基于BP神經(jīng)網(wǎng)絡(luò)的萩蘆溪流域水質(zhì)變化趨勢研究

摘要：根據(jù)2007-2011年萩蘆溪流域白沙橋、獅亭橋、南安陂和江口橋4個(gè)監(jiān)測點(diǎn)水質(zhì)監(jiān)測數(shù)據(jù)，應(yīng)用主成分分析法確定水質(zhì)主要富營養(yǎng)化指標(biāo)為TP、BOD5和DO。利用Matlab 6.5軟件構(gòu)建BP神經(jīng)網(wǎng)絡(luò)模型，對2012-2014年萩蘆溪流域4個(gè)監(jiān)測點(diǎn)的水質(zhì)主要富營養(yǎng)化指標(biāo)進(jìn)行預(yù)測，分析萩蘆溪流域水質(zhì)變化趨勢，表明TP為萩蘆溪流域水體污染的主導(dǎo)因子，為萩蘆溪流域的限制性營養(yǎng)元素，并提出相應(yīng)對策。

關(guān)鍵詞：萩蘆溪；營養(yǎng)元素；主成分分析；BP神經(jīng)網(wǎng)絡(luò)

中圖分類號：S522 文獻(xiàn)標(biāo)識碼：A 文章編號：0439-8114（2013）14-3469-04

萩蘆溪流域?yàn)楦＝ㄊ∑翁锸械诙蠛恿?，其自然環(huán)境優(yōu)良，水資源豐富，流域內(nèi)的外度水庫、后溪水庫和東方紅水庫保證了莆田市工業(yè)、農(nóng)業(yè)生產(chǎn)用水和居民生活用水。然而，近年來由于畜禽兩岸養(yǎng)殖業(yè)和種植業(yè)迅速發(fā)展，萩蘆溪流域的水體環(huán)境和生態(tài)系統(tǒng)受到很大的威脅[1]。目前國內(nèi)外對于流域、湖泊、庫區(qū)等水環(huán)境質(zhì)量評價(jià)方法較多，如模糊綜合評價(jià)法[2]、分形理論[3]、隨機(jī)評價(jià)[4]、灰色聚類法[5]、神經(jīng)網(wǎng)絡(luò)評價(jià)[6-10]等。在近年來水質(zhì)監(jiān)測數(shù)據(jù)的基礎(chǔ)上，本研究基于BP神經(jīng)網(wǎng)絡(luò)，針對萩蘆溪流域建立模型，對流域水質(zhì)營養(yǎng)元素分布特征以及變化規(guī)律進(jìn)行預(yù)測及分析，可為全面了解萩蘆溪流域水體污染程度提供依據(jù)，同時(shí)也為萩蘆溪流域經(jīng)濟(jì)可持續(xù)發(fā)展和水質(zhì)改善提供科學(xué)的參考依據(jù)。

1 研究區(qū)概況

萩蘆溪流域位于福建省莆田市北部，東經(jīng)119°00′-119°12′，北緯25°29′-25°38′，發(fā)源于仙游縣游洋鎮(zhèn)，海拔805.8 m，河流自西北向東南流經(jīng)莊邊鎮(zhèn)，于白沙鎮(zhèn)的寶陽匯合，再流經(jīng)白沙、萩蘆，接納三叉河，最后在江口鎮(zhèn)注入興化灣。萩蘆溪干支流共長150 km2，集雨面積709 km2（其中莆田市境內(nèi)662 km2），居福建省第十一位。萩蘆溪水系排列具有羽狀特征，地勢為西北高，東南低，大部分海拔在100 m以上。河道中上游為中低山地，是戴云山脈蜿蜒而東的支脈，巖層由中生界火山巖組成，河道平均坡降為25.9‰，屬于山溪性河流。萩蘆溪下游河道比較開闊，水流平緩，最小坡降為5.8‰，屬于興化平原。該流域中建有中、小型水庫共二十余座，大多數(shù)水庫是以灌溉為主，用于防洪、發(fā)電和養(yǎng)殖。

