《中国科技纵横》
《中国科技纵横》杂志由科技部主管，面向海内外公开发行的国家级学术期刊。聚焦中外科技前沿动态，促进科技的传播与发展；在全国高校营造一个促进科技创新、加强科技交流的学术环境，给各院校、各学科的广大科技工作者搭建一个活跃学术思想、发表学术论文的平台，努力促进科技创新、经济发展及人文进步。
发文量：51468被引量：10346 H指数：12 影响因子：0.045099999755621立即指数：0.011被引半衰期：2.4553引用半衰期：4.5954期刊他引率：0.9916平均引文率：2.6714
? 主管单位：中华人民共和国科学技术部? 主办单位：中国民营科技促进会? 国内刊号：11-4650/N? 国际刊号：1671-2064? 邮发代号：? 发行周期：半月刊
目录
节能环保与生态建设
一种基于SOM神经网络的污水处理工艺方案比选方法 (1)曹荣;王仁雷
实现供热管网水力平衡及节能的方法研究 (3)沈立挺;费盼峰;张军辉
论可持续发展的生态公路建设 (5)贾伟
环境治理工程验收监测存在问题及对策 (6)刘金永;姜维涛
我国农业碳交易市场发展问题探析 (7)刘祖春;施松郅
牡丹江市涉及饮用水卫生安全产品存在的卫生问题与对策 (10)王振
农村环境污染的主要问题与对策建议 (11)张廷银
燃气蒸汽联合循环机组烟气余热深度回收技术的研究与应用 (12)周军桥
浅析如何防治农村水污染 (15
范文
种基于SoM神经网络的污水处理工艺方案比选方法
【摘 要l目前越来越多的电厂开始应用城镇污水处理厂出水作为生产用水水源，而其出水水质直接取决于所采用的污水处理工艺。本文尝试将自组织神经网络模型应用于城镇污水处理工艺方案的决策，实例分析结果证明模型和方法是实用、有效的。且与常规比选方法相比，该模型编程简洁：实现容易，效率更高。
【关键词】城镇污水处理厂 自组织神经网络 方案 比选
[Abstract]Self-organizingneuralnetworkmodelisusedtomakedecisionaboutprocessselectionofurbanwTP．Anexampleshowsthatthemethod
isefectiveand valuable．Comparedwi出 convenuon~ methodsofoptimization．hetnew modeliseasiertoprogram andrealize．
[Keywords]Urban WTP；Self-organizingneuralnetwork；Project；Decision—making
1引言
目前越来越多的电厂开始应用城镇污水处理厂出水作为生产用水水源，而其出水水质直接取决于所采用的污水处理工艺。城镇污水处理厂工艺方案比选是一个十分复杂的系统分析问题，涉及经济、技术、社会、生态环境等诸多因素，而这些因素各自的属性不同、重要性差异较大，许多因素的评价结果难于定量 。近年来国内外许多学者对该问题进行了研究，提出了灰色关联度比选模型 、层次分析法 、模糊数学评价模型 日、物元分析模型 争众多方法，对城镇污水厂工艺方案比选起到了积极的作用。但是鉴于城镇污水处理工程关系重大，而现有方法各有其缺陷，因此在进行工艺方案比选时，有必要采用多种方法进行评估，综合比较，从而得出较为客观与合理的结论。为此，本文提出一种新的比选方法，即自组织映射(~if-Orga— nizingMapping，简称SOM)神经网络模型进行工艺方案的比选，以求丰富和完善城镇污水处理工艺方案比选的模型和方法。
2自组织映射神经网络原理
自组织映射模型(SOM)是由芬兰学者Kohonen于1982年提出的，这种网络能模拟大脑脑皮层自组织的功能，它是一种竞争式学习网络，能无监督地进行自组织学习。自组织映射神经网络模型如图1所示，它由两层神经元构成，即输入层和竞争层(输出层)，没有隐含层。输入层的神经元排成一列，其个数由输入网络的向量个数而定，竞争层(输出层)的若干神经元排成～个二维阵列。输入层与竞争层之间实行全互连接，竞争层的神经元之间还实行侧抑制连接。
KohonenSk为当一个神经网络接收外界输入模式时，将会分为不同的区域，各区域对输入模式具有不同的响应特征，同时这一过程是自动完成的。各神经元的连接权值具有一定的分布，最近的神经元互相诱导，而较远的神经元则相互抑制，而更远一些的则具有较弱的诱导作用。这样某个输出结点能对某个模式作出特别的反应以代表该模式，而且二维平面上相邻的结点能对实际模式分布中相
图1自组织映射神经网络模型
近的模式作出特别的反应。当某数据模式输入时，对其某点给予最大的诱导。以指示该类模式所属区域，而同时对该点周围的点也给予较大的诱导。因此，自组织映射神经网络的输出状况，不但能判断输入模式所属的类别并使输出结点代表某一模式，还能够得到整个数据区域的大体分布情况，即从样本数据中抽取到所有数据分布的大体本质特征。总之，自组织特征映射神经网络是一种无教师的聚类方法，它能将高维模式映射到一平面上，而保持其拓扑结构不变，亦即距离相近的模式点，其映射点的距离也相近。其学习过程可描述为：对于每一个网络的输入，只调整一部分权值，使权向量更接近或更偏离输入矢量，这一调整过程，即为竞争学习。随着不断学习，权矢量在输入空间相互分离，形成了各自代表输入空间的一类模式，即实现了聚类功能。S0M神经网络的详细内容见文献[10_l1】。下面给出这种模型的通用算法：
(1)初始化：将权值向量w周小的随机值进行初始化。设置初始
表 14种工艺方案和理想方案及淘汰方案的评价指标方案
方案 工艺技术成熟度(％) 贯用现值 兀) 占地面积(hI12) 操作管理(％) 出水稳定性(％) 除磷脱氮效果(％)
三沟式氧化沟 90 6505．1 1．48 85 80 75
SBR法 80 3938．4 0．55 80 85 80
A ／O法 80 5892．7 O．92 65 75 90
AB法 85 4762．1 0．78 65 80 65
理想方案 l0O 3600．0 O．53 100 100 100
淘汰方案 70 750o．0 2．o0 50 65 50
作者简介：曹荣(1982-)，男，硕士，毕业于浙江工业大学，主要从事电力化学及环保技术研究工作；王仁雷(198O一)，男，硕士，毕业于重庆大学主要从事电力化学及环保技术研究工作。
2015#-12~下第24期总