地表水質(zhì)監(jiān)測模型中的幾種人工智能方法
2008-7-15 19:30:26 作者:王志紅1,… 來源:工業(yè)水處理 【】 查看評論
( 1. 廣東工業(yè)大學(xué)建設(shè)學(xué)院, 廣東廣州510006; 2. 華南理工大學(xué)環(huán)境科學(xué)研究所, 廣東廣州510641;3. 廣東省水利電力勘察設(shè)計研究院, 廣東廣州510170)隨著我國對環(huán)境問題的日益關(guān)注, 地表水質(zhì)的變化也成為了眾多研究的焦點。由于人民生活水平和社會經(jīng)濟的快速發(fā)展, 污廢水排放總量大大增加,我國地表水水質(zhì)有惡化的趨勢。水質(zhì)模型描述了污染物質(zhì)在水中的物理、化學(xué)、生物作用過程的規(guī)律,可以很好地對地表水水質(zhì)的變化趨勢進行預(yù)測。已有的水質(zhì)模型定量預(yù)測多采用水體水質(zhì)模擬來進行, 但由于大多水質(zhì)模型在建立的過程中進行了一些簡化和假設(shè), 影響了模型與實體之間的模擬精確度, 應(yīng)用具有一定的限制。如今將人工智能計算引入水質(zhì)預(yù)測模型是研究的熱點, 數(shù)據(jù)的處理和統(tǒng)計分析甚至建模計算的大規(guī)模工作量都由計算機完成, 提高了建模的精度和效率。1 水質(zhì)預(yù)測模型中的數(shù)學(xué)方法1.1 BP 神經(jīng)網(wǎng)絡(luò)水質(zhì)預(yù)測模型及其改進BP 神經(jīng)網(wǎng)絡(luò)是指基于誤差反向傳播(BackPropagation) 算法的多層次向前神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)具有大規(guī)模并行處理、連續(xù)時間非線性動力學(xué)、全局集體作用、高度的容錯性和魯棒性、冗余性、自學(xué)習(xí)及突時處理等許多優(yōu)良特性。將神經(jīng)網(wǎng)絡(luò)技術(shù)引入水質(zhì)預(yù)測, 通過樣本的自學(xué)習(xí)來識別影響因子與水質(zhì)指標(biāo)之間復(fù)雜的非線性映射關(guān)系, 可很好地提高水質(zhì)預(yù)測模型的精度和實用性。地表水水質(zhì)污染物濃度的變化具有較強的非線性特性, 而人工神經(jīng)網(wǎng)絡(luò)(ANN) 由大量神經(jīng)元通過極其豐富和完善的聯(lián)接而構(gòu)成自適應(yīng)非線性動態(tài)系統(tǒng),是一種新型的黑箱方法, 不需要了解輸入與輸出之間的相互關(guān)系, 非常適合非線性系統(tǒng)的建模研究〔1~3〕。常規(guī)的水質(zhì)預(yù)測模型因存在許多簡化與假定而限制了其精度與實用性的提高。神經(jīng)網(wǎng)絡(luò)水質(zhì)預(yù)測模型可全面地考慮影響水質(zhì)指標(biāo)的各種因素, 通過簡單的非線性函數(shù)的多次復(fù)合, 可以克服線性和非線性擬合中的基函數(shù)選擇與系數(shù)求解的困難, 并可進行高級的非線性的精確映射, 具有較強的自適應(yīng)能力。由于神經(jīng)網(wǎng)絡(luò)在水質(zhì)預(yù)測中的應(yīng)用研究目前處于探索階段, 存在一定的局限性, 傳統(tǒng)的BP 網(wǎng)絡(luò)只適用于確定性關(guān)系的學(xué)習(xí), 不能處理矛盾樣本和含有非實可測因素的樣本這些不足, 因此引入了因素神經(jīng)網(wǎng)絡(luò)以進一步改善BP 神經(jīng)網(wǎng)絡(luò)在水質(zhì)監(jiān)測中的應(yīng)用。因素神經(jīng)網(wǎng)絡(luò)是由因素神經(jīng)元按一定規(guī)則構(gòu)成的一種信息處理網(wǎng)絡(luò)系統(tǒng)〔4, 5〕。因素神經(jīng)網(wǎng)絡(luò)描述了一個多單元多功能的信息加工網(wǎng)絡(luò)系統(tǒng), 它從功能及結(jié)構(gòu)方面可反映人腦處理信息的一些主要特征: ( 1) 系統(tǒng)是串并聯(lián)結(jié)構(gòu), 并且在使用過程中可人為地或自主地改變結(jié)構(gòu), 具有自組織特征。因此, 系統(tǒng)可有導(dǎo)師學(xué)習(xí)和自學(xué)習(xí), 即具有學(xué)習(xí)功能; ( 2) 因素神經(jīng)網(wǎng)絡(luò)的信息處理功能能實現(xiàn)多種類型的信息處理, 包括數(shù)值的或符號的, 單值的或多值的, 精確的或模糊的, 并能實現(xiàn)有記憶的信息處理過程; ( 3)因素神經(jīng)網(wǎng)絡(luò)能從結(jié)構(gòu)及知識表達方面實現(xiàn)聯(lián)想,有時系統(tǒng)的終態(tài)即穩(wěn)定態(tài)實現(xiàn)的是一種聯(lián)想記憶,而系統(tǒng)的評價函數(shù)則可保證聯(lián)想逐步趨向穩(wěn)定; ( 4)因素神經(jīng)網(wǎng)絡(luò)以知識的因素表示方法作為知識及信息表示的基礎(chǔ), 其工程實現(xiàn)及實際應(yīng)用有良好的人-機關(guān)系。