基于ABC-BP模型的阿什河流域水安全评价

孟凡香，李天霄

(1.东北农业大学 水利与建筑学院，黑龙江 哈尔滨 150030；2.黑龙江省高校节水农业重点实验室，黑龙江 哈尔滨 150030)



基于ABC-BP模型的阿什河流域水安全评价

孟凡香1,2，李天霄2

(1.东北农业大学 水利与建筑学院，黑龙江 哈尔滨 150030；2.黑龙江省高校节水农业重点实验室，黑龙江 哈尔滨 150030)

针对水安全评价的特点，将人工蜂群算法(ABC)引入到BP神经网络中，对其网络结构、初始权值和阈值进行优化，通过将BP神经网络参数的优化过程转化为蜜蜂寻找最佳蜜源的过程，建立了基于人工蜂群算法优化的BP网络。选取11个水安全评价指标，以阿什河流域2011年阿城观测断面实测数据为例，对其2011年的水安全状况进行了全面的评价。研究结果表明：阿什河流域2011年水安全等级普遍较差，均在Ⅲ级以下，与实际情况相符，且评价结果具有很强的稳定性和鲁棒性。因此，采用ABC-BP模型对流域水安全进行评价是一种行之有效的方法，研究成果为流域水安全评价提供了新的思路和方法。

阿什河流域；水安全评价；人工蜂群算法；BP神经网络

阿什河是哈尔滨市阿城区内流程最长的清水源河流，它曾留下古代女真文明的烙印，也曾彰显哈尔滨市的千年文脉，然而在地方片面追求经济增长的今天，其污染也日益严重。自2005年松花江水污染事件以来，我国非常重视跨境江河水的保护与治理。另外，阿什河是哈尔滨市内最大的内河，位于哈尔滨市东部，从城市发展角度尚属未开发区域，从生态角度属自然特征良好，自然景观丰富，且为金源文化的发源地，历史悠久。此种背景下，采用现代数据处理方法和理论对阿什河流域水安全进行研究，一方面可以改善阿什河流域的水环境，保护阿什河流域的文化底蕴，另一方面对于国家与邻国关系的和睦相处都具有非常重大的意义。近几年来，关于阿什河流域水安全的研究引起了许多学者的注意，他们分别从不同的角度对阿什河流域的水安全进行了研究，取得了一定的研究成果，如：马放等人[1]采用SWAT模型模拟了阿什河流域退耕还林、等高种植、化肥减量与植被过滤带等4种非点源污染控制措施及其综合效果，得出了植被过滤带是阿什河流域非点源污染防治的最佳措施；胡钰等人[2]利用水质、土壤监测技术和15N稳定同位素示踪技术，对流域水安全进行了研究，得出阿什河流域氮污染较严重；聂鑫[3]研究了阿什河流域的水环境容量和污染物总量控制措施；周浩[4]、高凤杰[5]、周军[6]等分别从不同的角度，对阿什河流域的非点源污染进行了研究；汪胡根等人[7]采用BP神经网络技术对阿什河流域的水安全进行了评价。上述研究从不同的角度对阿什河流域的水安全问题进行了研究，因采用的方法不同得到的研究结果也不尽相同。本文通过采用人工蜂群算法(ABC)优化BP神经网络模型的网络结构、初始权值和阈值，选取11个水安全评价指标，以阿什河流域2011年阿城观测断面实测数据为例，对其2011年的水安全状况进行了全面的评价，以期为阿什河流域水环境保护提供理论支撑。

1　研究方法

1.1BP网络简介

BP(Back-Propagation)网络是1985年由美国加州大学的麦克莱伦德(McClelland)和鲁梅尔哈特(D.Rumelhart)提出的一种多层前馈神经网络的反向传播学习算法，主要是为了研究并行分布式信息处理。随后Hecht-Nielesen等人从数学理论上证明了Kolinogorov关于在一个相当宽的范围内，多层反向传播网络能以任意精度逼近定义在紧致子集上的任意非线性连续函数，从而为反向传播网络的应用提供了理论根据[8]。目前，BP网络己经成为应用最多且最重要的一种神经网络形式。

