螺髻山北麓地下水化學(xué)特征與水質(zhì)評(píng)價(jià)

吳君毅，劉洪，歐陽(yáng)淵，李樋，張景華，張騰蛟，黃勇，段聲義

（1.中國(guó)地質(zhì)大學(xué)（北京），北京 100084；2.中國(guó)地質(zhì)科學(xué)院研究生院，北京 100037；3.中國(guó)地質(zhì)調(diào)查局成都地質(zhì)調(diào)查中心，四川 成都 610081；4.成都理工大學(xué)地球科學(xué)學(xué)院，四川 成都 610059；5.華東冶金地質(zhì)勘查局測(cè)繪總隊(duì)，安徽 合肥 230088）

地下水作為水資源和水循環(huán)的重要組成部分，其水質(zhì)的優(yōu)劣關(guān)系到當(dāng)?shù)亟?jīng)濟(jì)建設(shè)、人民的生產(chǎn)生活、生態(tài)平衡等一系列問(wèn)題（Chen，1994；Adimalla，2020；張俊等，2021；黨學(xué)亞等，2022；馮嘉興等，2023）。螺髻山北麓橫跨四川省涼山彝族自治州西昌市、德昌縣與冕寧縣，研究區(qū)經(jīng)濟(jì)發(fā)展滯后，以粗放型農(nóng)業(yè)、畜牧業(yè)為主，生態(tài)環(huán)境脆弱（楊帆等，2018）。因此研究地下水化學(xué)特征、形成機(jī)制以及評(píng)價(jià)水質(zhì)對(duì)該區(qū)保護(hù)和合理利用開(kāi)發(fā)地下水資源，防止和控制地下水污染，促進(jìn)農(nóng)牧業(yè)綠色生產(chǎn)，保障人民身體健康，加強(qiáng)生態(tài)文明建設(shè)有著重要研究意義。

地下水化學(xué)特征研究是水體化學(xué)組成與地下水演化過(guò)程研究的基礎(chǔ)（Abbas et al.，2021），起到反映地下水的補(bǔ)給、途經(jīng)區(qū)域巖性、氣象水文與環(huán)境特征、反映水化學(xué)演化的控制因素等作用（Li et al.，2015，2021；楊芬等，2021；Wali et al.，2021；杜金龍，2022）。能夠有效揭示地下水與環(huán)境的相互作用機(jī)制以及離子交換過(guò)程，對(duì)地下水水質(zhì)差別的原因有一定解釋作用，可為合理開(kāi)發(fā)利用水資源，改善水質(zhì)提供科學(xué)依據(jù)。

國(guó)內(nèi)外對(duì)于地下水水質(zhì)的研究中，評(píng)價(jià)方法主要有內(nèi)梅羅指數(shù)法、模糊綜合評(píng)價(jià)法、主成分分析法和多元分析法等（Nemerow et al.，2009；Zhang et al.，2012；李連香等，2015；張志君，2020；周及等，2020；時(shí)雯雯等，2021；曾慶銘等，2021）。上述評(píng)價(jià)方法采用傳統(tǒng)統(tǒng)計(jì)學(xué)方法雖各有其優(yōu)勢(shì)，但都不能很好的分析水質(zhì)等級(jí)與評(píng)價(jià)指標(biāo)之間復(fù)雜的非線性關(guān)系，可能存在一定的主觀干預(yù)（李海濤，2020a）。近年來(lái)，隨著計(jì)算機(jī)科學(xué)的發(fā)展與應(yīng)用，人工神經(jīng)網(wǎng)絡(luò)（Artificial neural network，ANN）模型能夠高效擬合非線性關(guān)系數(shù)據(jù)，對(duì)其做出分類或預(yù)測(cè)，ANN 模型在非線性數(shù)據(jù)擬合方面存在優(yōu)勢(shì)，能夠避免確定性模型處理實(shí)際問(wèn)題時(shí)的過(guò)度簡(jiǎn)化問(wèn)題（陳能汪，2021）。對(duì)于利用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行水質(zhì)評(píng)價(jià)最常用的網(wǎng)絡(luò)模型是BP 神經(jīng)網(wǎng)絡(luò)，雖然該模型有收斂速度慢、結(jié)構(gòu)復(fù)雜，且無(wú)法反映主要影響因子等缺點(diǎn)（崔永華等，2007），但其優(yōu)點(diǎn)克服了主觀賦權(quán)對(duì)于評(píng)價(jià)結(jié)果的影響，評(píng)價(jià)結(jié)果客觀、合理且精度高，能在處理不同時(shí)間和空間水樣數(shù)據(jù)組合時(shí)的效能優(yōu)于其他方法（Kumar et al.，2020）。BP 神經(jīng)網(wǎng)絡(luò)因此被廣泛應(yīng)用于水質(zhì)評(píng)價(jià)，并且通過(guò)不同的算法如螢火蟲(chóng)算法（顏建等，2020）、頭腦風(fēng)暴優(yōu)化算法（李海濤等，2020b）、DPA 算法（徐康耀等，2015）等算法能夠進(jìn)一步提高評(píng)價(jià)的結(jié)果。

