【摘要】本论文对长春市三大行政区域工业企业废水排放的重金属进行取样，利用ANN方法分析重含量的聚集类型，总结区域重金属污染区域有相关联系。
　　【关键词】重金属污染；工业废水；人工神经网络
　　
　　1、方法与应用：
　　传统的机械工业废水中重金属的污染评价与研究都是基于统计方法进行的，当需要评价的重金属项目多、数据量大时，用统计方法只能分析出重金属含量的高低与污染状况，不能通过重金属含量找出地区间机械废水污染的相关关系。用神经网络方法进行各地区的重金属污染评价,仅需要将各地区不同年份的各重金属做为输入，构造好一个网络之后,只要经过适当的训练,待网络稳定后,即可对输入的样本进行识别和分类，在一定程度上实现地区间机械工业废水污染的相关关系的判定。
　　人工神经网络系统从20世纪40年代末诞生至今仅半个多世纪，能实现分类自动化和智能，使判读、识别过程更加精确、简练、省功、省时，省经费。神经网络中BP算法在训练时达到收敛的思想是：对于一个给定的BP神经网络，它突出一个误差函数，这个误差量函数沿减少的方向进行，一直达到一个极小值为止，并能证明误差函数在达到极小门限值时网络可到达稳定状态。在上述的解决交叉线识别问题的BP算法里，BP算法[5]的具体步骤如下：
　　用S型（Sigmoid）函数作为激发函数：
　　
　　此图显示了2000年到2005年长春市绿园朝阳南关各行政区域工业废水污染负荷之间的地区差异,在图中所占的比例也都有不同程度的下降, 图1将2000年朝阳区和经济开发区2000年的金属污染指标聚集在一起 ，说明两区域在2000的时候污染情况相同，在2000年里这两个区域内工厂分布基本均匀。在2004年到2008年之间经济开发区成为产业聚集的平台，此区域内大量建立工业企业。因此，需要加强对这些工业企业的环境管理。
　　3、结论：
　　基于ANN的地区间各年份的聚类算法可以获得较为理想的聚类边界。通过聚类结果，可以清楚分析出各地区间重金属污染的内在关系，其聚类结果是符合实际情况的，因此基于ANN算法的地区间重金属污染分析是可行和有效的。
　　
　　【参考文献】
　　［１］曹爱军等基于多层神经网络的交叉线自动识别 中国图像图形学报2000.5(2):149-152
　　［２］孙贞寿等Hopfield模型的交叉线识别算法中国图像图形学报 1998.3（8）：4－687
　　［３］李慧颖，等.东北三省工业废水污染物排放的时空变化规律研究.环境科学研究。2008。2（21）：168－174