2 BP神經(jīng)網(wǎng)絡(luò)的原理

BP神經(jīng)網(wǎng)絡(luò)能夠大量反映人腦功能的基本特性，是由大量又簡單的神經(jīng)元經(jīng)過廣泛相互連接形成的[11]。BP神經(jīng)網(wǎng)絡(luò)采用的學(xué)習(xí)算法是一種誤差反向傳播的算法，該算法具有較強(qiáng)的函數(shù)映射功能，具有廣泛的用途，是人工神經(jīng)網(wǎng)絡(luò)最典型的代表。BP神經(jīng)網(wǎng)絡(luò)是最簡單的多層神經(jīng)網(wǎng)絡(luò)，層與層之間的神經(jīng)元實(shí)現(xiàn)全連接，而每層內(nèi)各神經(jīng)元之間沒有連接[7]。網(wǎng)絡(luò)的訓(xùn)練依據(jù)是有教師教的學(xué)習(xí)方式，即當(dāng)向網(wǎng)絡(luò)提供一種學(xué)習(xí)模式，神經(jīng)元被激活，激活值就會從輸入層傳播到隱含層，再從隱含層傳播到輸出層，輸出層的神經(jīng)元被激活，然后網(wǎng)絡(luò)依據(jù)使實(shí)際輸出接近目標(biāo)輸出、使誤差減少的方向，從輸出層經(jīng)過各隱含層逐層修改各神經(jīng)元之間的連接權(quán)值，最后回到輸入層，因此被稱為誤差反向傳播算法。

2.1 輸入?yún)?shù)的選擇

主成分分析法是將復(fù)雜又彼此相關(guān)的多個(gè)變量簡化的一種分析方法[12-14]。在實(shí)際監(jiān)測過程中，雖然監(jiān)測點(diǎn)和監(jiān)測項(xiàng)目較多，但是每個(gè)監(jiān)測點(diǎn)的監(jiān)測數(shù)據(jù)之間存在著一定的相關(guān)性。通過主成分分析法對其進(jìn)行降維處理，能夠找出水體環(huán)境質(zhì)量的綜合指標(biāo)。這些綜合指標(biāo)是由若干個(gè)指標(biāo)通過線性結(jié)合的方式形成的，保留了原始數(shù)據(jù)的大部分信息，能夠充分反映原始數(shù)據(jù)的內(nèi)容。對這些綜合指標(biāo)進(jìn)行分析，并且分析各單項(xiàng)指標(biāo)在綜合指標(biāo)中的重要性，刪除一些次要的指標(biāo)，從而確定造成水體污染的主要成分。

2.2 數(shù)據(jù)預(yù)處理和后期處理

對BP神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)進(jìn)行預(yù)處理，能夠使網(wǎng)絡(luò)的訓(xùn)練速度加快。Matlab 6.5軟件預(yù)處理的方法有歸一化處理、標(biāo)準(zhǔn)化處理、主成分分析、回歸分析與相關(guān)性分析。其中，歸一化處理是將每組數(shù)據(jù)均歸一化為-1到1之間的數(shù)值，所涉及的函數(shù)有Mapminmax、Postmnmx、Tramnmx。

3 萩蘆溪流域水質(zhì)變化實(shí)例分析

數(shù)據(jù)來源于2007-2011年莆田市萩蘆溪流域4個(gè)監(jiān)測點(diǎn)水質(zhì)監(jiān)測結(jié)果（監(jiān)測點(diǎn)設(shè)置如圖1所示）。數(shù)據(jù)分析及處理采用Excel軟件，主成分分析采用SPSS17.0軟件，Matlab 6.5軟件用于構(gòu)建BP神經(jīng)網(wǎng)絡(luò)來預(yù)測萩蘆溪流域水質(zhì)變化的趨勢。

3.1 輸入?yún)?shù)的選擇

利用SPSS17.0軟件對2007-2011年萩蘆溪流域4個(gè)監(jiān)測點(diǎn)水體的pH、DO、CODMn、BOD5、氨氮和TP 6個(gè)指標(biāo)的年均值進(jìn)行主成分分析，選取水體污染主導(dǎo)因子。結(jié)果（表1）表明，前2個(gè)主成分的累計(jì)貢獻(xiàn)率為87.286%，大于85%，可以充分反映各個(gè)污染因素對水體污染程度的貢獻(xiàn)，因此提取主成分F1、F2進(jìn)行分析。第一主成分的貢獻(xiàn)率為49.719%，主要由TP和BOD5決定，第二主成分的貢獻(xiàn)率為37.567%，主要是由DO決定（表2）。因此，初步選取了TP、BOD5和DO作為萩蘆溪水體污染的主要限制因子。

