陳 俊

(遼寧省撫順?biāo)木郑|寧 撫順 113015)

?

大伙房水庫(kù)水質(zhì)預(yù)測(cè)中水文水質(zhì)模型聯(lián)合應(yīng)用分析

陳 俊

(遼寧省撫順?biāo)木?，遼寧 撫順 113015)

水質(zhì)是水庫(kù)運(yùn)行質(zhì)量的重要參考標(biāo)準(zhǔn)，水質(zhì)的檢測(cè)項(xiàng)目包括水中所溶解的氧氣含量、磷的含量、葉綠素a的含量以及水體透明度等，通過(guò)對(duì)這些指標(biāo)的檢測(cè)來(lái)評(píng)價(jià)水體的富營(yíng)養(yǎng)化程度。文章使用了線性回歸分析法，對(duì)參數(shù)進(jìn)行了優(yōu)化，并建立多種數(shù)學(xué)模型，利用現(xiàn)有的檢測(cè)數(shù)據(jù)對(duì)大伙房水庫(kù)的水質(zhì)進(jìn)行預(yù)測(cè)，并通過(guò)一些誤差計(jì)算方式對(duì)預(yù)測(cè)的結(jié)果進(jìn)行評(píng)價(jià)。根據(jù)預(yù)測(cè)結(jié)果與評(píng)價(jià)結(jié)果，自適應(yīng)神經(jīng)模糊推理數(shù)據(jù)預(yù)測(cè)模型對(duì)水質(zhì)的預(yù)測(cè)效果要比多元化線性預(yù)測(cè)模型以及徑向基神經(jīng)預(yù)測(cè)模型要好，所以對(duì)大伙房水庫(kù)的水質(zhì)預(yù)測(cè)結(jié)果以自適應(yīng)神經(jīng)模糊推理數(shù)據(jù)預(yù)測(cè)模型的預(yù)測(cè)結(jié)果為參考標(biāo)準(zhǔn)。

水質(zhì)預(yù)測(cè)；自適應(yīng)神經(jīng)模糊推理；大伙房水庫(kù)；多元線性預(yù)測(cè)

1 工程概況

大伙房水庫(kù)位于渾河流域、撫順市的東部，1958年建設(shè)完成并投入使用，壩頂高度為139.8m，長(zhǎng)度為1366.7m，寬度為8m，水壩高度約為50m，水庫(kù)總?cè)萘考s為22.7億m2，水體深度最深為36.5m，總儲(chǔ)水面積為113km2，水庫(kù)正常水位標(biāo)準(zhǔn)為130m，死水位為107m，是一座集防洪、供水、發(fā)電等多種功能于一體的綜合型水利工程[1]。

2 水質(zhì)取樣與測(cè)量數(shù)據(jù)分析

如圖1所示，在大伙房水庫(kù)分別設(shè)置5個(gè)水質(zhì)取樣點(diǎn)，測(cè)量項(xiàng)目包括水體透明度x1、水體溫度x2、水體酸堿度x3、水體電導(dǎo)率x4、水體溶氧量x5、水體含磷量x6、水體葉綠素a含量x7、渾濁度x8、懸浮物x9、水體含氮量x10、水體鈣鎂化合物含量x11、總堿度x12等12種水質(zhì)因子[2]，經(jīng)過(guò)分析處理以后所得到的結(jié)果如表1所示。

3 建立水質(zhì)預(yù)測(cè)模型

3.1 多元線性預(yù)測(cè)模型

多元線性預(yù)測(cè)模型是利用函數(shù)關(guān)系建立起因變量與多個(gè)自變量之間的數(shù)學(xué)關(guān)系模型，其中因變量y即待預(yù)測(cè)的數(shù)據(jù)，而自變量則是影響因變量數(shù)值的多種因素[3]。因變量與自變量之間的關(guān)系用公式表示為：

y=b0+b1x1+b2x2+…+bixi

(1)

式中：xi指的是第i種影響因素，即第i項(xiàng)自變量；bi即第i項(xiàng)自變量所對(duì)應(yīng)的自變量系數(shù)。

3.2 徑向基神經(jīng)預(yù)測(cè)模型

徑向基神經(jīng)預(yù)測(cè)網(wǎng)絡(luò)是通過(guò)函數(shù)逼近的方法在輸入端、輸出端以及隱藏部分之間進(jìn)行線性映像和組合[4]。輸入端將函數(shù)進(jìn)行非線性變換以后傳輸?shù)诫[藏層，然后輸出端從隱藏層的函數(shù)中進(jìn)行變量提取，并進(jìn)行線性組合最后得到輸出數(shù)值。隱藏層的維度要比較高，才能保證輸出數(shù)值的準(zhǔn)確性。對(duì)此，可以將高斯函數(shù)作為徑向基神經(jīng)預(yù)測(cè)模型的基礎(chǔ)，單一變量在m個(gè)隱藏層中的公式表示方式為：

(2)

(3)

(4)

