基于GIS与RBF神经网络的水厂原水藻类预测

书基于GIS与ＲBF神经网络的水厂原水藻类预测刘俊萍，马晓雁(浙江工业大学建筑工程学院，浙江杭州310032)摘要:利用地理信息系统(GIS)对水厂原水水质信息进行管理，将水质信息与水厂的空间信息有机联系，可提高水厂水质管理水平。采用径向基函数(ＲBF)神经网络对杭州市的4座水厂原水中的藻类含量进行预测，建立藻类含量预测模型，结果表明，ＲBF神经网络藻类含量预测模型与常用的细胞计数法相结合，可提高藻类含量预测精度，同时采用GIS技术将藻类含量预测结果以空间图形形式显示和输出，更具可视性，可为水厂有效地控藻除藻提供支持。关键词:水厂原水;藻类;地理信息系统;径向基函数神经网络中图分类号:TU991文献标识码:C文章编号:1000－4602(2015)09－0066－04ForecastofAlgaeContentinＲawWaterofWaterworksBasedonGISandＲBFNeuralNetworkLIUJun-ping，MAXiao-yan(CollegeofCivilEngineeringandArchitecture，ZhejiangUniversityofTechnology，Hangzhou310032，China)Abstract:Geographicinformationsystem(GIS)wasappliedtomanageinformationofrawwaterqualityofwaterworks，andassociatingtheinformationofrawwaterwithspatialinformationofwaterworkscouldraisethemanagementlevelofwaterquality．Ｒadialbasisfunction(ＲBF)neuralnetworkwasusedtoforecastthealgaecontentsinrawwateroffourwaterworksinHangzhouCity，andalgaecontentforecastmodelwasestablished．TheforecastresultsshowedthatthealgaecontentforecastmodelbasedonＲBFneuralnetworkcombinedwiththecommonlyusedcytometrycouldimprovetheforecastaccuracyofalgaecontent．ApplyingGIStodisplayandoutputtheforecastresultofalgaecontentintheformofspatialgraphwasmorevisual．Itcouldprovidesupportforalgaecontrolandremovalinwaterworks．Keywords:rawwaterofwaterworks;algae;geographicinformationsystem;radialbasisfunctionneuralnetwork基金项目:浙江省自然科学基金资助项目(Q12E080063、LY14E090007);国家自然科学基金资助项目(51208468);浙江工业大学重中之重学科开放研究基金资助项目通信作者:马晓雁E－mail:mayaner620@163．com由于水污染事件频发，导致水厂原水中的各种污染物和藻类含量呈增加态势，严重影响水厂出水水质［1］。水厂原水水质的传统评价方法有单因素评价法、多因素综合评价法、聚类法和模糊数学方法等，但以上各种方法均存在不足，为此笔者将径向基函数(ＲBF)人工神经网络理论应用到水厂原水水质评价中，充分利用人工神经网络的自适应自学习能力［2］对水厂原水藻类含量进行预测研究。杭州市主城区有5座水厂，分别为南星水厂、清泰水厂、祥符水厂、九溪水厂和赤山埠水厂，其中赤·66·第31卷第9期2015年5月中国给水排水CHINAWATEＲ＆WASTEWATEＲVol．31No．9May2015山埠水厂30年的特许经营权于2000年拍卖给钱江水利股份有限公司。5座水厂中只有祥符水厂的原水取自东苕溪(属于长江水系的太湖流域)，其余4座水厂的原水均取自钱塘江，供水范围包括杭州市主城区、下沙副城、上泗区域及余杭闲林、勾庄、乔司监狱、海宁农发区等区域。由于各水厂的取水点位置不同，其原水中的水质因子含量也会有所不同。传统的水质信息管理大多建立数据库信息，无法与空间特征相联系。结合地理信息系统(GIS)可实现空间信息的可视化，可将数据库中储存的大量信息与水厂空间信息相结合，使数据变得具体直观，便于杭州市水业集团有限公司对水厂从原水水质到出厂水水质的全面监测和管理［3］。