3.2 網(wǎng)絡(luò)模型的確定

BP神經(jīng)網(wǎng)絡(luò)是一種具有3層或者3層以上神經(jīng)元的前饋型網(wǎng)絡(luò)，由1個(gè)輸入層、若干隱含層及1個(gè)輸出層構(gòu)成，輸入層和輸出層的神經(jīng)元根據(jù)實(shí)際情況和數(shù)據(jù)決定。因此，選擇利用主成分分析法分析得到的影響水體質(zhì)量的TP、BOD5和DO 3個(gè)指標(biāo)作為BP神經(jīng)網(wǎng)絡(luò)輸入層和輸出層的神經(jīng)元，所以輸入層和輸出層的神經(jīng)元數(shù)量均為3，輸入層神經(jīng)元傳遞函數(shù)選用S型正切函數(shù)Tansig，輸出層神經(jīng)元傳遞函數(shù)選用線性函數(shù)Purelin。由于用只含有一個(gè)隱含層的BP神經(jīng)網(wǎng)絡(luò)就可以逼近閉區(qū)間內(nèi)的任意一個(gè)連續(xù)的函數(shù)[15]，因此，本研究選擇3層BP神經(jīng)網(wǎng)絡(luò)。隱含層的神經(jīng)元數(shù)的選取比較復(fù)雜，因?yàn)殡[含層的神經(jīng)元數(shù)太多，學(xué)習(xí)時(shí)間將會延長，誤差就增大。研究表明對于輸入層神經(jīng)元數(shù)為m的3層BP神經(jīng)網(wǎng)絡(luò)，隱含層的神經(jīng)元數(shù)可以設(shè)計(jì)為2m+1個(gè)，此時(shí)BP神經(jīng)網(wǎng)絡(luò)能夠以任意精度逼近任何一個(gè)可微函數(shù)[11]。由于輸入層神經(jīng)元數(shù)量為3，因此隱含層神經(jīng)元數(shù)可以設(shè)計(jì)為7。選用S型正切函數(shù)Tansig作為隱含層神經(jīng)元的傳遞函數(shù)。對于內(nèi)存足夠的中小型網(wǎng)絡(luò)可以選取Levenber-Marquardt學(xué)習(xí)算法訓(xùn)練網(wǎng)絡(luò)，其訓(xùn)練速度在這種情況下較快。因此，選取Trainlm函數(shù)作為BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練函數(shù)。

3.3 網(wǎng)絡(luò)性能檢驗(yàn)結(jié)果及分析

利用BP神經(jīng)網(wǎng)絡(luò)以2010年萩蘆溪流域白沙橋、獅亭橋、南安陂和江口橋4個(gè)監(jiān)測點(diǎn)的TP，BOD5和DO 3個(gè)指標(biāo)作為輸入樣本，預(yù)測2011年萩蘆溪流域白沙橋、獅亭橋、南安陂和江口橋4個(gè)監(jiān)測點(diǎn)的TP、BOD5和DO 3個(gè)指標(biāo)的含量，結(jié)果最大相對誤差數(shù)值為2.97%，預(yù)測準(zhǔn)確度較高。由此可見，訓(xùn)練后的BP神經(jīng)網(wǎng)絡(luò)模型可用于預(yù)測萩蘆溪流域白沙橋、獅亭橋、南安陂和江口橋4個(gè)監(jiān)測點(diǎn)的TP、BOD5和DO 3個(gè)指標(biāo)的含量。

3.4 萩蘆溪流域水質(zhì)指標(biāo)預(yù)測結(jié)果

比較分析利用BP神經(jīng)網(wǎng)絡(luò)預(yù)測的2012-2014年萩蘆溪流域4個(gè)監(jiān)測點(diǎn)TP、BOD5和DO的預(yù)測值（表3），表明萩蘆溪流域TP含量在地表水環(huán)境質(zhì)量Ⅱ-Ⅳ類之間變動(dòng)，其中江口橋TP含量從2012年的0.155 mg/L到2013年0.191 mg/L，再到2014年的0.233 mg/L，呈現(xiàn)上升的趨勢；BOD5屬于地表水環(huán)境質(zhì)量Ⅰ類標(biāo)準(zhǔn)；DO在2012年含量較低，其中獅亭橋的含量最?。?.563 mg/L），屬于地表水環(huán)境質(zhì)量Ⅲ類標(biāo)準(zhǔn)，2013年萩蘆溪流域DO含量屬于地表水環(huán)境質(zhì)量Ⅰ類標(biāo)準(zhǔn)，2014年流域DO含量除了江口橋?yàn)?.047 mg/L，屬于地表水環(huán)境質(zhì)量Ⅱ類標(biāo)準(zhǔn)外，其他監(jiān)測點(diǎn)DO含量均屬于Ⅰ類標(biāo)準(zhǔn)。