式中：x為輸入的自變向量；ωi為隱藏層與輸出端之間的權(quán)重；ci為隱藏層中第i個(gè)核心向量；dmax是輸入向量與核心向量之間的最大距離；x-ci的絕對(duì)值是指x與ci之間的歐幾里得距離。

圖1 大伙房水庫(kù)水質(zhì)取樣點(diǎn)分布表1 大伙房水質(zhì)檢測(cè)項(xiàng)目檢測(cè)結(jié)果

3.3 自適應(yīng)神經(jīng)模糊推理數(shù)據(jù)預(yù)測(cè)模型

徑向基神經(jīng)預(yù)測(cè)模型雖然具有極強(qiáng)的數(shù)據(jù)組織能力和邏輯推理能力，但是對(duì)于已經(jīng)定性的數(shù)據(jù)卻無(wú)法很好地進(jìn)行處理。所以，以模糊推理為理論基礎(chǔ)，再加入自組織特性，構(gòu)建自適應(yīng)神經(jīng)模糊推理數(shù)據(jù)預(yù)測(cè)模型[5]。自適應(yīng)神經(jīng)模糊推理數(shù)據(jù)預(yù)測(cè)模型相比徑向基神經(jīng)預(yù)測(cè)模型而言，新增了規(guī)則模塊、正規(guī)化模塊以及解模糊模塊，具體結(jié)構(gòu)如圖3所示。

圖2 自適應(yīng)神經(jīng)模糊推理 數(shù)據(jù)預(yù)測(cè)模型結(jié)構(gòu)示意圖

從圖中可以看出，自適應(yīng)神經(jīng)模糊推理數(shù)據(jù)預(yù)測(cè)模型一共可以分為5層，第5層輸出結(jié)果的計(jì)算公式為：

(5)

式中：ωi為隱藏層與輸出端之間的權(quán)重。

3.4 誤差分析

誤差分析評(píng)價(jià)方式有平均絕對(duì)誤差M、均方根誤差R兩種，其計(jì)算的公式分別為：

(6)

(7)

式中：N為所測(cè)數(shù)據(jù)的總量；CP和Cm是預(yù)測(cè)的水質(zhì)影響因素?cái)?shù)據(jù)與實(shí)測(cè)的水質(zhì)影響因素?cái)?shù)據(jù)。

4 計(jì)算結(jié)果分析

4.1 輸入因素簡(jiǎn)化方法

在本次預(yù)測(cè)中，影響水質(zhì)的因素一共有12種，如果一一代入進(jìn)行計(jì)算預(yù)測(cè)，那么計(jì)算過(guò)程將過(guò)于繁瑣，計(jì)算結(jié)果分析也不方便[6]。對(duì)此，特采用線性回歸方法分析各影響因素之間的關(guān)系，探索各影響因子對(duì)水質(zhì)影響的重要程度，簡(jiǎn)化輸入因子。表2為水質(zhì)各影響因子與磷含量、透明度、溶氧量以及葉綠素a含量的關(guān)系系數(shù)，從表中數(shù)據(jù)可以看出，對(duì)磷含量影響比較大的影響因子有透明度、渾濁度、懸浮物、葉綠素a含量、氮含量以及總堿度；而對(duì)水體透明度影響比較大的影響因子有磷含量、水體溫度、酸堿度、渾濁度、溶氧量、懸浮物；對(duì)溶氧量影響比較大的影響因子有水體溫度、酸堿度、透明度、葉綠素a含量、鈣鎂化物含量以及總堿度；對(duì)葉綠素a含量影響比較大的影響因子有磷含量、酸堿度、電導(dǎo)率、溶氧量、鈣鎂化物含量以及總堿度[7]。

4.2 多元線性預(yù)測(cè)模型的預(yù)測(cè)結(jié)果及誤差分析

將磷含量、溶氧量、葉綠素a含量以及透明度4種水質(zhì)關(guān)鍵影響因子的測(cè)量數(shù)據(jù)代入公式中可得：

x5=-0.013x2+1.6207x3-0.1599x1+0.0291x7-0.0029x11-0.0089x12-2.9673

x6=-1.5141x1-0.3687x8+0.5931x9+0.2449x7+138.9015x10-0.0832x12+14.7914

x7=0.1021x6+6.207x3-0.0423x4+1.1630x5+0.0211x11-0.2264x12-30.4197

x1=-0.0115x6-0.0794x2-0.3187x3-0.0518x8-0.1936x5+0.1071x9+8.2971

其中x5為溶氧量的預(yù)測(cè)結(jié)果，預(yù)測(cè)可以分為兩個(gè)階段，主要階段和次要階段，主要階段占預(yù)測(cè)量的70%，次要階段占預(yù)測(cè)量的30%。使用多遠(yuǎn)線性預(yù)測(cè)模型的誤差分析，從表4中數(shù)據(jù)可以看出，4種主要影響因子的預(yù)測(cè)結(jié)果準(zhǔn)確度都比較低。