筆者在前人對(duì)研究區(qū)水文地質(zhì)背景總結(jié)研究的基礎(chǔ)上，研究地下水化學(xué)特征。利用Pytorch 搭建基于RMSprop 梯度下降算法的BP 神經(jīng)網(wǎng)絡(luò)模型，對(duì)研究區(qū)地下水水質(zhì)進(jìn)行綜合客觀評(píng)價(jià)。

1 研究區(qū)概況

1.1 區(qū)域自然條件

研究區(qū)位于四川省涼山彝族自治州西昌市、德昌縣與冕寧縣的交界處的螺髻山北麓（E 102°7′～102°30′，N 27°30′～27°46′），北接邛海盆地，南臨螺髻山脈，東接馬雄梁子，西靠安寧河磨盤山。研究區(qū)的總體地勢(shì)為兩山夾一河，山地河流整體為南北向。在氣候上，具有年溫差小、日溫差大、干濕分明、雨量充沛、降水集中、日照充足等特點(diǎn)，屬于亞熱帶高原季風(fēng)氣候。西側(cè)的牦牛山南麓和安寧河河谷分別為構(gòu)造侵蝕中山和中山寬谷平原，中部螺髻山北麓為構(gòu)造侵蝕中山地貌，高山與盆地最大高差為500～1 500 m。螺髻山山嶺海拔為3 000～4 200 m，呈近南北走向，在研究區(qū)構(gòu)成了安寧河和則木河的分水嶺。研究區(qū)西部為安寧河流域，安寧河從北向南貫穿西昌市，于米易縣附近注入雅礱江，最終匯入金沙江，全長(zhǎng)為320 km，流域面積為1.1 萬(wàn)km2，安寧河的主要支流有18 條，其中流域面積大于500 km2的支流主要是孫水河、海河、茨達(dá)河、錦川河。主流與支流多以直角交匯，成羽狀水系。研究區(qū)東南部為則木河流域，則木河發(fā)源于普格縣特爾果鄉(xiāng)阿則木山，屬于黑水河右岸一級(jí)支流，從特爾果鄉(xiāng)一帶由北向南流經(jīng)五道箐鄉(xiāng)、特補(bǔ)鄉(xiāng)，螺髻山鎮(zhèn)等地，最終在普格縣的中梁山南端流入黑水河，其流長(zhǎng)約為54 km，流域面積為668.2 km2（孟晶晶等，2018）。

1.2 區(qū)域地質(zhì)背景

在大地構(gòu)造劃分上，研究區(qū)位于上揚(yáng)子西緣的康滇斷隆帶中北段（劉洪等，2020）。研究區(qū)出露的地層（圖1）主要為震旦系—第四系，震旦系以陸相火山碎屑巖類、陸源碎屑巖類和碳酸鹽巖類為主，零碎分布在螺髻山北麓、馬雄梁子地區(qū)。寒武系在本區(qū)出露較少，以碳酸鹽巖為主。中生界（三疊系—白堊系）在本區(qū)大面積出露，以陸相砂泥質(zhì)碎屑巖為主。新生界（古近系—第四系），以半固結(jié)的碎屑巖為主零星分布在安寧河谷東岸及大箐梁子等地，第四系沖洪積物（Qapl）沿安寧河、則木河河谷以及山谷溝谷分布。巖漿巖在安寧河西岸出露，主要為花崗巖類。研究區(qū)構(gòu)造線復(fù)雜，主要的斷裂包括安寧河斷裂帶（南北向）和則木河斷裂帶（北北西向）。由于地質(zhì)構(gòu)造復(fù)雜，地質(zhì)條件多樣，現(xiàn)代構(gòu)造活動(dòng)強(qiáng)烈，巖石穩(wěn)定性差、巖面風(fēng)化強(qiáng)烈、疏松破碎、碎屑物質(zhì)豐富，形成了易發(fā)生地震、崩塌、滑坡、泥石流、水土流失的地質(zhì)背景（張騰蛟等，2020）。

