BP神经网络在北京市API预报中的应用

对大气污染进行预测具有十分重要的意义。以北京市为例,综合考虑BP网络的逼近能力和泛化能力,将时间序列作为BP神经网络的输入,对空气污染指数的预测做了建模研究。实验结果表明:BP神经网络的输出值与实际值之间的误差在可以接受的范围,特别是对骤升骤降趋势也能得到准确度较高的预报结果。因此在实际应用中,可以将BP网络方法作为一种考虑采用的方法。     

基于经济统计数据的生活垃圾热值计算模型

用神经网络法预测垃圾热值是利用当地经济和自然环境统计数据进行热值估算的方法。灰色关联度分析得出燃气普及率、年降雨量、城镇居民人均可支配收入、地区生产总值等是影响城市生活垃圾热值的主要因素,将这些影响因素作为神经网络的输入参数,结合对成都市垃圾热值的多年跟踪检测结果,利用MATLAB工具箱建立了基于社会经济统计数据的城市生活垃圾热值BP神经网络估算模型。开集和闭集测试结果表明,该模型仿真效果好,计算准确度高,仿真结果误差小,网络稳定性好,训练速度快,能够有效进行仿真计算。     

城市空气质量的BP和RBF人工神经网络建模及分类评价

根据MATLAB提供的人工神经网络模型,将其应用到城市空气质量评价,研究并对比分析BP和RBF两种人工神经网络的建模方法及评价结果。首先构建BP神经网络模型,确定输入层、隐含层和输出层的神经元数,选择Sigmoid型函数作为激励函数,应用内插扩展出的训练样本对BP网络进行学习,再用训练成熟的BP网络对待评价样本进行仿真;其次构建RBF神经网络模型,确定其输入层和输出层的神经元数,选择Gauss函数作为隐含层激励函数,再用同样的训练样本进行学习和仿真;最终进行归一化论证,验证归一化预处理在空气质量评价中的必要性。结果表明:应用BP和RBF人工神经网络可以得出较好的城市空气质量分类评价结果,其中RBF神经网络模型与改进的灰色聚类法评价结果一致,具有较高的准确率,是一种快捷、有效的综合评价方法。     

基于PCA和BP神经网络的中南公路岩质边坡稳定性预测

综合利用主成分分析法(Principle Component Analysis,PCA)对影响公路岩质边坡稳定性的6个因素进行主成分提取,提取的4个主成分作为BP神经网络的输入变量,边坡状态作为输出变量,并采用Levenberg-Marquardt(LM)算法优化BP神经网络,建立了基于PCA-LM-BP神经网络的公路边坡稳定预测模型。结合中南公路岩质边坡工程实例,将PCA-LM-BP神经网络模型的预测结果与LM-BP神经网络模型、BP神经网络模型预测结果进行对比。结果表明:基于PCA-LM-BP神经网络的预测模型精度较高,可为预测中南公路边坡稳定性提供一定的依据。     

SVR与BP神经网络对小流域次降雨侵蚀产沙预测结果的比较

运用支持向量回归机(Support Vector Regression Machine)与BP神经网络对小流域次降雨侵蚀产沙进行预测.侵蚀产沙输入变量选取降雨量、降雨强度、径流深和洪峰流量模数,流域次降雨侵蚀输沙量为输出变量.以SVR、BP神经网络的预测值与实际值的绝对误差和相对误差作为评价指标.实验表明,SVR的预测精度和稳定性优于BP神经网络.     

基于信息融合技术的矿山环境综合评估方法

研究矿山环境因素对人心理、生理和行为的影响效应,提出一种基于信息融合技术的矿山环境综合评估方法。该方法主要通过实践调查,分别从亮度、温度、声音三个方面分析了矿山环境对人的心理、生理和行为产生的影响,并结合矿业生产的实际情况,采用信息融合技术,将传感器测得的环境数据经过特征值提取后,作为BP(Back Propagation)神经网络的输入,对数据进行训练,利用BP网络强大的非线性映射能力,对矿山环境做出综合评估。最后,通过仿真试验显示所得结果与现场实际情况基本吻合,从而验证了该方法的有效性,为矿山环境评价提供了有效的综合评估方法。     

基于BP神经网络与马尔可夫链的污水处理厂脱氮效果模拟预测

在实际污水处理厂运行过程中,其最终出水水质会受多种因素影响制约,而基于生物反应机理的活性污泥数学模型(ASM)并未将这些生物反应以外的因素考虑在内,由此带来一些不足.对此,本文提出可通过基于数据挖掘技术的黑箱模型对污水厂处理效果进行模拟预测.结合具体实际分析,提出可将BP神经网络与马尔可夫链组合应用于污水处理脱氮效果预测中.首先,通过BP神经网络模型对北京某大型污水处理厂实际进出水数据和工艺参数进行粗略拟合;其次,利用马尔可夫链对拟合结果及误差进行状态划分以进一步提高预测精确度;最后,运用基于BP神经网络与马尔可夫链的组合模型预测分析了该厂的实际出水水质.试验结果表明,BP神经网络适用于污水处理脱氮过程的拟合计算,而通过与马尔可夫链组合,可以提高模拟预测的精度和可靠性.     

