人工神經(jīng)網(wǎng)絡(luò)在地下水質(zhì)量評(píng)價(jià)中的應(yīng)用

劉玉生 陳晶 樊玲 郭旺

摘 要：本文運(yùn)用matlab軟件，采用BP神經(jīng)網(wǎng)絡(luò)構(gòu)建模型，按照地下水質(zhì)量標(biāo)準(zhǔn)分類隨機(jī)生成足量訓(xùn)練樣本，對(duì)石渠縣包蟲(chóng)病區(qū)打井工程地下水樣品進(jìn)行數(shù)據(jù)仿真歸類，以評(píng)價(jià)該工程飲用地下水質(zhì)量。通過(guò)神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)，確保了飲用水質(zhì)量評(píng)價(jià)的準(zhǔn)確性。模型有較高的靈活性和通用性，可進(jìn)一步推廣運(yùn)用。

關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò) 地下水質(zhì)量評(píng)價(jià) 應(yīng)用

中圖分類號(hào)：X824 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-3791（2016）08（b）-0000-00

1 前言

為解決包蟲(chóng)病影響百姓健康和經(jīng)濟(jì)發(fā)展問(wèn)題，石渠縣實(shí)施了大量打井取水工程。為了客觀評(píng)價(jià)地下水質(zhì)量，本文采取了人工神經(jīng)網(wǎng)絡(luò)算法模型，取得了理想效果。

2人工神經(jīng)網(wǎng)絡(luò)概述

近年來(lái)，人工神經(jīng)網(wǎng)絡(luò)取得快速發(fā)展，越來(lái)越多的應(yīng)用于地質(zhì)礦產(chǎn)、能源等領(lǐng)域。韓國(guó)人機(jī)圍棋大賽，“AlphaGo”完勝李世石，讓人工神經(jīng)網(wǎng)絡(luò)倍受眾人關(guān)注。人工神經(jīng)網(wǎng)絡(luò)是一種模仿人腦神經(jīng)網(wǎng)絡(luò)行為特征，進(jìn)行分布式并行處理信息的數(shù)學(xué)算法模型，通過(guò)調(diào)整模型內(nèi)部節(jié)點(diǎn)間連接關(guān)系，達(dá)到處理信息的目的。

人工神經(jīng)網(wǎng)絡(luò)可以分為模型構(gòu)建、訓(xùn)練和仿真三個(gè)階段。模型構(gòu)建就是根據(jù)數(shù)據(jù)的特征，有針對(duì)性的構(gòu)建適于數(shù)據(jù)仿真的網(wǎng)絡(luò)模型結(jié)構(gòu)。模型結(jié)構(gòu)包括輸入層、隱含層和輸出層，每一層由神經(jīng)元組成。神經(jīng)元是模型的基本單元，通過(guò)閾值和激活函數(shù)把上層信息傳遞給下層。模型訓(xùn)練是已知輸入—輸出數(shù)據(jù)樣本，把輸入數(shù)據(jù)代入模型計(jì)算，通過(guò)不斷調(diào)整模型內(nèi)部參數(shù)，使輸出結(jié)果與已知輸出數(shù)據(jù)誤差減小至允許范圍內(nèi)，從而確定模型參數(shù)。訓(xùn)練樣本越多、越有規(guī)律性，仿真結(jié)果就越真實(shí)。模型仿真即使用訓(xùn)練好的網(wǎng)絡(luò)模型，用新的輸入數(shù)據(jù)代入模型，得到輸出結(jié)果的過(guò)程。仿真可以實(shí)現(xiàn)模擬人腦神經(jīng)進(jìn)行識(shí)別、判斷、歸類等功能。

