数事其术与变用
BP-RBF神经网络模型在
城市景观水体富营养化评价中的应用
沈玉王宇黄翔峰徐竞成
（同济大学环境科学与工程学院长江水环境教育部重点实验室上海200092）
通信技术
摘要：针对城市景观水体水质受多因素共同影响的特征，结合水体水质控制要表，采用非线性的神经网络模型，建立了针对成市量观水体的BP-RBF神经网络减合评价模型，并对上海20个公图景观水体进行实例评价。结果表明，实例评份与水质指标及感官评价相一致，且BP-RBF品合模型较单一的BP或RBF模型评价精度更高，能对水体富营养化程度作出科学且符合实际的评价，可为成市景观水体水质保育及治理提供依据。
关键调：成市景现水体富营养化评价人工神经网络BP-RBF混合模型中图分类号：TP183
文献标识码：A
文章编号：1007-9416(2012)07-0047-03
我国城市景观水体多为静止或流动性较差的时闭缓流水体，具有水域面积小、易污染、水环境容量小、水体自净能力差等特点。自身弊端加上人类活动的影响，使城市景观水体高营养化现象较为普通，并有日趋加剧之势。水体富营养化评价是对水体富营养化过程中某一阶段营养状况的定量描述，是通过对代表性指标的调查来判断其富营养化状态，了解其富营养进程，从而为城市录观水体水质保育及高营养化防治提供科学依据。目前常用的水体富营养化评价方法有专家评价法、综合营养状态指数评价法、层次分析法、模糊数学法、灰色聚类法及人工神经网络法等。本文针对城市录观水体水质受多因素共同影响的特征，综合BP与RBF神经网络模型，提出了BP-RBF神经网络混合模型，并发挥该模型具有的自学习、自组织能力，归纳能力等优
势，可以更为完善和全面地评价减市录观水体的富营养化状态， 1、城市景观水体富营养化评价指标与评价模型
1.1城市景观水体富营养化评价指标
从城市景观水体富营养化评价的整体性与可操作性要求出发，参考国内外湖泊高营养化分类标准和国内湖泊水质参数与营养状态之间相互关系的研究(4],建立了定性与定量相结合的城市景观
表1城市景观水体富营养化评价标准
Tab 1 Eutrophication evaluation criteria for urban landscape
water
指标
分类费营养贫中营养中营养中高营养富营养重富营养
化学性指标
COD mg/L ≤0.3 0.4 ≤2 4 ≤10 >10
TP mg/L
≤0.0025 ≤0.005 ≤0.025 ≤0.05 ≤0.2 >0.2
1个RBF中国
RadialGaus RadialGauss
$Radial +(Gaus
TN mg/L ≤0.03 ≤0.05 ≤0.3 ≤0.5 2 >2
生物性指标叶绿索a μg/L ≤1.0 ≤5.0 ≤25 ≤50 ≤500 >500
1个中间质 Fnear
Linear
ines
模型
计算值y 0yl 1y<2 2y<3 3y<4 4≤y<5
uinear
输出
图1BP-RBF神经网络混合模型
Fig 1 BPRBF mixed artificial neural network model
水体高营养化评价标准，见表1。根据表1构建的评价指标，选择 COD、TP、TN,叶绿素a作为评价指标。为便于描述，将表中各营养等级量化，定义贫营养=0，贫中营养=1，中营养=2，中高营养=3，高营养=4，重富营养=5,模型计算值y。
1.2BP-RBF景观水体富营养化评价模型 1.2.1BP-RBF种段网络混合模型简介
城市景观水体富营养化是一个复杂现象，受多固素共同影响，各因素之间呈复杂的非线性映射关系，而现代神经网络作为一种非线性建模工具，除了具有一般非线性系统的共性，有具有自学习、自组织能力、归纳能力等独特优势。因此，本文结合神经网络模型中最为经典的误差反向传递(BP)模型与径向基函数(RBF)模型，构造出BP-RBF神经网络混合模型(其结构见图1，其中Linear表示线性函数，Sig表示Sigmoidal函数，Radial表示径向函数，Gauss表示高斯函数)。该模型保留了RBF模型物理意义明确的特点，加人一个或多个BP中间层，使RBF模型精度得到显著改善。
1.2.2BP-RBF神段网混合镁型建业
使用BP-RBF混合模型对城市景观水体进行富营养化评价的计算过程可分为四个步骤。
第一步：观案表1发现各评价指标的数值随水质营养等级呈指数式增长，因此对各指标作对数处理。分别用，1，x2，3表示待评价水质的COD、TP、TN和叶绿素a,其对数x'为：
, = In(a),
t= 0.1,2,3
(1)
第二步：将对数化的评价指标值。：作为神经网络输入，使用 RBF中间层计算第一个中间输出向量α。RBF层由径向函数与高斯函数复合而成，表达式为：
<'ydva fn
0,l, g 1
(2)
式中，k,为待训练参数；n。为RBF神经元的个数，本文中即营养等级之间的界限数量，由于评价标准中有6种营养等级，故n。=5； Gu为第i个指标值中第j个RBF神经元的中心点，本文取相邻两个营养等级的分界指标值
第三步：将α作为BP中间层的输入，计算出第二个中间输出向量β。BP层由线性函数与Sigmoidal函数复合而成，表达式为：
P: = 1/1 + Exp(
.i 0,1, mng 1
Zwujuy+;
(3
式中，w,和6,分别为权重和阀值，ng为待训练参数；n为BP层神经元数量，越大，模型精度越高，但拟合与计算更复杂，本文取
47