基于BP神經(jīng)網(wǎng)絡的耕地土壤重金屬污染評價

王鴻++段曉明++伍燕翔++張玉龍

摘 要：本研究將土壤重金屬污染評價神經(jīng)網(wǎng)絡預測模型分為3層，7-6-1為該模型的神經(jīng)網(wǎng)絡結構，輸入層共包括7個神經(jīng)元，分別是土壤耕地有重要影響的Pb、As、Cr、Hg和Cd共5個重金屬元素，以及2個限制條件：土壤類型（水田或旱地）和土壤pH值；以已知的成都市不同生態(tài)區(qū)土壤重金屬指標作為本模型的訓練和檢驗樣本，本研究采用的軟件為 Matlab ，利用這個軟件訓練和檢驗BP神經(jīng)網(wǎng)絡，然后對宜賓市翠屏區(qū)土壤中的重金屬進行綜合等級評價。評價結果顯示BP神經(jīng)網(wǎng)絡對檢驗樣本的模擬輸出跟期望輸出是相同的；同時，對研究區(qū)土壤重金屬綜合等級評價結果跟模糊模式識別、傳統(tǒng)內梅羅指數(shù)評價法得出的結果也是基本一致的。

關鍵詞：BP神經(jīng)網(wǎng)絡；土壤重金屬污染

中圖分類號：TP183 文獻標識碼：A DOI：10.11974/nyyjs.20170533219

1 材料與方法

1.1 研究區(qū)概況

以宜賓市翠屏區(qū)宋家鄉(xiāng)洋坪村萬宜糧油專業(yè)合作社糧食生產(chǎn)功能區(qū)252.07hm2農(nóng)用地為研究區(qū)，該區(qū)地處中緯度北亞熱帶季風氣候區(qū)，在地質構造上位于川東褶皺帶永川帚狀褶皺帶的帚部；全區(qū)基巖廣布，地層結構、巖石特性形跡明顯，其中紫色巖層更是遍布于丘谷地區(qū)，多為侏羅系各組紫色巖層，巖層傾角10～30°，切割淺，田多土少。本區(qū)為川南丘陵區(qū)地貌形狀，海拔340～400m，由于受四川盆地地質構造的影響，形成紅色泥巖、沙質泥巖和沙巖互層沉積，主要土壤類型有：紅棕石骨土、灰棕紫沙土、棕紫泥田、黃紫沙田、紅紫沙田等，土壤質地沙壤-壤土，礫石含量較低，土壤耕性較好，經(jīng)檢測：土壤pH值5.94～8.40，微酸性-微堿性；有機質含量10.09～32.6g/kg、全氮0.71～1.86g/kg、有效磷0.4～17mg/kg、堿解氮74～151mg/kg、速效鉀93～214mg/kg，耕地土壤養(yǎng)分含量中等豐富，水田地力多為2～3級，旱地多為3～4級。

1.2 土樣采集與處理

土樣采集按照《農(nóng)田土壤環(huán)境質量監(jiān)測技術規(guī)范》（NY/T395-2000）的要求，于2015年9月在作物收獲后秋耕前，根據(jù)研究區(qū)土地利用現(xiàn)狀劃分取樣單元，每13.3～20hm2取一個樣點，共采集耕層土壤樣品10個，耕層按0～20cm，亞耕層按20～40cm用不銹鋼土鉆采集土樣，每個土樣均采用“S”法隨機采集15～20個點，經(jīng)充分混合后，用四分法留取1kg，重點點位留取1.5kg，裝入土袋標明，樣品取回在實驗室蔭干、碾碎備用。

1.3 測定項目及方法

土樣送四川省農(nóng)科院土壤肥料研究所化驗室進行，對農(nóng)產(chǎn)品質量安全有重要影響的Pb、As、Cr、Hg和Cd共5個重金屬元素的化驗分析，分析方法根據(jù)《農(nóng)田土壤環(huán)境質量監(jiān)測技術規(guī)范》（NY/T395-2000）要求確定：As、Hg采用原子熒光光譜法測試，Cd、Cr、Pb采用等離子體質譜法測試。