3 地下水質(zhì)量評(píng)價(jià)模型建立

本文采用Matlab建立一個(gè)三層的BP人工神經(jīng)網(wǎng)絡(luò)模型，包含輸入層、隱含層和輸出層。輸入層為地下水評(píng)價(jià)因子，本文選取總硬度、溶解性總固體、硫酸鹽、氯化物等21項(xiàng)主要指標(biāo)作為評(píng)價(jià)因子，因此輸入層有21個(gè)神經(jīng)元。地下水質(zhì)量分為5類，輸入期望值為Ⅰ類（1，0，0，0，0）、Ⅱ類（0，1，0，0，0）、Ⅲ類（0，0，1，0，0）、Ⅳ類（0，0，0，1，0）、Ⅴ類（0，0，0，0，1），因此輸出層神經(jīng)元有5個(gè)。隱含層可設(shè)為5個(gè)神經(jīng)元，則網(wǎng)絡(luò)結(jié)構(gòu)為21→5→5（圖1）。采用Matlab工具箱premnmx函數(shù)對(duì)數(shù)據(jù)進(jìn)行歸一化處理，newff函數(shù)建立BP模型，sim函數(shù)進(jìn)行仿真。

4 樣本數(shù)據(jù)準(zhǔn)備及訓(xùn)練

模型訓(xùn)練階段需要對(duì)足夠量的樣本進(jìn)行訓(xùn)練，以賦予模型結(jié)構(gòu)較為準(zhǔn)確的內(nèi)部參數(shù)。本文根據(jù)《地下水質(zhì)量評(píng)價(jià)標(biāo)準(zhǔn)》隨機(jī)生成足量樣本數(shù)據(jù)。例如：總硬度、溶解性總固體、硫酸鹽、氯化物四個(gè)因子，按地下水質(zhì)量分類指標(biāo)，在每一類區(qū)間隨機(jī)生成3個(gè)樣本，則5類共隨機(jī)得到如表2所示15個(gè)樣本。生成的樣本數(shù)量應(yīng)足夠多才能提高仿真準(zhǔn)確性和減少訓(xùn)練步數(shù)，但過(guò)多樣本則影響計(jì)算速度。本文對(duì)評(píng)價(jià)的21個(gè)因子，按分類指標(biāo)每類隨機(jī)生成40個(gè)樣本，共200個(gè)樣本，輸出允許誤差設(shè)為0.01，訓(xùn)練到540步時(shí)就達(dá)到了目標(biāo)。

5 模型仿真

本文的模型仿真對(duì)象為石渠縣東區(qū)50口井地下水的化學(xué)分析數(shù)據(jù)，每口井1組樣品，選取總硬度、溶解性總固體、硫酸鹽、氯化物等21個(gè)主要評(píng)價(jià)因子。采用matlab的sim函數(shù)，把50組樣品作為輸入數(shù)據(jù)，得到輸出結(jié)果。

以上輸出數(shù)據(jù)顯示5口井水質(zhì)均為Ⅰ類。通過(guò)模型仿真，50口井水質(zhì)均達(dá)到Ⅰ類水質(zhì)標(biāo)準(zhǔn)，與《地下水質(zhì)量標(biāo)準(zhǔn)》的綜合評(píng)價(jià)評(píng)分法結(jié)果基本一致。

6 結(jié)論

人工神經(jīng)網(wǎng)絡(luò)運(yùn)用的準(zhǔn)確度，在于模型構(gòu)建的合理性、輸入—輸出數(shù)據(jù)的相關(guān)性、訓(xùn)練樣本的普適性。如果樣本采集數(shù)據(jù)較窄，不能反映大部分背景特征，那么仿真時(shí)可能出現(xiàn)偏差。本文選取BP神經(jīng)網(wǎng)絡(luò)，按標(biāo)準(zhǔn)分類隨機(jī)生成大量訓(xùn)練樣本，保證了樣本的普適性，使模型更可靠，運(yùn)用范圍更廣。在石渠縣包蟲(chóng)病區(qū)打井工程中的成功運(yùn)用，說(shuō)明了模型的可靠性和通用性，可進(jìn)一步運(yùn)用于其它工程和問(wèn)題。

參考文獻(xiàn)

[1] 焦李成.神經(jīng)網(wǎng)絡(luò)系統(tǒng)理論[M].西安：西安電子科技大學(xué)出版社，1990：6～16.

[2] 張立明.人工神經(jīng)網(wǎng)絡(luò)的模型及其應(yīng)用[M].上海：復(fù)旦大學(xué)出版社，1992：32～51.

[3] 于建華.應(yīng)用神經(jīng)網(wǎng)絡(luò)自動(dòng)識(shí)別巖性[J].石油地球物理勘探，1993，28（1）：26.