圖1 研究區(qū)水文地質(zhì)圖Fig.1 Hydrogeological map of the study area

1.3 區(qū)域水文地質(zhì)背景

根據(jù)研究區(qū)地層巖性、地下水類型分為6 類，分別是松散堆積層孔隙潛水-承壓水區(qū)（A1 型）、松散堆積層孔隙潛水區(qū)（A2 型）、碎屑巖裂隙層間水區(qū)（B1 型）、碎屑巖孔隙-裂隙層間水區(qū)（B2 型）、巖漿巖裂隙水層間水區(qū)（C 型）和碳酸鹽巖裂隙層間水區(qū)（D 型）。

A1 型在河谷區(qū)第四系沖洪積物區(qū)域，地下水量豐富，為孔隙潛水-承壓水；A2 型在山麓區(qū)第四系沖洪積物中地下水量中等-貧乏只有孔隙潛水；B1 型地層有開(kāi)建橋組、列古六組、官溝組、飛天山組、益門組、新村組、牛滾凼組等地層，地下水量中等-貧乏的裂隙層間水；B2 型地層有白果灣組、小壩組等碎屑巖地層地下水量豐富的孔隙-裂隙層間水；C 型為磨盤山的地區(qū)的晚三疊世花崗巖類地下水量貧乏的裂隙層間水；D 型分布在螺髻山區(qū)的觀音崖組、燈影組、龍王廟組、西王廟組和二道水組等碳酸鹽巖地層，地下水為溶洞暗河發(fā)育的裂隙層間水。安寧河河谷平原、邛海平原地下水資源豐富，為多層含水結(jié)構(gòu)。一級(jí)階地河漫灘礫卵石主要賦存潛水，主要為大氣降水和河水補(bǔ)給。周邊的山前洪積扇賦存承壓水，水量較少。安寧河岸兩岸山區(qū)的砂巖、粉砂巖、礫巖、泥巖、花崗巖和閃長(zhǎng)巖等巖層中主要賦存碎隙巖類孔隙、裂隙水類型。盆地高地地區(qū)、臺(tái)地漫灘地區(qū)，主要靠大氣降水補(bǔ)給，雨季水位上升，旱季相反?；鶐r山區(qū)由于裂隙發(fā)育較少，無(wú)地下水位，水流量小，雨季、旱季流量差別大。

2 采樣、分析測(cè)試方法

根據(jù)研究區(qū)地下水分布情況，設(shè)置15 個(gè)地下水露頭作為采樣點(diǎn)（圖1）。水樣的采集以及保存方法按照生活地下水標(biāo)準(zhǔn)檢驗(yàn)方法（GB/T 14848-2017）。使用1.5 L 的聚乙烯瓶的容器采集水樣，樣品采集前，使用待采水樣清洗3～4 次，再取樣，樣品裝滿不留氣泡并密封，陽(yáng)離子過(guò)濾酸化保存，陰離子原樣過(guò)濾保存，陰陽(yáng)共取30 件樣品。樣品編號(hào)、類型、水體狀況、位置、水文地質(zhì)分組如表1 所示。

表1 水樣品概況統(tǒng)計(jì)表Tab.1 General situation of water samples

采樣現(xiàn)場(chǎng)使用ISE 測(cè)定儀檢測(cè)pH 值，重量法檢測(cè)溶解性總固體。其他樣品指標(biāo)送予四川省地質(zhì)礦產(chǎn)勘察開(kāi)發(fā)局西昌地礦檢測(cè)中心檢驗(yàn)，檢驗(yàn)方法如下：As、Se、Sb、Hg 含量使用AFS 方法檢測(cè)；Sr、Cr、Cd、Co、Cu、Pb、Zn、Mn、Ni、Mo 含量使用MS 方法檢測(cè)；K+、Na+、Ca2+、Mg2+、Al3+含量使用ICP 方法檢測(cè)；Fe3+含量使用離子色譜法檢測(cè)；含量使用納氏試劑比色法檢測(cè)；F-、Cl-、含量使用離子色譜法檢測(cè)；偏硅酸含量使用比色法檢測(cè)；含量使用滴定法檢測(cè)；總硬度采用EDTA-2Na滴定法。

通過(guò)陰陽(yáng)離子電荷平衡法檢測(cè)地下水樣品水化學(xué)分析結(jié)果可靠性，若無(wú)機(jī)離子平衡常數(shù)（NICB）小于5%，表明陰陽(yáng)離子平衡數(shù)據(jù)可信。文中地下水樣品的NICB 值為-4.7 %～4.9 %，平均值為-1.9%，測(cè)試分析數(shù)據(jù)可靠。