1.4 評價方法

1.4.1 傳統(tǒng)指數(shù)評價法

污染指數(shù)法是檢測評價土壤重金屬污染中最常用的一種方法，主要包括2種，分別為單因子和多因子污染指數(shù)法，多因子指數(shù)法是內梅羅指數(shù)法使用最多的一種方法。內梅羅指數(shù)法可以計算污染指數(shù)的平均值以及最高值，通常在實際的應用過程中，重金屬污染因子個數(shù)減少的情況比較適合應用該方法，加權有效地規(guī)避了權系數(shù)確定過程中的各種主觀因素，當前該方法的應用比較廣泛。但是，這種方法同時也存在不足之處，因為將土壤重金屬污染評價化由復雜變得過于簡單，過分強調了環(huán)境質量影響中最高值的作用。一般情況下，對土壤進行環(huán)境質量評價時，會按照中國土壤環(huán)境質量標準（GB15618-1995）中二級標準來確定研究的評價標準（表1）。

1.4.2 BP神經(jīng)網(wǎng)絡

1.4.2.1 BP神經(jīng)網(wǎng)絡原理

BP算法訓練的神經(jīng)網(wǎng)絡，稱之為BP神經(jīng)網(wǎng)絡，這種神經(jīng)網(wǎng)絡是目前應用最多的一種，按照誤差逆?zhèn)鞑ニ惴ㄟM行訓練，屬于多層前饋網(wǎng)絡。BP神經(jīng)網(wǎng)絡的學習功能比較強，輸入—輸出模式映射關系的存貯量也比較大，不必對描述該映射關系的數(shù)學方程進行揭示。梯度下降法是主要的學習規(guī)則，網(wǎng)絡的閾值和權值可以通過反向傳播得到適當?shù)恼{整，最終得出的最小的誤差平方和。BP神經(jīng)網(wǎng)絡模型拓撲共包括3層，分別是輸入層、隱層和輸出層。

1.4.2.2 BP神經(jīng)網(wǎng)絡算法

BP算法是目前最廣泛用的神經(jīng)網(wǎng)絡學習算法之一，其反向傳播包括2個步驟，分別是正向傳播以及反向傳播。

正向傳播就是樣本從輸入層開始經(jīng)過隱單元進行層層處理，之后傳到輸出層中；經(jīng)過這個過程的層層處理，每層中神經(jīng)單元的狀態(tài)都只會影響到下一層神經(jīng)元的狀態(tài)。比較輸出層中的現(xiàn)行輸出以及期望輸出，當現(xiàn)行輸出跟期望輸出不同時，則進行反向傳播過程。

反向傳播就是將誤差信號按照原路返回，從輸出層開始經(jīng)過隱含層對神經(jīng)元的權系數(shù)進行逐步修改，以最大化的減少誤差信號。

采用非線性S型對數(shù)傳遞函數(shù)logsig函數(shù)應用到模型的輸入層到隱含層的過程中，可以有效保證BP神經(jīng)網(wǎng)絡模型的非線性，線性函數(shù) purlin 函數(shù)應用到隱含層到輸出層中，trainlm函數(shù)為網(wǎng)絡采用的訓練函數(shù)。通過反復迭代運算，達到誤差允許范圍為止，最后固定權值系數(shù)及閥值，學習訓練過程結束，模型建立。

2 基于BP神經(jīng)網(wǎng)絡的土壤重金屬評價模型

2.1 學習樣本的選取

選取BP神經(jīng)網(wǎng)絡訓練樣本可以確定模型，如果采用累加樣本數(shù)量或者反復訓練網(wǎng)絡的方法，會耗費大量的時間，不利于提高網(wǎng)絡的預測精度。因此只有在充分考慮樣本的整體內在特征以及規(guī)律的基礎上才能選定樣本。

本文學習樣本選用《成都耕地》中耕地重金屬評價土壤樣點數(shù)據(jù)100個，檢驗樣本20個。樣本中土壤等級采用傳統(tǒng)內梅羅指數(shù)評價法得出（表3）。

2.2 神經(jīng)網(wǎng)絡預測模型的建立

3層前向BP神經(jīng)網(wǎng)絡能夠實現(xiàn)隨意精度接近任何一個非線性函數(shù)，而且過程中不需要建立數(shù)學模型，只要存在輸入以及目標輸出即可。賦予一個輸入模式給網(wǎng)絡，經(jīng)過輸入層—隱蔽層—輸出層層層處理之后，產(chǎn)生一個輸出模式。當實際輸出跟期望輸出不同時，則進行反向傳播，誤差值會沿著原路返回進行逐層修改。只有每個訓練模式都滿足特定要求，學習過程才能結束。

