水质评价的人工神经网络方法

"# +#@A<;%"#<@: +8<@,33%< # !.0.0.B"? !.0CD 8.0.B" $#% <$&.0CD8.*?&.0CD8.0.B*$# 可知 % # <@#$ $<@;% $ <@#$
E<@,,3)&#@A<;8<@,,3*# !.0.0.B "? !.0CD8.0.B "F
! 网 络 初 始 化 $ 给 各 连 接 权 值 $%&’%& $(&’% 及 阈 值 $*#’%&$(#)% 赋予&’#()#* 间的随机值 # " 将 第 + ! + +# " 个 学 习 样 本 输 入 到 图 # 的 网
络中 #
#计算隐含层第 ’ 神经元输入 ,’ 和输出 -’$
"
,’+!%&’./+0*#’!’+#%,%(%1"’
$
?’+ !!=)(’)"2’!#82’"!’+# %, %(%1"#
);!
!9 "
’调整连接权值和阀值 4
!: " "(’);!=)2’ !’+#%,%(%1’)+# %, %(%$ "5 !; " "(#);:!=) !)+# %,%(%$"’ "%&’;!?’.&+ !&+# %, %(%" ’’+# %, %(%1"’ !#<" !##" "*#’;:!?’ !’+#%,%(%1"’ 式中 ! ) 学习速率 %<=!=# # ( 选取下一个训练样本对 !++, "% 重复步骤 !3" ! !9 "% 直至所有样本对 !++#(,( (@A" 训练完毕 % 即完 成了训练样本集的一轮训练 #
89:; #级 & <"" !!" : 5 "8: "8"< "8"0 "8<0 <8# <;""" 0级 ! <0" !0" <" <" <8" "8< "8< "8! <80 <";"""
<级
溶解氧 ’( 悬浮物 )) 总硬度 *+ 化学需氧量 ,(’-. 生化需氧量 /(’0 氨氮 1*&2 1 挥发酚 "2 (* 六价铬 ,345 总磷 62 氟化物 7
2
!级 5 #" <0" # & "80 "8""! "8"! "8"0 "8: <"
&级 0 =" <:" 5 # "85 "8""0 "8"& "8< < <""
: &" <!" ! ! "8# "8""< "8"< "8"! "85 "
) 330!$ "+330,$-#.!#/0* " $ !#1" ’(" # 0/1$ 330,$.2330,$-#. $ 其 他 ’( % 式中 330 为误差平方和 # !3" 自适应学习速率 # 对于一个特定的问题要
’ 作者简介 (, 张文鸽! $/203 " # 女 # 河南巩义人 # 工学硕士 # 研究方向为水文学与水资源 $
!""#年第 $% 期! 第 !! 卷 !#& 期 "
东北水利水电
63
!" 尽可能地接近 # !"学习算法的步骤如下所示 $ 设输入层神经元为 " 个% 隐含层神经元为 # 个 % 输出层神经元为 $%%&’ 和 (’) 分别表示输入层到 隐含层 & 隐含层到输出层的连接权值 ’*#’ 和 (#’ 分
别表示隐含层 &输出层神经元的阈值 #
络停止学习 ’ 否则将重复步骤 #"’ % 进行样本学习 样本集的下一轮训练 #
, !" 学习算法的改进
由于 !" 神经网络具有逼近任意连续函数和非 线性映射的能力 % 因此在人工神经网络研究领域中 得到了广泛的应用 # 其结构简单 % 可操作性强 %能模 拟任意的非线性输入输出关系 # 但它也存在学习收 敛速度慢 & 容易陷入局部极小点而无法得到全局最 优解等缺点 # 针对这些缺点 % 目前已有不少人对此提出了改 进 方 案 # 如 文 献 *, + 提 出 在 修 改 权 值 中 加 入 , 动 量
!#"#$!$%$-"
东北水利水电 !!"带有附加动量因子的权值调节和阀值调节 # !#$" !#%" !#&" !#’"
!""# 年第 $% 期! 第 !! 卷 !#& 期 "
3 56 神经网络在水质评价中的应用
现以宁夏地表水水环境质量评价为例$ 阐明
56 神经网络评价的方法与应用 #
