针对当前雨水径流非点源污染水质监测数据匮乏而难以评估污染负荷的弊端，将BP神经网络模型引入评估污染负荷问题。使用监测区域2014~2015年20场次降雨作为样本数据，以主成分影响因子作为输入量，污染物EMC（以SS计）作为输出量，构建三层BP神经网络模型，通过SPSS和MATLAB工具计算相应年份的雨水径流污染负荷，并使用Schueler法对计算结果进行验证。结果表明，其相对误差为2.7%，精度高，适应能力强，基于BP神经网络构建模型是评估雨水径流污染负荷的一种有效方法。
Abstract
Current rainwater runoff non-point source pollution water quality monitoring data are scarce. It is difficult to assess the drawbacks
of the pollution load. BP neural network is applied to assess the pollution load. In this paper,the monitoring area 20 rainfall in 2014－2015 is used as the sample data,principal component factors as the input,pollutant EMC (in SS)as the output,the three-layer BP neural network model is constructed,then the runoff pollution loads of the corresponding years are calculated by SPSS and MATLAB tools. And the Schueler method is used to verify the calculation results. The results show that the relative error is 2.7%. High precision,strong adaptability and building model based on BP neural networks are an effective way to evaluate the pollution load of storm water runoff.
关键词
雨水径流污染负荷 /
BP 神经网络 /
主成分分析法
{{custom_keyword}} /
Key words
storm runoff pollution load /
BP artificial neural network /
principal component analysis (PCA)
{{custom_keyword}} /
基金
国家水体污染控制与治理科技重大专项(2010ZX07320-002; 2010ZX07320-003);
北京市应对气候变化研究与人才培养基地(PXM_2015_014210_000010)
{{custom_fund}}
{{custom_sec.title}}
{{custom_sec.title}}
{{custom_sec.content}}
参考文献
[1] 周飞祥.城市降雨径流污染及其控制的研究进展[J].建设科技(建设部),2014(12):68-71.
[2] 任心欣,俞绍武,王国栋,胡爱兵. 低冲击开发新理念在深圳的应用——《深圳市雨洪利用系统布局规划》浅谈[A]. 中国城市规划学会、重庆市人民政府.规划创新：2010中国城市规划年会论文集[C].中国城市规划学会、重庆市人民政府:,2010:4.
[3] 张伟,周永潮.城市雨水径流污染负荷计算及评价模型[J].湖南城市学院学报(自然科学版),2005,14(1):27~29
[4] 汉京超,王红武,马鲁铭,刘燕,胡坚. 城市雨水径流污染总量核算[J]. 复旦学报(自然科学版),2013,06:811-816.
[5] 汪迎春,刘贵平. 城市雨水径流年污染总量核算[J]. 土木建筑与环境工程,2012,04:118-124.
[6] 车伍,刘燕,欧岚,李俊奇.城市雨水径流面污染负荷的计算模型[J].中国给水排水,2004,20(7):56~58
[7] 李海燕,车伍,黄宇. 北京长河湾流域径流非点源污染总量估算[J]. 给水排水,2008,03:56-59.
[8] 黄卫东,吴春笃,汝梅. 城市雨水径流污染模型参数优化方法研究[J]. 中国科学技术大学学报,2007,08:1031-1035.
[9] 许仕荣,周永潮,张伟. 基于Monte Carlo法的城市雨水径流污染负荷模拟[J]. 环境科学与技术,2005,05:57-59+118-119.
[10] 姜文超,管继玲,吕念南,杨政成.雨水径流污染与城镇排水系统规划[J].南水北调与水利科技,2010,8(3):39~41,54
[11] 付东王,王超,张倩,余代广. 基于BP神经网络模型预测区域需水量[J]. 城市道桥与防洪,2011,04:93-97+9.
[12] 温家鸣,郭纯青,李新建,李文斌. 基于BP神经网络的桂林生态城市建设需水量预测[J]. 水资源保护,2012,03:47-50.
[13] 金建华,史义雄,史永刚. 基于BP神经网络构建城市时需水量预测模型[J]. 城市管理与科技,2005,01:29-31.
[14] Hsu K, Gupta H V, Sorooshian S. Artificial neural network modeling of the rainfall‐runoff process[J]. Water resources research, 1995, 31(10): 2517-2530.
[15] 朱大奇, 史慧. 人工神经网络原理及应用[M]. 北京: 科学出版社, 2006.
[16] Schueler T R. Controlling urban runoff: A practical manual for planning and designing urban BMPs[M]. Water Resources Publications, 1987.
[17] Schiffmann W H, Geffers H W. Adaptive control of dynamic systems by back propagation networks[J]. Neural Networks, 1993, 6(4): 517-524.
[18] Jolliffe I. Principal component analysis[M]. John Wiley & Sons, Ltd, 2002.
PDF(313 KB)
鄂公网安备 42010602001274号 鄂ICP备14015464号-1