圖1為本研究中的土壤重金屬污染評價的BP神經(jīng)網(wǎng)絡預測模型，該模型共分為3層，7-6-1為該模型的神經(jīng)網(wǎng)絡結構，輸入層共包括7個神經(jīng)單元。分別是對土壤耕地有重要影響的Pb、As、Cr、Hg和Cd共5個元素，2個限制條件：土壤類型（水田或旱地）和土壤pH值，對土壤類型（水田、旱地）字符作對應性數(shù)字映射為水田-0，旱地-1；線性傳遞函數(shù)（purelin）為傳遞函數(shù)；隱蔽層共包括6個神經(jīng)元，傳遞函數(shù)為s型傳遞函數(shù)（1ogsig）；輸入層包含一個神經(jīng)元，和土壤重金屬污染評價等級對應，傳遞函數(shù)也是線性傳遞函數(shù)（purelin）。

網(wǎng)絡學習過程中或者網(wǎng)絡預測的過程中要實現(xiàn)更好的訓練，就要進行輸入矢量分量預處理以及輸出適量分量預處理，使用permnmx函數(shù)對網(wǎng)絡進行歸一化處理，以使樣本輸出和輸入范圍維持在[-1，1]之間。仿真后的數(shù)據(jù)通過postmnmx函數(shù)進行反歸一化處理。

本研究中有100個已知的土樣點參數(shù)數(shù)據(jù)可以當做學習樣本的輸出節(jié)點值，在神經(jīng)網(wǎng)絡學習模型中帶入5個影響參數(shù)和2個限制參數(shù)的輸入節(jié)點值，可以自動生成樣本群知識庫以及項目區(qū)土壤重金屬污染評價等級與7個特征參數(shù)的非線性計算關系，結果為：R?=0.99998；RMSE=0.01。

在神經(jīng)網(wǎng)絡推理機中帶入學習樣本以及驗證土樣點的7個參數(shù)標準值，利用知識庫將各單元的評價等級求出，然后與已知結果進行比較，如果誤差≤10%，再將其與傳統(tǒng)內梅羅指數(shù)評價結果進行比較，2個結果非常貼合。（表4）。

2.3 基于BP網(wǎng)絡的翠屏區(qū)土壤重金屬污染評價

在BP神經(jīng)網(wǎng)絡預測模型被驗證可用后，本文運用該模型，對宜賓市翠屏區(qū)宋家鄉(xiāng)洋坪村萬宜糧油專業(yè)合作社糧食生產(chǎn)功能區(qū)10個耕地土壤樣點進行評價，將其作為仿真部分輸入值代入網(wǎng)絡程序，即可評價出本區(qū)域耕地土壤重金屬污染等級，對該區(qū)域現(xiàn)代農(nóng)業(yè)規(guī)劃中土壤適宜性和農(nóng)產(chǎn)品質量安全溯源提供科學依據(jù)。

3 結論

本文主要對研究區(qū)域中的5種重金屬內梅羅指數(shù)綜合評價以及神經(jīng)網(wǎng)絡綜合評價的結果進行對比分析，對于該地區(qū)的污染水平和趨勢，兩者反映的基本一致，神經(jīng)網(wǎng)絡綜合法評價結果對細小區(qū)域的評價更加適合，如土樣1根據(jù)內梅羅指數(shù)法的結果顯示，該區(qū)域評價等級為2級、尚清潔，但應用BP神經(jīng)網(wǎng)絡評價為1級、清潔，這個評價結果比較符合當?shù)氐奈廴緺顩r。

借助BP神經(jīng)網(wǎng)絡方法建立起土壤重金屬污染等級與區(qū)域種植業(yè)適宜性和農(nóng)產(chǎn)品質量安全溯源之間構建起直接的聯(lián)系，管理決策部門可以從這個方向出發(fā)制定現(xiàn)代農(nóng)業(yè)規(guī)劃的應對措施，從而更好的協(xié)調社會經(jīng)濟活動跟土壤環(huán)境之間的關系，從而有效的預防土壤重金屬污染，進而保障農(nóng)產(chǎn)品的質量安全。

參考文獻

[1]李向.基于BP神經(jīng)網(wǎng)絡的土壤重金屬污染評價方法——以包頭土壤環(huán)境質量評價為例[J].中國農(nóng)學通報，2012，28（02）：250-256.

[2]楊娟，王昌全.基于BP神經(jīng)網(wǎng)絡的城市邊緣帶土壤重金屬污染預測[J].土壤學報，2007（05）：430-436.

作者簡介：王鴻（1969-），男，四川瀘縣人，碩士，高級農(nóng)藝師，主要從事耕地土壤改良與利用方面的研究。