BP神经网络在餐厨垃圾处理厂适宜性评价中的应用*

张 丽

（江汉大学化学与环境工程学院，湖北 武汉 430056）

影响餐厨垃圾处理厂科学选址的因素多，涉及交通情况、地理地形条件、气候情况、环境地质条件及水文地质工程条件等方面［1］，各要素的影响程度从数值上很难精确的衡定［2］，且影响要素之间大多具有非线性相关性，因此餐厨垃圾处理厂选址评价具有模糊性和非线性。笔者通过细化CJJ 184—2012餐厨垃圾处理技术规范中选址要求，以此为依据，选取描述指标，基于BP（反向传播神经网络，Back-Propagation Network） 神经网络模型构建餐厨垃圾处理厂选址评价模型，并对武汉市汉口西部餐厨垃圾集中处理厂（简称汉口西）和武汉天基生态能源科技有限公司餐厨垃圾综合利用中心厂（简称武昌南）的选址进行评价，以期为餐厨垃圾处理厂选址提供科学依据。

1 模型的建立

1.1 指标选择

目前，垃圾填埋场选址适宜性评价研究较多，然而，由于餐厨垃圾的特性决定了其处理以资源化为主，处理技术不同于垃圾填埋技术，因此，对厂址的要求与垃圾填埋场选址也不完全相同。国家已经颁布了CJJ 184—2012餐厨垃圾处理技术规范，武汉市颁布的《武汉市餐厨废弃物管理办法》也已于2013年12月1日执行。据此，餐厨垃圾处理厂作为一类特殊生活垃圾处理设施，应满足规划用地、环境影响、社会反映、服务区域、服务单位、收运能力、运输距离、预留发展、给水、排水、供电、避开环境敏感区、洪泛区、重点文物保护区等条件。经论证，评价指标设置如图1所示。

图1 餐厨垃圾处理厂适宜性评价指标

1.2 BP神经网络模型的构建

用于垃圾处理厂的选址优化的方法很多，如模糊综合评判法、层次分析法、线性规划法、灰色决策法以及指标满意度法等［3-7］。模糊综合评判法、层次分析法、灰色决策法等具有一定的主观性，且不能直接定量地表达优化结果经济性的优劣；线性规划模型本身及运算结果不能较好地反映实际情况［8］；而非线性规划、整数规划、动态规划复杂的运算又限制了其在选址中的应用［9］。

人工神经网络是模仿人脑结构和功能的一种信息处理系统，是由大量的处理单元（神经元）互相连接而成的网络。虽然，每个神经元的结构和功能都不复杂，但是神经网络的动态行为则是十分复杂的，因此，用神经网络可以表达实际物理世界的各种现象。在影响因素较多、因素之间逻辑关系复杂的情况下，人工神经网络能够实现全局最优。运用人工神经网络构建的评价模型，将每一项技术指标进行系统量化，达到更好评价优化的目的。

1.2.1 BP神经网络模型的基本原理

BP网络是利用非线性可微分函数进行权值训练的多层网络，它包含了神经网络理论中最为精华的部分，由于其结构简单，可塑性强，数学意义明确，学习算法步骤分明，在函数逼近、模式识别、信息分类及数据压缩等领域得到了广泛的应用［10］。BP神经网络的结构见图2。

图2 BP神经网络结构

1.2.2 输入输出神经元的确定

选取图1中的13个评价指标对餐厨垃圾厂选址影响因子进行了表征，故采用13个评价指标作为BP网络的13个输入神经元。对于所选位置的适宜性评价分为3种情况，即最优、合格和不合格。对应表征3种情况，故神经网络输出神经元为3。

1.2.3 输入神经元的标准化

由于构成输入神经元的既有定量指标又有定性指标，对于定性指标按最优1.0、合适0.8、不合适0.5进行赋值；对于定量指标通过调研、网络查询、文献查阅获取数据。在神经网络研究中，样本有多个输入参数时，如城市规划的土地性质的参数范围是［0，1］，而服务人口的参数范围是［500 000，4 000 000］，那么这2个参数对网络输出的影响大小是不同的，前一参数会被后一参数所淹没，不能体现出前一参数的作用。因此，对不同单位、级差的13个评价指标进行了标准化处理（见公式 （1）），归一化处理结果见表1。

?

1.2.4 隐含层神经元的确定

对于隐含层，神经元数如果太少，网络不能很好的学习，需要训练次数很多，训练精度也不高，有时网络还可能训练不出来。增加神经元，网络功能会变得强大，但是隐含层神经元过多，会增加训练网络的时间，且使网络的泛化能力减弱，网络的预测能力下降。在结合相关理论和参考经验公式的基础上，采用公式m=2l+1（l为输入层神经元数）确定隐含层神经元数目。

1.2.5 模型构建与训练

本研究通过matlab7.4（2007a） 软件实现BP神经网络。采用S形的正切函数tansig函数为输入层与隐含层之间的传递函数，S形的对数函数logsig作为网络的隐含层与输出层。训练函数选用的是trainlm函数，设定目标误差为1.0×10-10。

在上述研究的基础上，确定隐含层节点数为27，即BP神经网络的结构为13×27×3。通过收集相关数据，对构建好的神经网络模型进行训练，当训练误差达到可接受范围之后，模型趋于稳定，便可以用来进行备选地的测评。将13个归一化的指标作为输入层构建网络，训练158次后，网络收敛。训练的误差仅为8.653×10-11，训练集测试结果理想，可以用于选址适宜性评价。模型训练见图3。

