论文部分内容阅读
随着城市化的发展和城市人口密度的增加，人类活动向城市土壤输入大量的重金属，造成城市土壤重金属污染越来越严重。城市土壤重金属通过地面扬尘、地表径流、食物链传递等途径严重地破坏城市生态环境，危害人类健康。因此，快速准确地掌握土壤重金属的空间演变趋势尤为重要，这就需要借助于适当的方法。空间插值法是研究土壤重金属空间变异的基本手段。
由于地球的起源、演化和发展过程的不可重复性和人类科学技术发展的历史原因，地学数据具有多尺度、多时段、多精度、多比例尺和多解性等特点，这就造成了观测数据与研究对象的本质之间的对应关系具有非线性特征，因此，地学数据和信息的处理需要近年来发展起来的非线性方法。在目前地学信息处理常用的非线性方法中，本文选择了人工神经网络中的BP模型来进行地学信息的非线性处理研究。
本论文在分析土壤重金属污染现状、特点、危害以及国内外研究现状的基础上，以中山市某镇的表层土壤为研究对象，采集样本50个。首先运用多元统计的方法对As、Hg、Zn等八种重金属含量进行了分析。接着，论述了人工神经网络的特点及其基础理论，重点论述了BP网络研究需要的基础理论。然后，利用采样点的实测数据，运用BP神经网络模型并结合GS+技术进行插值预测，以广泛应用的克里格法作对照，研究BP神经网络的空间插值能力。
BP神经网络具有很强的非线性计算能力，是解决非线性系统预测问题的行之有效的研究工具。本研究以各采样点的相对坐标作为网络输入，以各种重金属的含量作为网络输出，即网络的输入层节点数为2，输出层节点数为1。
通过平均绝对偏差和误差均方根检验表明，在本文大尺度随机采样研究中，利用BP神经网络模型进行插值预测的精度要高于克里格插值预测法。最后，采用单项污染指数法和内梅罗综合污染指数法评价该镇的土壤重金属污染程度，利用MANLAB绘制预警图。