3 研究方法

3.1 水化學(xué)特征研究方法Piper

三線圖能區(qū)分研究區(qū)地下水化學(xué)類型。Gibbs 圖解法（Gibbs，1970）研究水巖作用對(duì)水化學(xué)成分的影響，將主要離子來(lái)源分為蒸發(fā)結(jié)晶作用、巖石風(fēng)化作用、大氣降水3 種類型。運(yùn)用離子比例系數(shù)法不同的巖性對(duì)地下水化學(xué)成分的影響，結(jié)果能進(jìn)一步反映水化學(xué)離子的來(lái)源（孫厚云等，2018）。

3.2 BP 神經(jīng)網(wǎng)絡(luò)

BP（Back Propagation）神經(jīng)網(wǎng)絡(luò)是機(jī)器學(xué)習(xí)中模擬生物神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)的一種神經(jīng)元連接模型，是一種單向傳播的多層前饋神經(jīng)網(wǎng)絡(luò)，其主要特點(diǎn)是信號(hào)前向傳播，誤差反向傳播（徐學(xué)良等，2017），以此往復(fù)擬合，通過(guò)一定規(guī)則輸出結(jié)果。在水質(zhì)評(píng)價(jià)研究中，水質(zhì)指標(biāo)多、差異大且關(guān)系復(fù)雜，受到多種因素的影響，以此構(gòu)成一個(gè)典型非線性系統(tǒng)。通過(guò)訓(xùn)練學(xué)習(xí)對(duì)水質(zhì)指標(biāo)種類劃分進(jìn)行非線性擬合，從而憑借水質(zhì)指標(biāo)種類劃分的內(nèi)在規(guī)律進(jìn)行評(píng)價(jià)（Abhijit et al.，2008）。

文中的BP 神經(jīng)網(wǎng)絡(luò)通過(guò)Python 的Pytorch 庫(kù)搭建，并完成訓(xùn)練、學(xué)習(xí)以及評(píng)價(jià)。使用的激活函數(shù)為Sigmoid 函數(shù)，在特征相差比較復(fù)雜或是相差不大時(shí)效果比較好，并且函數(shù)整體平滑易于求導(dǎo)，通過(guò)對(duì)神經(jīng)元加入激活函數(shù)能夠增加神經(jīng)網(wǎng)絡(luò)模型的非線性，從而使模型能夠更好的擬合非線性數(shù)據(jù)。其函數(shù)式如公式（1）所示。

文中運(yùn)用的損失函數(shù)（Loss function）為Pytorch 中的交叉熵函數(shù)，如公式（2）所示：

式中：outputs 代表模型計(jì)算后的輸出結(jié)果；targets 為樣本標(biāo)簽；w為權(quán)重；n為張量維度；C為類別的數(shù)量。該函數(shù)在計(jì)算前將數(shù)據(jù)放入sigmoid 函數(shù)中使數(shù)據(jù)中間值更為敏感，體現(xiàn)出更高的不確定性，并且梯度下降時(shí)，可以避免均方誤差損失函數(shù)學(xué)習(xí)速率下降的問(wèn)題。在機(jī)器學(xué)習(xí)中通過(guò)損失函數(shù)對(duì)模型正向傳播的輸出與標(biāo)簽進(jìn)行對(duì)比計(jì)算得到兩者之間的誤差值，從而確定反向傳播的誤差值，并能反映模型運(yùn)行效果。

3.3 RMSprop 優(yōu)化算法

BP 神經(jīng)網(wǎng)絡(luò)中的優(yōu)化算法采用RMSprop 算法代替隨機(jī)梯度下降算法（SDG），RMSprop 優(yōu)化算法也稱為均方根傳遞算法，其優(yōu)點(diǎn)是能夠加快梯度下降的速度以及有效減緩訓(xùn)練中損失曲線的山谷震蕩以及鞍部停滯問(wèn)題。在梯度下降過(guò)程開(kāi)始，神經(jīng)網(wǎng)絡(luò)會(huì)從一個(gè)隨機(jī)點(diǎn)開(kāi)始，以此賦予每個(gè)屬性的權(quán)重和偏置一個(gè)隨機(jī)值，將該隨機(jī)值計(jì)算的預(yù)測(cè)結(jié)果與標(biāo)簽對(duì)比，通過(guò)損失函數(shù)計(jì)算兩者之間的誤差即損失，再通過(guò)反向傳播更新權(quán)重與偏置，直到預(yù)測(cè)結(jié)果接近標(biāo)簽值。這一過(guò)程就如同從山頂?shù)缴焦?，山頂為最高損失，山谷為最低損失，導(dǎo)數(shù)為坡度。為到達(dá)山谷，每次求導(dǎo)都需要走下坡的道路，對(duì)于SDG 來(lái)說(shuō)下山的方向是隨機(jī)的，而RMSprop 算法會(huì)積累之前下坡的方向來(lái)決定下一個(gè)迭代下坡方向，從而優(yōu)化SDG 算法。其計(jì)算過(guò)程為包括以下3 步：①計(jì)算每個(gè)參數(shù)在當(dāng)前位置的梯度；公式（3）中wi為權(quán)重，bi為偏置，L(x)為損失函數(shù)。②計(jì)算更新量，通過(guò)對(duì)當(dāng)前梯度計(jì)算權(quán)重均方根，以及偏置均方根；公式（4）中S為權(quán)重均方根，α為常數(shù)。③更新參數(shù)，公式（5）中 η為學(xué)習(xí)率，計(jì)算下一迭代中的權(quán)重與偏置，β 為防止S dwi為0 的極小常數(shù)。

