基于KHA优化BP神经网络的地下水水质综合评价方法

为提高区域地下水水质评价精度,将磷虾群算法(Krill herd algorithm,KHA)引入到BP神经网络连接权值与阈值的优化过程中,构建了KHA-BP地下水水质综合评价模型。以黑龙江省农垦建三江管理局为研究对象,运用所建模型对其下辖15个农场进行地下水水质综合评价,并对造成地下水水质污染的主要原因进行辨识。为验证本文所建模型的适用性,引入区分度法与序号总和理论分别分析了KHA-BP模型、PSO-BP模型以及BP模型的可靠性与稳定性。结果表明:各农场地下水水质良好,且存在一定的空间分布规律,I类水质主要集中在管理局西南位置,Ⅱ类水质主要集中在北部和南部,Ⅲ类水质主要分布于中东部和中西部。Fe、Mn、CODMn、NH3-N以及NO-3-N是造成地下水水质污染的主要因素。其中Fe、Mn是当地原生危害,CODMn、NH3-N、NO-3-N含量超标主要与大量施用化肥、农药有关。KHA-BP模型的区分度为1.107 0,Spearman等级相关系数为0.928 6,与PSO-BP模型、BP模型相比优势明显。研究成果可为粮食生产核心区的地下水资源科学管理及水生态文明建设提供科学依据。