1.2人工蜂群算法

为了解决多变量函数优化等问题，Karaboga于2005年提出了人工蜂群算法(artificial bee colony algorithm，简称ABC算法)。人工蜂群算法是模仿蜜蜂采蜜行为提出的一种优化方法，是集群智能思想的一个具体应用，具有原理简单、鲁棒性和全局性好、收敛速度快等特点，是当前优化研究领域的热点[9]。由于蜂群算法已被证明比遗传算法(GA)，粒子群优化(PSO)、差分进化(DE)和蚁群算法之中任意一个都具有更好的优化性能，因此被广泛应用于函数优化、动态规划以及车间调度等热点问题中。

1.3基于ABC优化的BP网络模型

将ABC算法与BP网络相融合，利用ABC算法寻找最优的BP网络权值和阀值，具体步骤如下：

步骤一：创建一个BP神经网络；

步骤二：初始化ABC算法有关参数；

步骤三：计算收益度进行寻优；

步骤四：将得到的最优解变换成BP网络的连接权值和阀值，用水质数据进行评价和测试神经网络。

2　阿什河流域水安全评价

2.1数据来源及评价标准

采用阿什河流域上的6个监测断面(马鞍山水文站、阿城、阿城与香坊交界、信义沟入阿什河河口上、汲家村、信义沟入阿什河河口)2011年全年数据为基础，参照《地面水环境质量标准》(GB 3838-2002)选取硫酸根(x1)、氟化物(x2)、总磷(x3)、总氮(x4)、Do(x5)、氨氮(x6)、CODcr(x7)、CODmn(x8)、BOD5(x9)、砷(x10)、挥发酚(x11)等11个指标进行水质分析。

水质评价标准参考《地面水环境质量标准》(GB 3838-2002)，其中：Ⅰ、Ⅱ级水主要反映地下水化学组成的天然背景含量，适用于各种用途；Ⅲ级水以人体健康基值为依据，主要适用于集中式生活饮用水源及工业、农业用水；Ⅳ级水以农业和工业用水要求为依据，除适用于农业和部分工业用水外，适当处理后可作生活饮用水；Ⅴ级水不宜饮用。

2.2ABC参数初始化

很明显，当蜂群的规模越大，获得最优解的可能性也就越大，但是计算的工作量和复杂性也会相应增加。通过大量的仿真测试，本文蜂群规模设定为200，即采蜜蜂和跟随蜂的数量均为100，最大循环次数设定为120。

2.3训练样本和测试样本

本研究的水安全评价对象为阿什河流域5个监测断面2011年全年的水质监测数据。BP神经网络具有较强的泛化能力，能够较好的处理样本少的问题，以水质标准等级数据作为训练样本建立基于国家标准的评价模型。将这5组数据，11个指标输入到BP神经网络中。通常情况下，用0.2、0.4、0.6、0.8、1.0(或0.1、0.3、0.5、0.7、0.9)来代表水质标准Ⅰ至Ⅴ级。本文为了扩大各水质级别之间的数量关系，输出训练样本选为-1、-0.5、0、0.5、1，当BP神经网络的输出值在小于-1时水质为Ⅰ级，[-1，-0.5]之间时水质为Ⅱ级，[-0.5，0]之间时水质为Ⅲ级，[0，0.5]之间时水质为Ⅳ级，[0.5，1]之间时水质为Ⅴ级，在大于1时水质为劣Ⅴ级。

2.4BP网络结构确定

由于本文水质评价中共有11个指标、评价结果只有级别等级，因此BP神经网络输入层节点数为11个，输出层节点数为1个。BP神经网络的拓扑结构为11∶12∶1。隐含层的传递函数采用双曲正切函数(transig)，输出层采用线性函数(purelin)作为传递函数，训练精度设置为10-2，最大训练次数设置为1000。