從RMSprop 計(jì)算過(guò)程中，該算法計(jì)算更新量公式比一般梯度下降算法增加了一個(gè)常數(shù) α來(lái)控制歷史信息獲取量，在設(shè)定全局學(xué)習(xí)率后，全局學(xué)習(xí)率在每次迭代中都會(huì)隨衰減系數(shù)控制的歷史梯度平方和而改變，從而使迭代方向在參數(shù)空間中更加平穩(wěn)且快速。

以上3 個(gè)函數(shù)的關(guān)系如圖2 所示，輸入數(shù)據(jù)先通過(guò)Sigmoid 函數(shù)計(jì)算，再進(jìn)行線性連接，其中乘以權(quán)重（w1，w2，w3）加上偏置（b1，b2，b3）輸出第一隱層（H1），再通過(guò)同樣的操作輸出第二隱層（H2），通過(guò)線性層得到輸出。將輸出與標(biāo)簽利用損失函數(shù)比較得到誤差，通過(guò)誤差計(jì)算優(yōu)化算法，計(jì)算結(jié)果對(duì)權(quán)重與偏重進(jìn)行更新。

圖2 模型函數(shù)關(guān)系圖Fig.2 Model function relationship diagram

4 結(jié)果與討論

4.1 研究區(qū)水化學(xué)特征

根據(jù)研究區(qū)地下水采集樣品分析結(jié)果，地下水化學(xué)指標(biāo)概況見(jiàn)表2。分析結(jié)果顯示，pH 值平均為7.68，偏中性；TDS 值為6.7～230.4 mg/L，均值為85.91 mg/L；水離子陽(yáng)離子濃度排序?yàn)镃a2+＞Mg2+＞Na+＞K+，陰離子濃度排序?yàn)?，?yáng)離子中Ca2+為優(yōu)勢(shì)離子，陰離子中為優(yōu)勢(shì)離子；As 含量為1.77～2.58 μg/L；Cr 含量為0.1～5.58 μg/L，均值為1.92 μg/L；Pb 含量為0.76 μg/L，最大值為10.26 μg/L；Mn 含量為0.11～6.33 μg/L，標(biāo)準(zhǔn)偏差為1.95；Ni 含量為0.05～9.54 μg/L，標(biāo)準(zhǔn)偏差為3.02，波動(dòng)較大（表2）。

4.2 研究區(qū)水化學(xué)特征

Piper 三線圖（圖3）顯示，研究區(qū)水化學(xué)類型主要是Mg2+·Ca2+-類型，陽(yáng)離子主要分布在 Mg2+-Ca2+線上，分布于三角圖左下區(qū)域，陰離子主要分布在線上，主要集中于三角圖的左下角。

圖3 研究區(qū)地下水水化學(xué)Piper 圖Fig.3 Piper diagram of hydrochemical of groundwater in the study area

將研究區(qū)的水樣數(shù)據(jù)繪制于Gibbs 圖（Gibbs，1970），研究區(qū)水樣基本落在Gibbs 的回旋鏢內(nèi)（圖4），TDS 值約為100 mg/L，Na+/（Na++Ca2+）值小于0.7，值小于0.2，表明其受到人類活動(dòng)的影響較少；水樣主要分布于左側(cè)以及中部偏下的位置，表明水化學(xué)離子組成總體受到巖石風(fēng)化作用控制，大氣降水也對(duì)其有一定程度的控制，但是沒(méi)有巖石風(fēng)化控制顯著，而蒸發(fā)結(jié)晶作用微弱（王慧瑋等，2021）。其陽(yáng)離子在B2 區(qū)、D 區(qū)受到巖石風(fēng)化作用控制；B2區(qū)以碎屑巖類泥巖砂巖為主，其化學(xué)離子主要來(lái)自于硅酸鹽礦物；D 區(qū)以碳酸鹽巖，Ca2+和會(huì)偏多。水量中等的B1 區(qū)、C 區(qū)水樣在圖中向右下角靠近，受到巖石風(fēng)化作用和大氣降水作用的共同控制，其巖石