图3 模型训练结果

2 实证研究

2.1 2个餐厨垃圾处理厂现状

武汉市汉口西部餐厨垃圾集中处理厂（简称汉口西）位于东西湖区新沟镇街。以服务东西湖区餐厨垃圾处理为主，并辐射到汉口的硚口区等就近区域，服务区域总面积为485.58 km2，总人口为109.7万人，餐厨垃圾处理规模为200 t/d。根据武汉市工业用地布局，该地段属于工业区用地，符合城市总体规划的土地性质。该厂处理工艺为湿式厌氧发酵处理+生物质气体能源利用+残渣制肥，属于资源化综合处理，该厂周边有正在建设的新沟垃圾焚烧发电厂，满足《武汉环境卫生专项规划（2006—2020）》的相关要求。根据该项目环境影响评价报告书简本内容，项目运营期在厂区内自建污水处理站处理达到GB 18918—2002城镇污水处理厂污染物排放标准一级标准的A标准后，经周边农用沟渠排入东大湖，对周围水环境不会产生明显影响；运营期的锅炉废气、臭气、工艺粉尘、食堂油烟等经过处理均能达到相应标准。该厂在惠安大道旁，交通运输条件较好；距离东西湖区五环大道约20 km；该厂周边300 m内无环境敏感建筑，远离居民区；场地的稳定性和水电供应良好；该厂所处地段土地价格较低，基准地价为336.0万元/hm2。

武汉天基生态能源科技有限公司餐厨垃圾综合利用中心厂（简称武昌南）位于武汉市江夏区郑店街黄金工业园内，该地段属于工业区用地，符合城市总体规划的土地性质。该厂应用餐厨垃圾无害化、资源化处理工艺技术，利用中温厌氧发酵技术使餐厨垃圾最终转化为电能、工业油脂输出，满足《武汉环境卫生专项规划（2006—2020）》的要求。该厂主要建设包括沼气净化及综合利用系统、污水处理系统、沼渣污泥脱水系统、臭气处理系统，保障项目满足GB 14554—1993恶臭污染物排放标准、GB 16297—1996大气污染物综合排放标准、GB 18483—2001饮食业油烟排放标准以及GB 18918—2002城镇污水处理厂污染物排放标准等相关规定。该厂将服务武昌地区餐厨垃圾处理为主，辐射武昌区、洪山区、东湖高新等就近区域，日处理武昌地区餐厨垃圾250 t。该厂在黄金园路旁，交通运输条件较好；距离最远的武昌区洪山广场约20 km；该厂周边300 m内无环境敏感建筑，远离居民集中地；场地的稳定性和水电供应良好；土地价格较低，该厂用地成交价约为220.5万元/hm2。

2.2 餐厨垃圾处理厂选址适宜性评测

设定预测模型的最优选址值为（1，0，0），合格选址值为 （0，1，0），不合格选址值为（0，0，1）。通过调研整理得到汉口西和武昌南2个餐厨垃圾处理厂的13个选址适宜性评价指标定量值，将13个指标定量值用公式（1） 归一化后，处理结果见表2。将归一化后的数据输入已经训练好的模型进行计算，结果显示，汉口西选址评测值为（0，1，0），武昌南选址评测值为（0.000 7，0.999 9，0）。对比评测值和预先设定值可以看出，汉口西和武昌南2个餐厨垃圾处理厂的选址均为合格选址。计算评测值的均方误差MSE仅为8.333×10-8。

?

3 结论

1） BP神经网络模型的特点使其能够更好地反映出各个指标之间的复杂关系，尤其是非线性关系。通过选取影响餐厨垃圾处理厂的13个具体指标，确定BP神经网络模型输入和输入神经元，收集相关学习数据，进行训练后，根据实地情况，建立评价模型，该模型网络结构可靠性高，适用性较好，具有广阔的应用前景。

2）通过对2个已建好的餐厨垃圾处理厂实证研究发现，虽然总体场址选择符合环境卫生专项规划，但实地发现还是有少部分零散居民地在卫生距离以内；另外，附近居民支持率的数据只是通过估算，并没有查到较权威的数据。而这些问题均能在BP神经网络模型中有所体现，因此研究所构建的选址适宜性评价模型较客观反映了武汉餐厨垃圾处理厂的实际情况，具有较强的适用性和可靠性。

［1］刘长礼，张云，王秀艳，等.垃圾卫生填埋处置的理论方法和工程技术［M］.北京：地质出版社，1999.

［2］黄栋，王栩虹.模糊综合评价法在垃圾填埋场选址中的应用［J］.首都师范大学学报：自然科学版，2009，30（2）：10-13.

［3］Chang N B，Chen Y L，Wang S F.A fuzzy interval multiobjective mixed integer programming approach for the optimal planning of solid waste management systems［J］.Fuzzy Set Syst，1997，89（l）：35-60.

［4］邓聚龙.灰理论基础［M］.武汉：华中科技大学出版社，2002.

［5］Everett J W，Modak A R.Optimal regional scheduling of solid waste systemsⅠ：Model development［J］.J Environ Eng，1996，122（9）：785-792.

［6］郜洪强，樊延恩.层次分析法在垃圾填埋场适宜性评价中的应用［J］.中国地质，2009，36（6）：1433-1441.

［7］Calvo F，Moreno B，Zamorano M，et al.Environmental diagnosis methodology for municipal waste landfills［J］.Waste Manage，2005，25（8）：768-779.

［8］张浩文.成都市餐厨垃圾处理厂厂址选择研究［D］.成都：西南交通大学，2010.

［9］贾传兴，彭绪亚.城市垃圾中转站选址优化模型的建立及其应用［J］.环境科学学报，2006，26（11）：1927-1931.

［10］飞思科技产品研发中心.神经网络理论与MATLAB7实现［M］.北京：电子工业出版社，2005.