表2 各水質(zhì)影響因子與磷含量、溶氧量、葉綠素、透明度之間的關(guān)系系數(shù)

表3 多遠(yuǎn)線性預(yù)測(cè)模型預(yù)測(cè)結(jié)果誤差分析

4.3 徑向基神經(jīng)預(yù)測(cè)模型預(yù)測(cè)結(jié)果及誤差分析

徑向基神經(jīng)預(yù)測(cè)模型的誤差分析也是針對(duì)這4種主要影響因子，分為2個(gè)階段，進(jìn)行誤差分析，分析結(jié)果如表4。

表4 徑向基神經(jīng)預(yù)測(cè)模型預(yù)測(cè)結(jié)果誤差分析

徑向基神經(jīng)預(yù)測(cè)模型預(yù)測(cè)結(jié)果的關(guān)系系數(shù)明顯要大于多元線性預(yù)測(cè)模型，說(shuō)明其相關(guān)性更好，預(yù)測(cè)結(jié)果更準(zhǔn)確[8]。

4.4 自適應(yīng)神經(jīng)模糊推理數(shù)據(jù)預(yù)測(cè)模型預(yù)測(cè)結(jié)果及誤差分析

代入數(shù)據(jù)，可得誤差分析結(jié)果如表5。

表5 自適應(yīng)神經(jīng)模糊推理數(shù)據(jù) 預(yù)測(cè)模型預(yù)測(cè)結(jié)果誤差分析

從表5中的誤差分析數(shù)據(jù)可得，自適應(yīng)神經(jīng)模糊推理數(shù)據(jù)預(yù)測(cè)模型對(duì)于透明度的預(yù)測(cè)結(jié)果在主要階段比其他兩者要差，但是在次要階段明顯要優(yōu)于其他兩種模型；對(duì)于溶氧量、磷含量以及葉綠色a，自適應(yīng)神經(jīng)模糊推理數(shù)據(jù)預(yù)測(cè)模型的預(yù)測(cè)結(jié)果比其他兩種模型都要準(zhǔn)確。所以，總的來(lái)說(shuō)，自適應(yīng)神經(jīng)模糊推理數(shù)據(jù)預(yù)測(cè)模型的預(yù)測(cè)結(jié)果最符合水庫(kù)的實(shí)際水質(zhì)情況。

5 結(jié) 論

1)多元線性預(yù)測(cè)模型各影響因子的關(guān)系系數(shù)在主要階段和次要階段都偏低，所以所預(yù)測(cè)結(jié)果的準(zhǔn)確度比較低，與實(shí)際情況偏差較大，不適用于大伙房水庫(kù)的水質(zhì)預(yù)測(cè)。

2)自適應(yīng)神經(jīng)模糊推理數(shù)據(jù)預(yù)測(cè)模型對(duì)于透明度的預(yù)測(cè)結(jié)果在主要階段比徑向基神經(jīng)預(yù)測(cè)模型預(yù)測(cè)結(jié)果要差，但是在次要階段結(jié)果更好；對(duì)于溶氧量、磷含量以及葉綠色a，自適應(yīng)模型的預(yù)測(cè)結(jié)果都更加準(zhǔn)確。所以選擇自適應(yīng)神經(jīng)模糊推理數(shù)據(jù)預(yù)測(cè)模型的預(yù)測(cè)結(jié)果作為參考數(shù)據(jù)。

[1]賀光華，楊龍.防治水質(zhì)污染 提高飲水安全[J].水利規(guī)劃與設(shè)計(jì)，2006(04)：12-14.

[2]李學(xué)森.凌河流域水資源現(xiàn)狀及保護(hù)措施[J].水土保持應(yīng)用技術(shù)，2015(03)：36-37.

[3]金云杰.凌河流域人工濕地對(duì)水環(huán)境質(zhì)量影響分析評(píng)價(jià)[J].水土保持應(yīng)用技術(shù)，2015(05)：27-28.

[4]楊錦華.佛寺水庫(kù)水源飲水安全與水環(huán)境保護(hù)[J].水利技術(shù)監(jiān)督，2006(03)：50-52.

[5]溫樹成.大伙房水庫(kù)水體富營(yíng)養(yǎng)化現(xiàn)狀分析及對(duì)策研究[J].水土保持應(yīng)用技術(shù)，2015(02)：31-32.

[6]田冰.河北省自然濕地生態(tài)需水量分析[J].水土保持應(yīng)用技術(shù)，2007(02)：34-36.

[7]李強(qiáng).城鎮(zhèn)河道綜合治理探析[J].水土保持應(yīng)用技術(shù)，2014(05)：32-33.

[8]王懷柏，李躍奇，李儒道.關(guān)于水質(zhì)評(píng)價(jià)問(wèn)題的探討[J].水利技術(shù)監(jiān)督，2011(04)：6-8.

1007-7596(2017)01-0146-03

2016-12-16

陳俊(1981-)，男，江蘇泰縣人，工程師，研究方向?yàn)樗?、水資源管理與水資源評(píng)價(jià)等。

P

B