圖4 研究區(qū)地下水Gibbs 圖Fig.4 Gibbs diagram of underground water in the study area

圖5 地下水離子比值圖Fig.5 Rates of the selected ions of groundwater

風(fēng)化作用更顯著。C 區(qū)以巖漿巖為主，C 區(qū)水樣化學(xué)離子會(huì)來(lái)自于硅酸鹽礦物的風(fēng)化作用。

結(jié)合三大類造巖礦物（碳酸鹽礦物、硅酸鹽礦物、蒸發(fā)鹽礦物）風(fēng)化溶濾作用特征與離子比例關(guān)系圖（圖6）分析（劉永林等，2016；高旭波等，2020；楊芬等，2021），可以看出研究區(qū)的水樣品大多都分布在硅酸鹽礦物到碳酸鹽礦物之間，相比離硅酸鹽礦物區(qū)域更近，表明研究區(qū)水化學(xué)離子同時(shí)受到了硅酸鹽礦物和碳酸鹽礦物的風(fēng)化溶濾作用的控制。在B1 型地下水區(qū)和B2 型地下水受硅酸鹽礦物風(fēng)化溶濾作用主要控制的同時(shí)，受到一定碳酸鹽礦物風(fēng)化溶濾作用控制，其中硅酸鹽巖礦物來(lái)源于砂巖以及泥質(zhì)巖；C 型地下水區(qū)主要受硅酸鹽礦物風(fēng)化溶濾作用控制，其來(lái)源于火山碎屑巖和花崗巖；溶洞暗河發(fā)育的D 型地下水區(qū)則主要受由碳酸鹽礦物風(fēng)化溶濾作用控制，其碳酸鹽巖礦物主要來(lái)自石灰?guī)r和白云巖。

圖6 研究區(qū)水化學(xué)離子與礦物風(fēng)化作用關(guān)系圖Fig.6 Correlation of hydrochemical ions and mineral weathering

4.3 神經(jīng)網(wǎng)絡(luò)水質(zhì)評(píng)價(jià)過(guò)程

4.3.1 神經(jīng)網(wǎng)絡(luò)搭建

筆者基于Python 語(yǔ)言使用Pytorch 開(kāi)源庫(kù)搭建BP 神經(jīng)網(wǎng)絡(luò)架構(gòu)，搭建的BP 神經(jīng)網(wǎng)絡(luò)模型分4 層結(jié)構(gòu)，分別為輸入層，兩層隱層以及輸出層（圖7）。隱層激活函數(shù)為Sigmoid 函數(shù)，輸入輸出神經(jīng)元結(jié)構(gòu)為：輸入神經(jīng)單元18 個(gè)，分別為水樣品的18 個(gè)指標(biāo)依次是As、Cr、Co、Cu、Pb、Zn、Mn、Ni、Mo、Na+、、Al3+、F-、Cl-、、TDS、總硬度，其他指標(biāo)由于分異性不大或者低于檢測(cè)下限，因此剔除；輸出層采用線性鏈接5 個(gè)神經(jīng)元的輸出層結(jié)果用0、1 表示，水質(zhì)分五級(jí)，Ⅰ類水為 [1，0，0，0，0]，Ⅱ類水為 [0，1，0，0，0]，Ⅲ類水為 [0，0，1，0，0]，Ⅳ類水為 [0，0，0，1，0]，Ⅴ類水為 [0，0，0，0，1]輸出，輸出表的5 個(gè)單元表分別代表Ⅰ-Ⅴ級(jí)，若滿足則為1，不滿足則為0。

圖7 BP 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.7 Neural network structure diagram

4.3.2 訓(xùn)練樣本設(shè)計(jì)

訓(xùn)練樣本數(shù)據(jù)依據(jù)國(guó)家地下水水質(zhì)標(biāo)準(zhǔn)（GB/T 14848-2017）中各類水質(zhì)的指標(biāo)在其各范圍內(nèi)使用計(jì)算機(jī)插值生成并添加標(biāo)簽（鄧大鵬等，2007；袁瑞強(qiáng)等，2021），樣本按平均每種類型的樣本占總樣本的20%分布，共5 000 個(gè)訓(xùn)練樣本，將樣本數(shù)據(jù)取95%作為訓(xùn)練集，剩余5%作為測(cè)試集，以供模型訓(xùn)練過(guò)程中對(duì)損失函數(shù)與預(yù)測(cè)正確率進(jìn)行測(cè)試。