宁夏 #11% 年对以下 1 个采样点的 ## 项污染指 标进行了监测 $ 各个采样点各项污染指标的实测值 见表 "# !#" 评价标准选择 # 评价标准以 753’3’-!))! , 地面水环境质量标准 - 为主要依据 $ 将水环境质量 分为五级 $ 对 753’3’-!))! 中未列入的项目 $ 根据 有关文献建议和资料分析进行补充 $见表 !#
7)+!8&’9’:8#) !)+# %,%(%$"5
’+#
!6 "
!7 " 6);<!7)"# 计算输出层各神经元的一般化误差 % $=)%4 =)+ !>):6)"6)!#86)"!)+#%,%(%$" !A" 式中 >) 为第 ) 神经元的希望输出 # &计算隐含层第 ’ 神经元的一般化误差$?’%$
<@,
# $
E<@,,3)&#@A<;8<@,,3*$ !.%&’0. "? !.0CD8.0.B "F
$<@;% 从而可用
以下非线性函数
!对 于 数 值 愈 大 污 染 愈 重 的 指 标!如 酚 &亚 硝
氮等 "
. %+ $
!#,"
#
E<@,,3)&#@A<;8<@,,3*$ !.0.0.B "? !.0CD8.0.B "F
+
来预处理数据# 这样输入输出数据将全部在 *<@,%<@: + 之 间 % 可 以 大 大 加 快 网 络 学 习 速 度 % 而 数 据间的联系并不减少 #
*如果 BB? 小于预先设定的一个误差值 ( 则网
** !!"#!$"#$%%#&’(&!)#*"+’(!!"#!$" !""#$!$%$, &#"# $! $%$- " !!##%$"#&%%#&’(&!)#+’(!!##!$"
1
!" 神经网络起到一定的改进作用 % 但仍然存在着
不足 # 本文在前人研究工作的基础上 % 提出了几点 改进措施 # !#" 原始数据的非线性规格化 # 大多数 !" 神经 网络模型以 - 形函数作为转换函数 % 该函数的值域 为 *<%#+% 因 此 在 网 络 训 练 时 要 将 原 始 数 据 规 范 到 *< %#+ 区间 # 但是规范后的每个输出的教师值序列 中至少有一个值为 <% 一个值为 #% 恰好是 - 形函数 的极小值和极大值 % 要求联接权足够大才能使网络 的输出值与其匹配 % 从而需要相当多的训练次数来 不断修正权值 %导致训练速度缓慢 # 本文建议将 原 始 数 据 规 范 到 *<@,(<@:+ 区 间 % 由
表 ! 地面水环境质量标准
!./"%$"#&%%#&’(&!0"1/$+’(!./"!$ " !/"# $!$%$’ &""# $!$%$, " !2#"%$"#&%%#&’(&!0"+’(!2#"!$" !""# $!$%$, "
符号意义同前 #
式中 ! ’ 训练次数 &" ( 增量 &"# ( 动量因子 $ 其它 根据附加动量因子的设计原则 $ 当修正的权值 在误差中导致太大的增长结果时 $ 新的权值应被取 消而不被采用 $ 并 使 动 量 作 用 停 下 来 $ 以 使 网 络 不 进入较大误差曲面 & 当新的误差变化率对其旧值超 过一个事先设定的最大误差变化率时 $ 也得取消所 计算的权值变化 # 其最大误差变化率可以是任何大 于或等于 # 的值 $ 典型的值取 #()* # 训练程序中采 用动量法的判断条件为 )
评价为实例 # 探讨了人工神经网络在水质评价中的应用 # 并用 #! 语言编制了水质评价程序 $ 结果表明 # 采用人 工神经网络进行水环境质量评价 # 运算速度快 # 评价结果准确 # 具有广泛的应用前景 $
% 关键词 & 人工神经网络 ( 水质 ( 评价 % 中图分类号 & +,%’ % 文献标识码 & -
!#3"
)计算全局误差 -->$
C $ + + ,
" 对于数值愈大污染愈轻的指标&如溶解氧等* . %+ $ #
E<@,,3)&#@A<;8<@,,3*$ !.%&’0. "? !.0CD8.0.B "F
BB?;!!&>) 06) * ?,
!!!++# )+# +
