网络萩芦溪流域水质变化趋势研究.doc

基于BP神经网络萩芦溪流域水质变化趋势研究 　　摘要：根据2007-2011年萩芦溪流域白沙桥、狮亭桥、南安陂和江口桥4个监测点水质监测数据，应用主成分分析法确定水质主要富营养化指标为TP、BOD5和DO。利用Matlab 6.5软件构建BP神经网络模型，对2012-2014年萩芦溪流域4个监测点的水质主要富营养化指标进行预测，分析萩芦溪流域水质变化趋势，表明TP为萩芦溪流域水体污染的主导因子，为萩芦溪流域的限制性营养元素，并提出相应对策。 　　关键词：萩芦溪；营养元素；主成分分析；BP神经网络 　　中图分类号：S522 文献标识码：A 文章编号：0439-8114（2013）14-3469-04 　　萩芦溪流域为福建省莆田市第二大河流，其自然环境优良，水资源丰富，流域内的外度水库、后溪水库和东方红水库保证了莆田市工业、农业生产用水和居民生活用水。然而，近年来由于畜禽两岸养殖业和种植业迅速发展，萩芦溪流域的水体环境和生态系统受到很大的威胁[1]。目前国内外对于流域、湖泊、库区等水环境质量评价方法较多，如模糊综合评价法[2]、分形理论[3]、随机评价[4]、灰色聚类法[5]、神经网络评价[6-10]等。在近年来水质监测数据的基础上，本研究基于BP神经网络，针对萩芦溪流域建立模型，对流域水质营养元素分布特征以及变化规律进行预测及分析，可为全面了解萩芦溪流域水体污染程度提供依据，同时也为萩芦溪流域经济可持续发展和水质改善提供科学的参考依据。 　　1 研究区概况 　　萩芦溪流域位于福建省莆田市北部，东经119°00′-119°12′，北纬25°29′-25°38′，发源于仙游县游洋镇，海拔805.8 m，河流自西北向东南流经庄边镇，于白沙镇的宝阳汇合，再流经白沙、萩芦，接纳三叉河，最后在江口镇注入兴化湾。萩芦溪干支流共长150 km2，集雨面积709 km2（其中莆田市境内662 km2），居福建省第十一位。萩芦溪水系排列具有羽状特征，地势为西北高，东南低，大部分海拔在100 m以上。河道中上游为中低山地，是戴云山脉蜿蜒而东的支脉，岩层由中生界火山岩组成，河道平均坡降为25.9‰，属于山溪性河流。萩芦溪下游河道比较开阔，水流平缓，最小坡降为5.8‰，属于兴化平原。该流域中建有中、小型水库共二十余座，大多数水库是以灌溉为主，用于防洪、发电和养殖。 　　2 BP神经网络的原理 　　BP神经网络能够大量反映人脑功能的基本特性，是由大量又简单的神经元经过广泛相互连接形成的[11]。BP神经网络采用的学习算法是一种误差反向传播的算法，该算法具有较强的函数映射功能，具有广泛的用途，是人工神经网络最典型的代表。BP神经网络是最简单的多层神经网络，层与层之间的神经元实现全连接，而每层内各神经元之间没有连接[7]。网络的训练依据是有教师教的学习方式，即当向网络提供一种学习模式，神经元被激活，激活值就会从输入层传播到隐含层，再从隐含层传播到输出层，输出层的神经元被激活，然后网络依据使实际输出接近目标输出、使误差减少的方向，从输出层经过各隐含层逐层修改各神经元之间的连接权值，最后回到输入层，因此被称为误差反向传播算法。 　　2.1 输入参数的选择 　　主成分分析法是将复杂又彼此相关的多个变量简化的一种分析方法[12-14]。在实际监测过程中，虽然监测点和监测项目较多，但是每个监测点的监测数据之间存在着一定的相关性。通过主成分分析法对其进行降维处理，能够找出水体环境质量的综合指标。这些综合指标是由若干个指标通过线性结合的方式形成的，保留了原始数据的大部分信息，能够充分反映原始数据的内容。对这些综合指标进行分析，并且分析各单项指标在综合指标中的重要性，删除一些次要的指标，从而确定造成水体污染的主要成分。 　　2.2 数据预处理和后期处理 　　对BP神经网络的数据进行预处理，能够使网络的训练速度加快。Matlab 6.5软件预处理的方法有归一化处理、标准化处理、主成分分析、回归分析与相关性分析。其中，归一化处理是将每组数据均归一化为-1到1之间的数值，所涉及的函数有Mapminmax、Postmnmx、Tramnmx。 　　3 萩芦溪流域水质变化实例分析 　　数据来源于2007-2011年莆田市萩芦溪流域4个监测点水质监测结果（监测点设置如图1所示）。数据分析及处理采用Excel软件，主成分分析采用SPSS17.0软件，Matlab 6.5软件用于构建BP神经网络来预测萩芦溪流域水质变化的趋势。 　　3.1 输入参数的选择 　　利用SPSS17.0软件对2007-2011年萩芦溪流域4个监测点水体的pH、DO、CODMn、BOD5、氨氮和TP 6个指标的年均值进行主成分分析，选取水体污染主导因子。结果（表1）表明，前2个主成分的