4.3.3 神經(jīng)網(wǎng)絡(luò)訓(xùn)練

訓(xùn)練開(kāi)始首先讀取生成的訓(xùn)練樣本為Numpy 格式后進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化處理，接著將處理后的數(shù)據(jù)轉(zhuǎn)換成張量（Tensor）數(shù)據(jù)格式，初始化神經(jīng)網(wǎng)絡(luò)后設(shè)定基本參數(shù)，隱層個(gè)數(shù)設(shè)定在17～9 之間，學(xué)習(xí)率（lr）設(shè)定為0.001～0.000 1，訓(xùn)練輪數(shù)（Epochs）為500 輪以保證監(jiān)測(cè)最后訓(xùn)練結(jié)果的穩(wěn)定性，每輪模型迭代次數(shù)（Step）為5 000 次，期望誤差為1×10-2。在訓(xùn)練過(guò)程中通過(guò)訓(xùn)練集和測(cè)試集的損失函數(shù)以及測(cè)試集正確率圖像監(jiān)測(cè)網(wǎng)絡(luò)模型訓(xùn)練效果。通過(guò)代碼自動(dòng)循環(huán)參數(shù)比較測(cè)試結(jié)果，最終確定最優(yōu)的網(wǎng)絡(luò)模型。參數(shù)為第一隱層14 個(gè)神經(jīng)元，第二隱層9 個(gè)神經(jīng)元，學(xué)習(xí)率0.000 8，圖8 為該參數(shù)下訓(xùn)練效果圖。在訓(xùn)練結(jié)束保存訓(xùn)練好的訓(xùn)練模型，在進(jìn)行研究區(qū)水樣評(píng)價(jià)時(shí)調(diào)用。

圖8 訓(xùn)練效果圖Fig.8 Training effects

圖中訓(xùn)練集損失在1×10-2收斂，收斂過(guò)程平滑，測(cè)試集損失低于訓(xùn)練集損失，在2×10-2收斂，測(cè)試集正確率穩(wěn)定在0.988。表明此時(shí)的網(wǎng)絡(luò)模型擬合良好并且泛化能力強(qiáng)，沒(méi)有出現(xiàn)過(guò)擬合現(xiàn)象，在訓(xùn)練過(guò)程中學(xué)習(xí)充足，能夠?qū)φＫ|(zhì)樣品進(jìn)行準(zhǔn)確且客觀的預(yù)測(cè)。模型整體以及張量數(shù)據(jù)運(yùn)算采用GPU 運(yùn)算，GPU 型號(hào)為RTX3080Ti，整體訓(xùn)練時(shí)間大幅減少共費(fèi)時(shí)21.7 分鐘。

4.4 研究區(qū)水質(zhì)評(píng)價(jià)結(jié)果

調(diào)用訓(xùn)練完成后的神經(jīng)網(wǎng)絡(luò)模型，將研究區(qū)水樣品數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化后導(dǎo)入得到水質(zhì)評(píng)價(jià)結(jié)果（表3），Ⅰ類水質(zhì)點(diǎn)2 個(gè)占13.3%分別為5-SY、12-SY；Ⅱ類水質(zhì)點(diǎn)6 個(gè)占40%分別為2-SY、4-SY、6-SY、10-SY、11-SY、13-SY；Ⅲ類水質(zhì)點(diǎn)為7 個(gè)占46.6%分別為1-SY、3-SY、7-SY、8-SY、9-SY、14-SY、15-SY。Ⅱ、Ⅲ類水質(zhì)占多數(shù)從研究區(qū)數(shù)據(jù)來(lái)看As 含量大多數(shù)達(dá)到了Ⅲ類標(biāo)準(zhǔn)，含量達(dá)到了第Ⅲ類或第Ⅱ類標(biāo)準(zhǔn)。從神經(jīng)網(wǎng)絡(luò)訓(xùn)練的權(quán)值來(lái)看，數(shù)據(jù)網(wǎng)絡(luò)的評(píng)價(jià)主要考慮As、Cr、Mo、、Al3+、F-、以及總硬度等8 個(gè)水質(zhì)指標(biāo)，表明As、為造成該地區(qū)地下水質(zhì)達(dá)到Ⅲ類的指標(biāo)的重要原因之一。BP 神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的自主學(xué)習(xí)、自組織、自適應(yīng)能力，充分學(xué)習(xí)了訓(xùn)練樣本的水質(zhì)特征，建立起水質(zhì)指標(biāo)與水質(zhì)等級(jí)的非線性對(duì)應(yīng)關(guān)系。并且權(quán)重與偏置都是通過(guò)學(xué)習(xí)得到而非人為給定，很大程度上避免了主觀因素影響，從而使其評(píng)價(jià)結(jié)果更加客觀合理，然而美中不足之處是缺少真實(shí)的訓(xùn)練樣本以供模型學(xué)習(xí)，使預(yù)測(cè)結(jié)果更加貼近現(xiàn)實(shí)，并且神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)很難確定主要影響因子。