3.5 萩蘆溪流域TP含量的變化特征

氮、磷是水體中主要的營養(yǎng)元素，是水體富營養(yǎng)化的最主要原因[16，17]。淡水系統(tǒng)中氮、磷含量在正常情況下是有限的，過量的氮、磷輸入會致使植物大量生長，尤其是引起藻類以及其他浮游生物的快速繁殖，使得水體中溶解氧含量下降，水質(zhì)變差。利比希最小因子定律解釋表明最小量的必需物質(zhì)決定了植物的生長，這種物質(zhì)就是限制性因子。當(dāng)水體中氮、磷能夠被水體中的植物吸收，氮磷比<7時(shí)，氮可能是限制性營養(yǎng)鹽；當(dāng)?shù)妆?gt;7時(shí)，磷可能是限制性營養(yǎng)鹽；當(dāng)比值在7附近時(shí)，則氮和磷均可能是限制性營養(yǎng)鹽[15]。分析2011年數(shù)據(jù)可知，氮磷比為16.87>7，說明磷可能是限制性營養(yǎng)鹽，進(jìn)一步分析歷年數(shù)據(jù)及預(yù)測數(shù)據(jù)，結(jié)果表明氮磷比均大于7。由此可知，TP為萩蘆溪流域水質(zhì)惡化的主導(dǎo)因子，依據(jù)利比希最小定律分析的結(jié)果可知磷為萩蘆溪流域的限制性營養(yǎng)元素。

分析比較2007-2014年萩蘆溪流域白沙橋、獅亭橋、南安陂和江口橋4個(gè)監(jiān)測點(diǎn)TP含量（圖2）。2007-2011年除了2008年白沙橋TP的含量（0.158 mg/L）大于江口橋TP的含量（0.155 mg/L）外，江口橋TP含量均高于其他3個(gè)監(jiān)測點(diǎn)的TP含量。白沙橋和獅亭橋TP含量在2009和2011年出現(xiàn)拐點(diǎn)下降，江口橋和南安陂TP含量的變化趨勢基本一致，都是2007-2009年含量上升，2010-2011年含量下降。對2012-2014年的預(yù)測結(jié)果顯示，2011年后TP含量比2011年高，白沙橋和獅亭橋的變化趨勢基本一致，TP含量上升，南安陂和江口橋的變化趨勢剛好相反，南安陂TP含量下降，江口橋TP含量上升，可知江口橋TP含量相對污染較嚴(yán)重，提示莆田市涵江區(qū)政府及其有關(guān)部門特別是管轄江口橋的有關(guān)部門應(yīng)加強(qiáng)水質(zhì)治理力度，公眾應(yīng)嚴(yán)格遵守規(guī)定，畜禽養(yǎng)殖業(yè)、種植業(yè)、工業(yè)、企業(yè)、娛樂場排放水均應(yīng)符合規(guī)定要求，使萩蘆溪流域TP含量下降，水質(zhì)得到徹底的改善，達(dá)到理想狀態(tài)。

4 小結(jié)

通過SPSS17.0軟件對2007-2011年萩蘆溪流域白沙橋、獅亭橋、南安陂和江口橋4個(gè)監(jiān)測點(diǎn)水質(zhì)指標(biāo)的平均值進(jìn)行主成分分析，得出TP、BOD5和DO為流域水質(zhì)富營養(yǎng)化的主要影響因子。利用BP神經(jīng)網(wǎng)絡(luò)預(yù)測萩蘆溪流域TP、BOD5和DO的含量，相對誤差最大為2.97%，表明建立的模型適用于萩蘆溪流域TP、BOD5和DO含量的預(yù)測，能夠?yàn)槿c蘆溪流域水資源保護(hù)起到指導(dǎo)性作用。綜合分析萩蘆溪流域4個(gè)監(jiān)測點(diǎn)TP、BOD5和DO含量，得出TP為萩蘆溪流域的限制性營養(yǎng)元素。

參考文獻(xiàn)：

[1] 林秋霞.萩蘆溪流域養(yǎng)豬污染與治理模式分析[J]. 能源與環(huán)境，2010（3）：60-63.

