陳森森

近年來，隨著我國農村人口的不斷增加，鄉(xiāng)鎮(zhèn)規(guī)模不斷擴大，居民生活水平的也在不斷提高。為了滿足日益遞增的農村用水需求，各地政府都積極進行農村自來水廠的新建、擴建或改建。城市最重要的基礎設施，自來水廠的規(guī)劃選址關系到整個農村地區(qū)供水系統(tǒng)的安全和合理性，本文以上海市模農村地區(qū)為例建立選址決策的模糊評價矩陣，利用BP人工神經網絡來進行處理確定最優(yōu)選址方案。

來水廠選址

BP神經網絡 模糊評價矩陣

引言

上海市境內河流眾多，隨著上海市經濟的發(fā)展，城區(qū)和農村地區(qū)人口不斷增加自來水用水量急劇增長，現有水廠供水規(guī)模已經接近極限，同時人們對水質和服務的要求也越來，由于各種原因上海市在各種方面的規(guī)劃明顯滯后由此帶來的水資源浪費等問題逐漸顯現。因此為保障農村地區(qū)人們的用水急需新建水廠，擴大供水規(guī)模，以滿足人們的用水需求。

合理的自來水廠選址能節(jié)省費用，滿足人們的供水需求，也能增加水廠的收入避免資源浪費。因此水廠的選址對整個新農村建設起到了至關重要的作用。近年來隨著我國經濟的飛速發(fā)展，其選址問題逐漸引起了務實界的高度關注以及理論界的探究研究。在西方國家已有的研究中，Nelson、Grune等人提出并不斷完善的列舉法，Cohen、Applebaum等提出繪圖法用于獲取所選位置的描述信息。本文在層次分析法的基礎上，利用BP神經網絡的進行選址決策，確定最優(yōu)方案。

自來水廠選址的原則

選擇水廠廠址時，應從全面、科學、協調發(fā)展的視角融合多學科知識；充分考慮當地的地質情況；盡量靠近農村鄉(xiāng)鎮(zhèn)建設發(fā)展地區(qū)以便于方便地獲取相關服務；同時也不應離水源地過遠避免水資源運輸過程中產生的浪費；充分考慮到現實可行性和可操作性，動態(tài)規(guī)劃。滿足綜合性、協調性、安全性、科學前瞻與現實可行性相結合的四大選址原則。

BP神經網絡分析方法

BP算法是一種有導師學習算法，單個樣本學習方法如下：

BP算法是一種有導師學習算法，單個樣本學習方法如下：

（1）預處理

1.確定訓練的樣本集Xp，p=1，2取其中一個樣本進行編碼；

2.給出期望輸出值（教室值）。

（2）初始化權值Wij Wjk。

（3）前向計算

1.隱含層的輸入為hj= ∑iWijxi，輸出為vj=f（hi），其中f（x）=1/（1+e^（-x））為sigmoid函數。

2.輸出層的輸人為hk=∑jWjkvkj，輸出為yk=f（hk）∑jWjkf（∑iWijxi）。

ε=1/2∑k（tk-yk）^2

（4）誤差的反向傳播

1.更新規(guī)則

利用梯度下降法調整權值，學習速率為η。

2.更新權值

至此，一個樣本的一次州算完成。

當需要訓練的樣本數目為P時，更新規(guī)則如下：

ΔWjk=η∑pδpkvpj；

δpk=f（hpk）（tpk-ypk）；

δpj=f（hpj）∑kδpkWjk

應用BP神經網絡分析進行自來水廠選址決策分析

自來水廠選址跟其他設施選址一樣包括兩個層次的問題：其一是定位，即選擇什么樣的地區(qū)設置設施。其二是定址，即在地區(qū)選定后，具體該在該地區(qū)什么位置建立水廠。

自來水廠選址屬于設施選址的一種。設施選址的影響因素與選址決策的目標和原則直接相關。因此進行選址影響因素分析，必須首先明確選址決策的目標和原則。自來水廠的選址的影響因素有很多，本文根據上海市農村地區(qū)的的實際情況，結合自來水廠本身建設時要考慮的因素，選擇其中的一些重要指標，作為進行決策的指標。這些因素大致可分為自然環(huán)境、交通條件、建設費用、當地人口密度以及公共設施這幾大類。指標選擇的好壞對自來水廠選址的正確決策起到十分重要的作用。

在上海市某一農村地區(qū)進行實地調研，收集要進行選址決策的指標的具體數值，確定出六個可行的方案，得出每個方案要考慮的指標的值。本文選取典型自來水廠建設資料為學習的樣本。首先將樣本進行預處理，使得各指標的效應值在[0，1]區(qū)間；將各個指標的效應值作為因變量，用網絡的輸出節(jié)點表達，自來水廠的選址決策的結果則由網絡的輸出節(jié)點表達。根據待選的水廠決策結果決策。由于篇幅限制，這里省略計算過程，直接列出計算結果。

在本文中我們設計出七個可行方案，由于方案的指標體系有五個指標，故輸出層單元數設計為五個。中間層設計為一層，單元數設計為三個，輸出層的單元數設計為一個。通過運用模糊綜合評判法對自來水廠選址進行評價，看出采用BP神經網絡模型進行自來水廠決策是有效的、合理的。

結語

在我國自來水廠選址問題日益突出的情況下，本文以層次分析法為基礎建立BP神經網絡模型，以彌補現有相關理論研究的欠缺和不足。盡管BP神經網絡的學習性能和學習效率會受到樣本數量、質量、網絡層次及隱含層神經元數的影響，但本文通過一定的樣本學習和訓練所建立的神經網絡，在分析自來水廠的不同選擇位置時顯現出較強的可行性和有效性。因此在自來水廠選擇決策中，如有一定的歷史數據可供參考，則使用基于BP人工神經網絡的綜合評價法較好，能對備選方案作出快速、客觀、準確的評價，提高選址決策的利學性和效率性。

[1]韓慶蘭，梅運先.基于BP人工神經網絡的物流配送中心選址決策[J].中國軟件學；2004（6）

[2]宮尚寶，郭玉翠.基于人工BP神經網絡的社區(qū)醫(yī)院選址決策[M].北京郵電大學