表3 研究區(qū)水質(zhì)綜合排名表Tab.3 Comprehensive ranking of water quality in the study area

結(jié)合水樣品數(shù)據(jù)的水文地質(zhì)背景，以及樣品指標(biāo)在國(guó)標(biāo)中超標(biāo)部分確定影響因子，對(duì)研究區(qū)各點(diǎn)水質(zhì)進(jìn)行綜合評(píng)價(jià)并由好到壞進(jìn)行排名。

4.5 地下水安全建議

對(duì)于分布在德昌縣阿月鄉(xiāng)光輝村西番箐、羅家坪子；西昌市安哈鎮(zhèn)擺擺頂村、黃水鄉(xiāng)觀音巖、西溪鄉(xiāng)長(zhǎng)板橋村；普格縣五道菁鄉(xiāng)黃坪村五組的Ⅰ類和Ⅱ類地下水地區(qū)，水質(zhì)良好污染少，飼養(yǎng)牲畜能夠正常飲用，居民應(yīng)該經(jīng)簡(jiǎn)單處理后飲用，并建議當(dāng)?shù)卣块T在此建立自來(lái)水飲水站。

對(duì)于分布在西昌市黃水鄉(xiāng)新塘村大慶溝、洼垴村七組、書(shū)夫村二組、中壩鄉(xiāng)小浸溝、黃聯(lián)關(guān)鎮(zhèn)哈土村四組；普格縣特爾果鄉(xiāng)甲甲溝村、普格縣特補(bǔ)鄉(xiāng)白廟子等Ⅲ類地下水地區(qū)，水質(zhì)差又受到一定程度污染，牲畜飲用該水需經(jīng)處理，不建議當(dāng)?shù)厝酥苯踊蚝?jiǎn)單處理后飲用。尤其是As、Pb、Cr 超標(biāo)的地下水，長(zhǎng)期大量飲用會(huì)對(duì)人體造成傷害，建議：①地方政府及相關(guān)部門在Ⅲ類水質(zhì)地區(qū)應(yīng)該高度重視地下水質(zhì)是否存在危害人體的元素超標(biāo)問(wèn)題。②相關(guān)部門以及居民應(yīng)該加強(qiáng)井水和地下水保護(hù)，隔絕農(nóng)業(yè)活動(dòng)對(duì)井水帶來(lái)的污染，如As、等是大部分農(nóng)藥化肥中帶有的元素，應(yīng)當(dāng)探明農(nóng)藥化肥是否已對(duì)當(dāng)?shù)氐叵滤斐晌廴尽＂劢ㄗh當(dāng)?shù)卣跋嚓P(guān)部門加強(qiáng)對(duì)研究區(qū)大氣、匯水區(qū)及地下水水質(zhì)監(jiān)測(cè)，查明Ⅲ類地下水污染來(lái)源并阻斷以保障當(dāng)?shù)鼐用竦陌踩钌a(chǎn)。

5 結(jié)論

（1）螺髻山北麓地區(qū)地下水水化學(xué)結(jié)構(gòu)主要是Mg2+·Ca2+-HCO-3類型，TDS 較低受人類活動(dòng)干擾較少，巖石風(fēng)化作用對(duì)水化學(xué)離子組成控制顯著，其次是大氣降水。陰陽(yáng)離子主要是來(lái)自于硅酸鹽礦物與碳酸鹽礦物共同風(fēng)化溶濾作用。其中硅酸鹽礦物主要有花崗巖、長(zhǎng)巖、灰?guī)r、砂巖、頁(yè)巖、泥巖等巖石；碳酸鹽礦物主要有泥灰?guī)r、白云巖、泥質(zhì)灰?guī)r等巖石。

（2）陰陽(yáng)離子相關(guān)性分析和比值分析結(jié)果表明，方解石的風(fēng)化是Ca2+的來(lái)源之一，Mg2+主要受到硅酸鹽礦物溶解控制，與 Cl-大部分都來(lái)自于碳酸鹽礦物溶解。

（3）利用BP 神經(jīng)網(wǎng)絡(luò)對(duì)研究區(qū)水質(zhì)樣本進(jìn)行評(píng)價(jià)，水質(zhì)評(píng)價(jià)結(jié)果可為研究區(qū)水質(zhì)分類資源化利用，人民生活生產(chǎn)用水保障提供參考。評(píng)價(jià)結(jié)果表明總體水質(zhì)較好，其中Ⅰ類水質(zhì)點(diǎn)占13.3%，Ⅱ類水質(zhì)點(diǎn)占40%，Ⅲ類水質(zhì)點(diǎn)為7 個(gè)占46.6%。