用BP神经网络评价地浸砂岩型铀矿床某退役采区地下水水质.pdf

《用BP神经网络评价地浸砂岩型铀矿床某退役采区地下水水质.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第29卷第4期铀矿冶Vo1．29NO．42010年11月URANIUMMININGANDMETALLURGYNOV．2010用BP神经网络评价地浸砂岩型铀矿床某退役采区地下水水质李锦鹏，胡凯光，李小军，肖素丽(南华大学核资源与核燃料工程学院，湖南衡阳421001)摘要：以我国GB／T148481993(地下水质量标准》作为学习样本，选取U、s()、∑Fe、Ca、NO2、CI和矿化度7个指标作为评价因子，用建立的基于地下水水质评价的BP神经网络模型，对地浸砂岩铀矿床某退役采区地下水水质进行评价。为更有效地验

2、证评价模型的准确性，将该模型与综合指数法的评价结果进行比较。结果表明：建立的BP神经网络模型评价精度高，能有效描述评价因子与水质等级间复杂的非线形关系，拓宽了BP神经网络应用研究领域。关键词：地浸砂岩铀矿床；BP神经网络；地下水水质；水质评价中图分类号：X523；TP183文献标志码：A文章编号：1000—8063(2010)04—0199-05尽管被称为‘‘绿色技术”的地浸采铀以其对环修改各层神经元的权值，使误差达到最小。其隐境污染小而被普遍采用，但从某种程度上对环境含层和输入层的作用函数为非线性的Si

3、gmoid型造成的污染不容忽视，已成为制约地浸工艺技术函数，表达式为：的颈瓶Itz]。因此，对地浸采区地下水水质评价已／(z)一再。(1)引起高度重视。传统的地下水水质评价方法，如综合指数法、模糊数学法、灰色聚类法等，没有很为了使整个训练集的误差(E)最小，应使全好地描述评价因子与水质等级间复杂的非线性关网络平均误差的平方和最小，即系，所建立的模型不能全面反映其内部结构，从而E一(y一Ok，(2)丢失了信息。]。为此，要对地浸采区地下水水质进行较为准确的评价，就必须采取能捕捉非线性式中：为训练范例集中训练

4、对的数量；”为输出变化规律的评价方法。人工神经网络正是一种描层单元数；Y为第k样本对第P特征分量的实述和刻画非线性现象的强有力工具，具有传统建际输出；Ok，为第愚样本对第特征分量的期望模分析所不具备的很多优点j，它通过利用一定输出。量的数据进行网络训练后，通过不断学习来修改要使E取得最小值，必须对所有学习样本进各层神经元的权值，进而达到对未知地下水水质行修正，即：评价的目的。Wo(k)===一((3)lBP网络原理式中：77为学习速率。BP神经网络模型是一种前向多层神经网络通常为增加学习过程的稳定性，用下

5、式对的反向传播学习算法，可以实现从输入到输出的W再进行修正：任意非线性映射]。通常由3层组成，输入信息w()一∑W(是)一p(w(￡)一W。(一1))，从输人层经隐含层传向输出层，如果在输出层得不到期望精度，则转入反向传播，通过不断学习来(4)收稿日期：201O—O7一O4基金项目：国家自然科学基金项目(50774047)；湖南省教育厅重点项目(10A103)作者简介：李锦鹏(1982一)，男，陕西榆林人，在读硕士研究生，研究方向为溶浸采矿。200铀矿冶第29卷式中：W，()为BP网络第t次迭代循环训练后

6、的的水质评价问题。因此，选择单隐层网络，其中隐连接权值；W(一1)为BP网络第(t～1)次迭代含层的神经元数量也是影响网络评价性能的重要循环训练后的连接权值；口为充量常数。因素之一。根据一些确定隐节点数的公式，设定网络的隐含层神经元数量为9个，由于网络输人2BP神经网络在某地浸退役采区地下水向量有7个元素，输出向量有1个，即水质综合评水质评价中的应用价网络模型的结构为79—1，见图1。某地浸铀矿山经过多年生产，生产采区有的已经停产，等待退役，而且今后每隔几年就有新的采区需要退役，地浸终产后采区内U、Fe、

7、Ca、As和Cd等重金属元素及S()、N()超标，地下水输入层遭到了污染。因此，企业既要根据地下水背景值判定地下水是否受到了污染，又要根据某种标准隐含层判定地下水水质是否变坏到了不能利用或在某些输出层方面的利用受到限制的程度。笔者以GB／T14848-1993~地下水质量标准》为学习样本，某退水质级别值役采区2010年现场监测的22个地下水采样作为测试样本，用建立的BP网络模型对地下水水质图1BP神经网络模型结构进行评价。2．1输入／输出向量设计2．3网络训练BP网络的输入层和输出层的神经元数目分以GB／

8、T14848一l993为学习样本，2O10年别由输入和输出向量的维数确定。通过对铀矿床现场监测的22个地下水采样作为测试样本。将酸法浸出工艺，影响地下水的成因、演变规律的现归一化后的水质评价分级指标数据作为BP网络场调查与分析，用相关性分析法，筛选出其中对地模型的输入值，级别值作为BP网络模型的输出下水水质影响较大的特征污染物作为评价因子。值。在BP网络学习过程中，先调整输出层与隐确认U、S0、∑Fe、Ca、N()_、C1和矿