【文章内容简介】：
针对地下水水质的多参数评价问题，提出了一种基于改进极限学习机（ELM）的地下水水质评价模型，用于解决水质评价中的模糊性和指标的不相容问题。该模型根据地下水质量分级标准随机生成训练样本集和测试样本集，引入乌鸦搜索算法（CSA）优化极限学习机的输入权值和隐层神经元阈值，在此基础上建立了基于乌鸦搜索算法优化极限学习机的地下水水质评价模型（CSA-ELM）。选取pH、CODMn、NH3-N、NO3--N、Cl-、F-、SO42-、Fe、Mn共9个水质指标，依据训练样本集和测试样本集对所建模型进行检验。结果表明所构建的CSA-ELM模型评价精度和泛化性能都达到较高水平，可以用于地下水水质综合评价。以中国黑龙江省农垦建三江管理局为例，采用所建立的CSA-ELM模型对该地区15个农场地下水水质进行了评价，并利用GIS软件绘制地下水水质等级空间分布图。结果表明，该地区地下水水质总体较为乐观，水质等级分布呈现一定地域性分布规律，除毗邻乌苏里江的八五九农场外，水质等级为Ⅴ级的农场集中在中部偏西的位置；从南北方向看，南部和北部各农场水质较好，中部地区除竖向的两个农场外，其余农场水质较差。由单因子评价结果可以看出，本地区存在CODMn、NH3-N、NO3--N、Fe和Mn共5项超标指标。通过与内梅罗法(NIM)的评价结果相比较，证明了所建立的CSA-ELM地下水水质评价模型合理，可以用于地下水水质综合评价。运用序号总和理论与Spearman等级相关系数分析了NIM、ELM模型、BP网络模型和CSA-ELM模型评价结果的稳定性，结果表明，NIM在地下水水质评价中的稳定性较差，ELM模型、BP模型和CSA-ELM模型稳定性较好，稳定性由好到差排序为：CSA-ELM模型＞BP模型＞ELM模型＞NIM。运用区分度理论分析了NIM、ELM模型、BP网络模型和CSA-ELM模型评价结果的可靠性，结果表明，虽然NIM区分度较大，但其可靠性并不好，ELM模型、BP模型和CSA-ELM模型的区分度值接近，可靠性由好到差排序为：CSA-ELM模型＞BP模型＞ELM模型。所建CSA-ELM模型可为相关领域评价问题提供一种稳定、可靠的评价方法，具有重要的现实意义。
2017年6月，我院硕士研究生刘春雷的学术论文“ELM evaluation model of regional groundwater quality based on the crow search algorithm”发表在在环境科学与生态学领域国际知名SCI期刊《Ecological Indicators》（二区，IF=3.898）上。论文第一作者为刘东教授，通讯作者为付强教授。该项成果受到国家自然科学基金（No.51579044）的支持。
文章链接：https://www.sciencedirect.com/science/article/pii/S1470160X17303527