!#6"
式中 C ) 学习样本对数 ’>) ) 第 + 对学习样本的希 望输出 ’6) ) 第 + 对学习样本的计算输出 #
选择适当的学习速率不是一件容易的事情 # 通常是 凭经验或实验获得 $ 但 即 使 这 样 $ 对 训 练 开 始 初 期 功效较好的学习速率 $ 不一定对后来的训练合适 # 为了解决这个问题 $ 可以在训练过程中自动调整学 习速率 # 自适应学习速率的调整公式为 )
大肠菌群
!!" 网络结构选择 #
! 输入层神经元数的确定及学习样本的生成 #
!!!&+#
!#"
项 -’ 文献 *3 +&*6+ 采用共轭梯度法 ’ 文献 *7+ 将输入 输出数据初始化到 !<@# %<@;" 的区间内 # 这些方案对
!, " 2’34!,’"!’+# %, %(%1" 式中 4!."为网络响应函数%取 4!."为 -./01.2 函数%即 !3" 4!."+ # 0. # #)5 $计算输出层第神经元的输入和输出 6)4
源自文库’%
% 文章编号 & $%%!4%+!# ! !%%#" $%5%%#!6"#
东北水利水电
!""# 年第 $% 期! 第 !! 卷 !#& 期 "
水质评价的人工神经网络方法
张文鸽 #李会安 #蔡大应
!黄委会黄河水利科学研究院 #河南 郑州 ’()))*"
% 摘 要 & 在分析 !" 神经网络算法的基础上 # 针对其某些不足 # 提出了几点改进措施 $ 在此基础上 # 以宁夏水质
馈式误差反传播神 经 网 络 # 通 常 由 输 入 层 ’ 输 出 层 和若干隐含层构成 # 每 层 由 若 干 个 结 点 组 成 # 每 一 个结点表示一个神经元 # 上层结点与下层结点之间 通过权联接 #同一层结点之间没有联系 $ 见图 $$
图 $ !" 神经网络拓朴结构图
!%"!" 学习算法 $ !" 网络的产生归功于 !" 算 法的获得 $ !" 算法属于 ! 算法 #是一种监督式的学 习算法 $ 其主要思想为 ) 对于 ! 组输入学习样本 )
$ !" 神经网络结构及其学习算法
!$"!" 神经网络结构 $ !" 神经网络 # 即多层前
’ 收稿日期 ()!%%#* %+* %$ ’ 资金项目 (, 国家自然科学基金项目 -.%/%&0%!&/%/%1
"$#"%#* #"## 已 知 与 其 对 应 的 输 出 样 本 为 )$$#$%# *#$%$ 学习的目的是用网络的实际输出 $$#$%#*# $% 与目标矢量 &$#&%# *#&% 之间的误差来修改其 权 值 # 使 $’ !’ &$ #% # * #% " 与 期 望 的 &’ !’ &$ #%# * #
人工神经网络是近些年来迅速发展起来的人 工智能科学的一个分支 # 这几年的广泛应用再度显 示了它活跃的生命力 $ 实践证明 # 人工神经网络除 了应用在语言识别 ’ 自 动 控 制 等 领 域 外 # 还 可 用 于 评价等方面 #其准确性明显优于回归模型 $ 水环境质量评价是环境质量评价的一项重要 内容 # 是进行环境管理的重要手段之一 $ 水环境质 量评价是指通过对水体的一些物理指标 ’ 化学 ’ 生 物指标的监测 ’ 调查 # 根据不同的目的和要求 # 依据 一定的方法对水体质量优劣程度作出的定量描述 $ 通过水环境质量评价可以了解环境质量的过去 ’ 现 在和未来发展趋势及其变化规律 # 制定综合防治措 施与方案 ( 可以了解和掌握影响本地区环境质量的 主要污染因子和主要污染源 # 从而有针对性地制定 改善环 境 质 量 的 污 染 源 治 理 方 案 和 综 合 防 治 规 划 与计划 $ 目前用于水质评价的方法较多 # 如早期采用的 综合指数法 ’模糊综合评判法 ’层次分析法等 $ 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 $ 本文以宁夏市不同水域的 水质评价为实例 # 重点阐述 !" 神经网络的改进与 应用 # 并以 #! 语言编制了水质评价程序 $