Page 332 - 《环境工程技术学报》2023年第1期
P. 332

· 328 ·                                 环境工程技术学报                                         第 13 卷

            条件均参考了实际场地的先验信息,建立模型的过                             准确性。因此通过现场试验,确定了噪声值范围,然
            程如下:1)建立一个长方体用来模拟堆体;2)在模拟                          后在仿真数据中加入均值            为  0,方差  为  0.0 的高斯
                                                                                                     5
            堆体底部放      置  1  个与堆体底面积相同的长方体来模                   噪声,使得仿真数据更加贴近真实值。
            拟渗滤液,渗滤液和堆体存在电阻率差异,并设定堆                             1.4 电阻率非线性反演模型
            体的下表面      为  HDP 膜,将其电阻率值设定            为  1 个      1.4.1 B 神经网络
                                                                      P
                              E
            高阻值;3)在堆体上表面铺           设  3  条测线,模拟川形装                B 神经网络是一种根据误差反向传播算法进
                                                                    P
            置进行电势数据采集,另外将川形装置的测                     线  2 再     行训练的多层前馈神经网络,由输入层、隐藏层和输
            使用温纳方式进行采集,用于作为               与  L 法结果的对           出 层  3  部分组成,   以  3  层  B 神经网络为例,网络结
                                              S
                                                                                       P
            比分析。渗滤液模型如           图  4 所示。                      构如  图  5  所示。相邻的各层神经元之间由权重系数

                                                               连接,信号从输入层输入,经过激活函数的作用后将
                                                               信号向下层传递,最后由输出层输出结果                  [21-22] 。







                      图 4    填埋场渗滤液仿真模型示意
             Fig.4    Schematic diagram of landfill leachate simulation model

             1.3.2 电场控制方程
                上述填埋场渗滤液仿真模型在进行探测时的电                                       图 5    B 神经网络结构示意
                                                                                 P
                                       [20]
            场分布需要服从以下控制方程 :                                      Fig.5    Schematic diagram of BP neural network structure

                                                     (1)
                               ∇· J = Q j,v                        B 神经网络的基本思想采用梯度下降法,使得
                                                     (2)            P
                               J = σE + J e
                                E = −∇v              (3)       网络的实际输出值和目标值的误差均方差(                   E k )达到
            式中:   J为电流密度,      A/m Q为电场中电荷总量,           C;     最小,公式为:
                                   ;
                                   2
                             ;
                                                    ;
                                                                                     n
            E为电场强度,      V/m J e 为位移电流密度,      A/m σ为电                            1  ∑  (   ) 2
                                                   2
                                                                              E k =    t j −y j         (4)
            导率,  S/m v ; 为电势, V。                                                  2
                                                                                    j=1
             1.3.3 边界和场源设定                                     式中:  t j 为第  j个神经元的期望输出; 为第          j个神经元
                                                                                              y j
                由于填埋场四周与底部铺             有  HDP 膜,因此将           的实际输出;     n为输出层神经元个数。
                                               E
            仿真模型的所有外边           界  (除上表面 均设置为绝缘                 1.4.2 训练样本与测试样本
                                            )
            体,使电流无法流        出  HDP 膜,以模拟边界效应带来                     根 据 上 述 仿 真 模 型 , 将 川 形 装 置 获 取 到的
                                   E
            的影响。一般高密度电法在探测时需要足够的电流                             18 组数据表示为       D = {(x i ,y i )} ,其中 N为样本总数,
                                                                                         N
                                                                 0
                                                                                         i=1
            强度,才能使采集的数据经过反演后较准确地反映                             x i = {[x a ]|a = 1,2,··· ,m} ∈ R为输入样本,即采集的电
            出地下情况,故将电流源强度设               为  1 A,又因模型模          势数据,    m为  2 048; y i = y b |b = 1,2,··· ,n ∈ R为标
                                                                                     {[ ]
                                                                                                    }
            拟的是直流电法的勘探过程,所以将模型的相对介                             签 , 即 真 实 的 电 阻 率 数 据 ,   n为  3  200。 将 D按照
            电常数设置      为  1。按照上述条件设置模型参数,模拟                    8∶ 的比例划分训练集和测试集,分别用                     D train 和
                                                                 2
            川形装置采集测线上的电势数据 。                                   D test 表示,所含样本数为     14 和   36。B 网络的参数
                                         [16]
                                                                                                P
                                                                                      4
             1.3.4 训练数据获取                                      设置:输入节点数        为  2 048,输出节点数     为  3 200,设
                渗滤液模型中堆体高度分别              为  6、 和   8 m,渗      置  2  层隐藏层,节点数分别       为  2 40 和  2 800,激活函
                                                                                             0
                                                7
            滤液高度     为  0.1~3 m,每次增    加  0.1 m。其中堆体电          数 为  ReLu;学习率为     10 ;训练轮数为       120;动量等
                                                                                    −4
            阻率设为      20~50 Ω·m,渗滤液电阻率设为             2~10      于  0.99。
            Ω·m。使用川形装置采集电势数据,通过改变模型中                            1.5 方法验证
            堆体和渗滤液的高度与电阻率,获                 得  18 组电势数             采用以   下  2  种方式进行网络模型验证:          用  1. 节
                                                0
                                                                                                         4
            据作  为  B 神经网络的数据集。                                 中仿真模型获取的测试数据集              D test 和现场实测数据
                    P
                渗滤液仿真模型是在理想的条件下获得数据,                           分别进行模型验证。
            而在现场采集数据时,由于现场环境、人为操作等因                                实测数据来源于江西          的  2  座生活垃圾填埋场的
            素,采集的数据中经常会存在噪声干扰,影响数据的                            川形装置探测数据。填埋             场  1  的底面积   为  450 m×
   327   328   329   330   331   332   333   334   335   336   337