基于神經網絡模型的青島市城區土壤重金屬污染源定位

摘要：建立基于遺傳算法的BP神經網絡系統，該模型可以有效描繪區域中重金屬元素的分布情況，并由此通過各元素濃度極大值點求出污染源近似坐標，實現對污染源的定位。將該模型運用于青島市，根據青島市不同功能區的土壤重金屬含量調查結果，實現了對可能重金屬元素污染源位置的預測。

關鍵詞：城區土壤；重金屬污染；遺傳算法；BP神經網絡

中圖分類號：X53 文獻標識碼：A 文章編號：0439-8114（2013）03-0685-03

重金屬污染是全球環境污染的突出問題，隨著社會和經濟的發展，重金屬污染危害日益加重。研究重金屬污染的分布，并根據分布情況實現對污染源的定位對于有關部門進行及時的環境預防與整治具有重要意義[1]。

近年來興起的人工神經網絡能通過學習實例集自動提取“合理的”求解規則，且具有容錯和容差能力以及一定的推廣能力。本研究建立基于并行遺傳算法的BP神經網絡系統，該模型可以實現對污染源位置的定位，從而為相關部門及時進行環境整治提供了理論依據。

1 構建基于遺傳算法的BP神經網絡模型

1.1 BP神經網絡基本原理

BP神經網絡是在對復雜的生物BP神經網絡研究和理解的基礎上發展起來的，因此具有較強的信息處理能力，對復雜的問題具有適應和自學的能力，可以很好地協調多種輸入信息的關系[2]。BP神經網絡通常由輸入層、若干隱含層和輸出層組成，每層都包含若干神經元，通過神經元之間的相互作用來完成整個網絡的信息處理。其網絡拓撲結構如圖1。同一層各神經元相互沒有連接，相鄰層的神經元通過權實現全連接。

1.2 BPANN算法改進

普通的BP神經網絡有自身的缺陷，包括易陷入局部最小點、收斂速度慢、學習過程容易出現震蕩等。為了改進普通的BP神經網絡，引入遺傳算法（Genetic algorithm，GA）。遺傳算法是一種基于自然選擇和基因遺傳學原理的優化搜索算法，它將“優勝劣汰，適者生存”的生物進化原理引入待優化參數形成的編碼串群體中，按照一定的適配值函數及一系列的遺傳操作對個體進行了篩選，從而使適配值高的個體被保留下來，組成新的群體，新群體中包含上一代的大量信息，并且引入新的優于上一代的個體。這樣的周而復始，群體中的適應度不斷提高，直到滿足一定的條件為止，其基本原理如圖2[3]。

遺傳算法與神經網絡算法的結合就是利用GA優化網絡的拓撲結構，如網絡層數和每層的節點數，以及各層節點間的連接關系。根據某些性能評價準則（如學習速度、泛化能力或結構復雜程度等）搜索結構空間中滿足問題要求的最佳BP神經網絡。基于遺傳算法的神經網絡流程如圖3。

2 模型應用實例——以青島市城區土壤重金屬污染源的定位為例

青島是中國重要的經濟中心城市和港口城市，是中國重要的外貿口岸之一、國家歷史文化名城和風景旅游勝地，作為體現青島面貌的首要因素——環境，已成為青島、中國乃至世界大眾關注的問題。因此，對青島的城市環境地球化學研究勢在必行。

現以青島市城區為例，根據從城區采樣得到的土壤重金屬含量數據建立神經網絡模型，對污染源進行定位。對青島市南區、市北區、四方區、李滄區、嶗山區5個城區進行了廣泛的土壤地質調查，將所考察的城區按照每平方公里1個采樣點對表層土進行取樣，共得到319個采樣點，并分別檢測每個采樣點的8種重金屬Cd、Cr、Cu、Hg、Ni、Pb、Zn和As的含量[4]。

對每種金屬元素進行多次基于遺傳算法的BP神經網絡模擬后，在所得的數據矩陣中隨機選取200個點對應的坐標進行繪圖，繪圖結果如圖4。從圖4中可以看出，每種重金屬元素在城區中的空間分布，對數據中每種金屬元素的空間坐標進行K-means聚類，所得的聚類中心即為污染源預測位置。

3 小結

通過建立基于遺傳算法的BP神經網絡模型，并將該模型運用于青島市城區內各種重金屬污染源的定位。使得環境管理部門可以在目標地區的土壤進行采樣分析的基礎上，利用該算法得出目標地區內重金屬元素的分布圖，根據極大值點可以定位污染源，并由此采取相應的管理措施。該算法的優越性在于可利用部分測量數據估計整體地區的分布情況，但同時也存在不足之處，一是數據獲取困難，一般需要依靠衛星測量獲取樣本數據，二是算法雖然有較高的收斂速度，但缺少動態性，無法進行金屬元素的動態分析和分布變化預測。

參考文獻：

[1] 馬旺海，曹 斌，楊進峰，等.城市重金屬污染特征[J]. 中央民族大學學報（自然科學版），2008，17（1）：66-73.

[2] 盧文喜，楊忠平，李 平，等.基于改進BP算法的地下水動態預測模型[J].水資源保護，2007，23（3）：5-8，59.

[3] 金菊良，丁 晶.遺傳算法及其在水科學中的應用[M]. 成都：四川大學出版社，2000.

[4] 姚 德，孫 梅，楊富貴，等.青島城區土壤重金屬環境地球化學研究[J].中國地質，2008，35（3）：539-550.