改進神經網絡模型在水質評價中的應用

朱增加+戴青松+盧高峰+王樂陽+蔡浩

摘 要 利用基本的神經網絡模型在評價模型中確定指標權重的優勢，將神經網絡融入到評價模型之中，能夠很好地對水質進行評價，為政府進行水質的保護采取措施提供依據。

關鍵詞 神經網絡模型；模糊綜合評價；權重；水質評價

中圖分類號：X824 文獻標識碼：A 文章編號：1671-7597（2014）07-0147-01

目前，水污染很嚴重，治理好水污染，改善環境，防止造成進一步的污染，已經成為了社會所研究的重點。因此，水質的評價成為了一項重要的研究熱點，根據水質的相關的指標的特點，綜合分析得到水質的狀況，能夠為政府采取合理的措施提供依據。目前，神經網絡模型對水質進行評價已經成為了熱點，神經網絡的優點在于權重的確定方面，能夠合理的確定各個指標的權重，但是在評價的模型上[1]，神經網絡用的層層分析模型，沒有做夠好的進行水質的評價，本文在神經網絡中融合模糊綜合評價模型，能夠很好的對水質進行評價。

1 神經網絡理論

人工神經網絡（AnificialNeural Nemorks，ANN）是通利用數學模型的方法進行抽象和模擬，是一種模仿人腦結構和它的功能的非線性的信息處理系統。它主要是大量的單元相互連接而組成的網絡結構，來實現大腦的感知和學習功能。神經網絡拓撲結構可以分為前饋多層式網絡模型、反饋遞歸式網絡模型和隨機型網絡模型等。根據研究水質問題多因素權重問題以及神經網絡的相關理論，前饋多層式網絡中的反向傳播神經網絡（BP神經網絡）具有良好的持久性以及適時預報性，因此在本文的評價模型中，我們都采用BP神經網絡的結構方式[2]。

前饋神經網絡分為了神經元分層排列，包含了輸入層、隱含層和輸出層三個層次結構，每個層次的神經元只能夠接收前一個層次的神經元，層層對應。這是一種比較強有力的學習系統，它的結構相對而言較為簡單，并且編程也比較容易，是一種靜態的非線性映射，通過簡單的非線性處理進行復合映射，能夠得到更加復雜的處理能力。這些前饋網絡學習，它們分類能力和模式識別的特點都要強于一般的反饋網絡。典型的前饋網絡有感知器網絡和BP網絡。水質評價模型中，一般采用的都是BP神經網絡，能夠很好的處理各個指標之間的關系特點，做到很好的評價，但是需要一個更好的模型結合神經網絡確定權重的特點進行水質評價，能夠收到更好的效果。

2 模糊綜合評價的基本理論

模糊數學是利用數學方法進行研究與處理模糊現象的數學。模糊綜合評價作為一門新的評價科學，是典型數學、統計數學之后的發展起來的一門新的數學學科，可以處理很多之前數學無法解決的問題。開始具有爭議，經過一段時間，開始迅速發展，而且涉及的應用領域越來越廣泛，已經遍及理、工、農、醫及社會科學，充分體現了評價模型的優越之處。

模糊綜合評價法是一種利用模糊數學為基礎的綜合評標方法。綜合評價法利用模糊數學隸屬度理論和模糊變換原理，根據給出的評價標準與實測值，考慮到被評價事物的各個相關因素，對其進行綜合評價。對于模糊綜合評價向量，即綜合隸屬度，可用如下公式：

A為輸入，代表參加評價因子的權重經歸一化處理得到的一個1×n階矩陣；R為模糊變換裝置，是通過單因素評判得到的隸屬度向量，是一個n×m階的模糊關系矩陣；B為輸出，代表綜合評判結果，是一個1×m階矩陣[3]。

其中評價因子是m集合為：，分別為參與評價的n個評價因子。其中評價等級共m個等級，組成集合為：。

評判矩陣和隸屬度的式子為：

3 神經網絡和模糊綜合評價結合算法

神經網絡模型評價的精華在于權重的分析確定上，模糊綜合評價模型的優點在于系統的評價模型，因此在評價的時候，只要將這兩者的優點結合起來，就能夠得到很好的效果，因此設計了以下算法模型，能夠合理的對水質進行評價，為科學的采取污染防治措施提供依據。

Step1：網絡初始化。根據系統輸入輸出序列（X，Y）確定網絡輸入層節點數p、隱含輸入層節點數l，輸出層節點數q，初始化輸入層、隱含層和輸出層神經元之間的連接權值α和β（α為初始權重，β為臨界值，均隨機設為較小的數）給定學習速率和神經元[4][5]。

Step2：輸出計算。將已有的樣本數值加在網絡上，利用公式算出其輸出值：

Step3：調整權系數。根據網絡預測誤差，按已知輸出數據與上面算出的輸出數據之差，調整權重系數，其中調整量為：其中：因為隱節點的輸出內部抑制，利用反向推算可以得到：誤差值從輸出層反向推導得到。

Step4：對各層的權重系數進行調整后，得到調整后的權

重為：

BP神經網絡利用梯度下降算法，通過迭代運算，不斷調整mij的數值，當得到的輸出誤差小于所設定的閥值時，將認為獲得的mijBP神經網絡是合理的。而不斷迭代的方法相當于對各類情況進行調整，具有一定的學習記憶特征。

基金項目

國家自然科學基金青年基金（11201485）；徐州工程學院校青年項目（XKY2010201）。

參考文獻

[1]劉起霞，李清波，鄒劍峰.環境工程地質[M].鄭州：黃河水利出版社，2001.

[2]孫會君，王新華.應用人工神經網絡確定評價指標的權重[J].山東科技大學學報（自然科學版），2001，20（3）：84-86.

[3]萬金保，李媛媛.模糊綜合評價法在鄱陽湖水質評價中的應用[J].上海環境科學，2007，26（05）：215-218.

[4]金菊良，魏一鳴，丁晶.基于改進層次分析法的模糊綜合評價模型[J].水利學報，2004（03）：65-70.

[5]郭慶春，何振芳，李力，等.BP人工神經網絡模型在太湖水污染指標預測中的應用[J].南方農業學報，2011，42（10）.

作者簡介

朱增加（1993-），本科，主要從事水體污染控制模型、機械污染處理研究等。endprint