因素狀態(tài)BP 網(wǎng)絡(luò), 通過將信息擴散原理和落影技術(shù)結(jié)合, 形成信息擴散式落影, 并與因素狀態(tài)BP 網(wǎng)絡(luò)有機結(jié)合, 可以解決: 知識非完備性的問題;樣本含有非實可測因素的問題; 由于訓(xùn)練樣本有矛盾樣點而使平凡BP 網(wǎng)絡(luò)訓(xùn)練速度過慢甚至無法訓(xùn)練出結(jié)果的問題。1.2 地表水COD 灰色預(yù)測的模型GM( 1, 1) 模型是基于灰色模糊分析方法(GreyMethod) 建立的一種模型, 具有諸多優(yōu)點和獨特功效。經(jīng)典的GM( 1, 1) 的五步建模方法, 是通過一階或多階累加生成方法, 從看似無規(guī)律可言的原始序列數(shù)據(jù)中整理出具有灰指數(shù)規(guī)律的數(shù)據(jù)序列。作為GM( 1, 1) 的各類派生模型如模糊模型GFM( 1) 、單線性模型GLM( 1) 、單變量灰色模型GSM(1) 、線性和常數(shù)項組成的模型GPIM(1) 、單變量和常數(shù)項組成的模型GPSM( 1) 、由冪函數(shù)與常數(shù)項組成的新的灰色模型GPM( 1) 等, 拓展了GM( 1, 1) 在環(huán)境系統(tǒng)中的應(yīng)用范圍。并非任何一個時間序列數(shù)據(jù)的動態(tài)變化都符合指數(shù)規(guī)律, 因此該類模型存在著一定的局限性。例如灰色動態(tài)模型GIM( 1) 是GM( 1, 1) 一種新的派生模型, 由冪指數(shù)與線性項組成, 被定義為灰色線性冪函數(shù)曲線模型, 其優(yōu)點為: 適應(yīng)于具有灰指數(shù)律的單調(diào)系統(tǒng); 適應(yīng)于冪指數(shù)律與線性律相耦合的非線性系統(tǒng)。該模型自問世以來被相繼成功地應(yīng)用于各類環(huán)境系統(tǒng)中〔6〕。但常規(guī)GIM( 1) 模型不適應(yīng)具有階躍趨勢的灰色動態(tài)序列, 而在環(huán)境系統(tǒng)的建模、分析和預(yù)測中常會出現(xiàn)動態(tài)序列中具有階躍趨勢的情況。若結(jié)合某水域地面水BOD5 的預(yù)測實踐, 通過引入階躍函數(shù), 給出一種帶有階躍函數(shù)的GIM( 1) 參數(shù)的估計方法, 則誤差小、精度高、預(yù)測值呈非線性變化,符合客觀事物的發(fā)展規(guī)律, 擴大了GIM( 1) 灰色模型在環(huán)境系統(tǒng)中的應(yīng)用范圍。因此在應(yīng)用灰色系統(tǒng)理論處理復(fù)雜、多樣的環(huán)境系統(tǒng)時, 必須選擇與其相適應(yīng)的合理模型。1.3 時間數(shù)列預(yù)測法時間數(shù)列又稱動態(tài)數(shù)列, 它是將某種統(tǒng)計指標(biāo)值按時間先后順序排列起來, 以便研究其發(fā)展變化的水平和速度, 來預(yù)測未來的一種統(tǒng)計方法, 具有豐富的內(nèi)涵。時間數(shù)列預(yù)測法按數(shù)列動態(tài)折線的特點分為直線趨勢和非直線趨勢, 所用的統(tǒng)計方法亦多種多樣〔7〕。用于地表水質(zhì)監(jiān)測時, 具有如下特點:( 1) 適合水質(zhì)受被遷移物質(zhì)的污染負荷量的變化以及遷移媒介體的流量的變動所支配, 污染情況十分復(fù)雜的地區(qū)地表水預(yù)測。若用物理模型進行預(yù)測,則相當(dāng)繁雜。( 2) 適合間隔長的一組延續(xù)的時間數(shù)列, 特別是時間較長的往往存在著某種結(jié)構(gòu)的長期趨勢的年度資料, 給它配合一條趨勢線以作外推預(yù)測, 往往收到事半功倍的效果。( 3) 必須滿足具備一定數(shù)量的數(shù)列項數(shù)、動態(tài)變化存在著某種發(fā)展規(guī)律、數(shù)列令各指標(biāo)值之間具有可比性的條件才能用該方法進行預(yù)測。1.4 WASP5 模型系統(tǒng)WASP5 模型系統(tǒng)( 水質(zhì)分析模擬模型系統(tǒng)) 是由美國國家環(huán)保局暴露評估中心提出的一種多箱式水質(zhì)模型。它通過模擬地表水中污染物運移和轉(zhuǎn)化,采用一系列微分方程, 可更為細致地進行污染物在水體中的運移和轉(zhuǎn)化的動態(tài)描述。WASP5 模型研究的問題包括BOD、DO 動力學(xué)、營養(yǎng)物/富營養(yǎng)化、有毒化學(xué)成分運移等。此模型在國外被廣泛地用悠涮氐閌欽庵址絞降募?傷?膠凸ぷ饜?示?哂諭飭?郊? 登陸