[2] 尤永祥，曹貫中，肖仲凱，等.模糊綜合評價(jià)法在長江下游貴池河段水質(zhì)評價(jià)中的應(yīng)用[J].水利科技與經(jīng)濟(jì)，2012，18（4）：54-56.

[3] 詹 勇，李暢游，史小紅，等.分形理論在評價(jià)烏梁素海湖水質(zhì)中的應(yīng)用[J].水資源與水工程學(xué)報(bào)，2012，23（2）：37-40.

[4] 廖 杰，王文圣，丁 晶.貝葉斯公式在河流水質(zhì)綜合評價(jià)中的應(yīng)用[J].四川師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2007，30（4）：519-522.

[5] 吳祥慶，黎小正，秦振發(fā)，等.灰色聚類法在西津水庫水體富營養(yǎng)化評價(jià)中的應(yīng)用[J].安徽農(nóng)業(yè)科學(xué)，2010，38（22）：11926-11928.

[6] 孫境蔚.基于BP神經(jīng)網(wǎng)絡(luò)的水體富營養(yǎng)化評價(jià)的研究[J].泉州師范學(xué)院學(xué)報(bào)，2008，26（4）：92-95.

[7] 侯 君，姚志紅.基于BP神經(jīng)網(wǎng)絡(luò)的湖泊水體富營養(yǎng)化的短期預(yù)測[J].實(shí)驗(yàn)室研究與探索，2008，27（6）：38-40.

[8] 王里奧，任家寬，劉陽生，等.基于因子-神經(jīng)網(wǎng)絡(luò)預(yù)測南渡江?？诙嗡|(zhì)狀況[J].環(huán)境科學(xué)管理，2008，33（6）：176-179.

[9] 楊 琴，謝淑云.BP神經(jīng)網(wǎng)絡(luò)在洞庭湖氨氮濃度預(yù)測中的應(yīng)用[J].水資源與水工程學(xué)報(bào)，2006，17（1）：65-70.

[10] 高艷萍，周 敏，姜鳳嬌.基于BP網(wǎng)絡(luò)養(yǎng)殖水體氨氮預(yù)測模型及實(shí)現(xiàn)[J].農(nóng)機(jī)化研究，2008（7）：48-50.

[11] 傅薈璇，趙 紅.MATLAB神經(jīng)網(wǎng)絡(luò)應(yīng)用設(shè)計(jì)[M].北京：機(jī)械工業(yè)出版社，2007.90-91.

[12] 王曉鳳.應(yīng)用主成分分析法評價(jià)東昌湖水質(zhì)狀況[J].湖北農(nóng)業(yè)科學(xué)，2011，50（23）：4812-4815.

[13] 陳海鷹.主成分分析法在東張水庫水質(zhì)污染特征分析與評價(jià)的應(yīng)用[J].化學(xué)工程與裝備，2011（9）：249-255.

[14] 余進(jìn)祥，劉婭菲，鐘曉蘭，等.鄱陽湖水體富營養(yǎng)化評價(jià)方法及主導(dǎo)因子研究[J].江西農(nóng)業(yè)學(xué)報(bào)，2009，21（4）：125-128.

[15] 陳新軍，周應(yīng)祺.基于BP模型的漁業(yè)資源可持續(xù)利用綜合動(dòng)態(tài)評價(jià)[J]. 湛江海洋大學(xué)學(xué)報(bào)， 2002，22（6）：38-44.

[16] 胡綿好，袁菊紅，盧福財(cái)，等.鄱陽湖典型區(qū)段水體氮磷等污染發(fā)生頻率與成因特征研究[J].水資源與水工程學(xué)報(bào)，2012， 23（1）：14-17.

[17] 張旦麟，何仁江，鄭 軍，等.三峽庫區(qū)典型農(nóng)業(yè)小流域水體水質(zhì)與徑流氮磷流失研究[J].三峽環(huán)境與生態(tài)，2011，33（5）：1-5.