2.5评价结果

采用MATLAB2009a编程计算，采用ABC算法优化BP网络的权值和阈值，ABC算法迭代120次后，已经完全收敛，说明了ABC算法的快速收敛性。BP神经网络输入层到隐含层的权值W1和阀值B1如下：

B1=[-0.85510.5365-0.6444-0.56940.14630.2729-0.5607-0.10690.4184-0.96350.11490.0967]′

隐含层到输出层的权值W2和阀值B2如下：

W2=[-0.9805-0.0955-0.3278

-0.3051-0.1275-0.22880.25510.4138

-0.52030.3867-0.6099-0.1244]

B2=[0.5241]

采用上述已训练好的BP神经网络对阿什河流域5个监测断面2011年全面的水质数据进行评价，评价结果见表1。

表1　基于ABC-BP的各样本水质等级

3　结　论

阿什河流域2011年水安全等级普遍较差，均在Ⅲ级以下，与实际情况相符，且评价结果具有很强的稳定性和鲁棒性。基于ABC的BP神经网络水安全评价模型克服了初始权值和阈值的影响，从而使每次运行结果基本一致，避免了传统BP神经网络多次运行评价结果差异大的弊端。但是由于基于ABC-BP神经网络水安全评价模型较传统方法运行时间要长，消耗内存要大，这在一定程度上限制了其在实际中的应用。

[1]马放,姜晓峰,王立,等.基于SWAT模型的阿什河流域非点源污染控制措施[J].中国环境科学,2016,36(2):610-618.

[2]胡钰,王业耀,滕彦国,等.阿什河流域非点源氮污染的δ15N源解析研究[J].农业环境科学学报,2015,34(12):2327-2335.

[3]聂鑫.阿什河流域水环境容量及污染物总量控制研究[J].环境科学与管理,2015,40(12):72-75.

[4]周浩,雷国平,冯晓娟,等.基于MUSLE模型的阿什河流域农业非点源污染风险评估[J].农业现代化研究,2015(3):469-476.

[5]高凤杰,侯大伟,姜晗,等.阿什河流域农业非点源污染源解析及空间异质性[J].东北农业大学学报,2014,45(9):67-72，78.

[6]周军,张颖,高凤杰,等.阿什河流域农业非点源污染优先控制区域识别[J].水土保持研究,2013,20(3):180-184.

[7]汪胡根,胡桂平,张海峰,等.基于BP神经网络的阿什河流域水质评价的研究[J].水利水电施工,2014(6):108-110.

[8]王永庆.人工智能原理与方法[M].西安:西安交通大学出版社,1999.

[9]Karaboga D,Akay B.A comparative study of artificial bee colony algorithm[J].Applied Mathematics and Computer,2009,214(1):108-132.

Evaluation of water safety based on ABC-BP model in Ash river basin

MENG Fanxiang1,2,LI Tianxiao2

(1.CollegeofWaterConservancyandArchitecture,NortheastAgriculturalUniversity,Harbin150030,China；2.KeyLaboratoryforWater-savingAgricultureofUniversitiesinHeilongjiangProvince,Harbin150030,China)

Aiming at the character of water safety evaluation, network structure, initial weights and threshold of BP neutral network can be optimized by Artificial Bee Colony (ABC for short). Through transferring parameter optimization process of BP neutral network to finding nectar source process of bee, the BP neutral network based on ABC can be built. Selecting 11 indexes and taking Acheng observation section measured data of Ash river basin in 2011 as an example, the water safety can be evaluated. The results show that the water safety degree is very low of Ash river basin in 2011 and all below Ⅲ,which is coincided with the fact and the results have good stability and robustness. Therefore, it is an effective way of adopting ABC-BP model to evaluate river basin water safety and the results can provide a new way and method for basin water safety evaluation.

Ash river basin; water safety evaluation; Artificial Bee Colony; BP neutral network

国家自然科学基金(51179032)

孟凡香(1984-)，女，工程师，主要从事农业水土资源高效利用等方面的研究工作。

X824

A

2096-0506(2016)03-0001-03