基于BP神经网络的城市总生态足迹预测研究——以武汉市为例

鉴于BP网络在处理非线性复杂系统的优势,以武汉市为研究对象,构建一个10-4-1结构的BP神经网络预测模型,将1978-2002年和2003年的相关数据作为模型的训练和测试样本,以2004年的社会、经济、环境数据作为网络的预测输入,对该年的总生态足迹进行预测。结果表明,BP神经网络预测结果与实际足迹值的相对误差为0.69%,预测精度优于传统的多元回归统计模型。     

BP 神经网络模型在环境气象灾害预测中的应用研究--以湖南省为例

依据环境气象数据与自然灾害统计数据,建立BP神经网络模型,对湖南主要气象灾害（洪灾、旱灾、冰冻灾）及受灾经济损失进行实例预测,将在MATLAB7软件中的仿真结果与传统的多元线性回归模型分析结果进行比较和误差分析。结果表明,BP神经网络模型在洪灾、旱灾受灾率方面的预测效果和精度优于多元回归模型,而由于冰灾训练样本不足及经济损失与输入因子的线性相关程度高,在冰灾与受灾经济损失率方面稍逊于多元回归模型。     

基于神经网络的教室室内PM2.5浓度预测研究

为建立适用于教室PM_2.5的室内预测模型，该文依据长期监测的教室内环境数据，建立了涵盖室内外环境参数、人员活动因素和季节性因素在内的PM_2.5预测模型。研究使用多元线性回归模型和人工神经网络模型，采用主成分分析法和和熵值法分析了影响室内PM_2.5浓度的总方差的影响因素权重及对BP神经网络输入因子进行降维。结果表明：(1)在采集的13个因素中，对室内PM_2.5的总方差解释大小排名前5的影响因素依次是室内相对湿度、室内通风量、室内二氧化碳浓度、室外相对湿度、门开启时间占比。(2)采用BP神经网络的预测效果优于传统的多元线性回归，拟合优度R2从0.412上升到0.547。(3)针对BP神经网络，采用交叉验证法验证了各个季节的预测效果，结果表明春季的预测效果最好，冬季次之，秋季最差。(4)采用主成分对数据进行降维和调整BP神经网络的隐藏层数能够优化BP神经网络，可将R2提升至0.710和0.805。研究结果可为机械通风下的教室室内PM_2.5预测模型建立提供依据和数据支撑。     

神经网络在海水腐蚀预测中的应用

根据我国材料自然环境腐蚀网站长期以来积累的海水腐蚀数据,采用BP人工神经网络算法,建立了碳钢及低合金钢的海水腐蚀预测模型.该模型以合金成分、环境因素为输入参数,以平均腐蚀速率为输出参数.以碳钢、低合金钢的17种钢种在青岛、厦门、榆林海水腐蚀试验站16年腐蚀数据建模.选定A3钢与10CrCuSiV在以上三地16年的腐蚀数据为验证样本.结果表明该网络具有良好的预测精度,能够正确反映海水环境腐蚀性因素及金属材料腐蚀暴露时间与其腐蚀速率的关系,用于碳钢及低合金钢在海洋全浸环境中的腐蚀预测.     

阳宗海湖滨湿地环境因素对沉积物砷赋存形态的影响及浓度水平预测

湖滨湿地独特的水文条件区别于其他生态系统,环境因素变化频繁,对沉积物中污染物形态影响显著.以阳宗海南岸湖滨湿地表层沉积物为研究对象,探究不同季节的S-TAs（沉积物中总砷）、不同形态砷质量分数及环境因素时空分布特征,以及环境因素与不同形态砷分布的关系,同时基于逐步回归和BP神经网络模型对沉积物中4种不同形态砷（弱酸提取态砷、可还原态砷、可氧化态砷、残渣态砷）质量分数进行预测和比较.结果表明:①夏季ρ（W-TAs）（W-TAs为水体总砷）、w（S-TAs）（S-TAs为沉积物总砷）略高,且ρ（W-TAs）处于GB 3838-2002《地表水环境质量标准》Ⅲ级限值（0.05 mg/L）和Ⅴ类限值（0.1 mg/L）之间,冬季物理指标pH、ρ（DO）、E_h（氧化还原电位）、电导率（TDS）、w（OM）均较高,沉积物pH（记为S-pH）、ρ（DO）与E_h存在明显的季节性差异（P < 0.05）.②湖滨湿地沉积物中活性砷（弱酸提取态砷、可还原态砷、可氧化态砷）质量分数之和所占比例为17.70%~62.59%,80%采样点的活性砷的质量分数较低,对生态风险影响较小,S-pH、ρ（DO）、E_h对不同形态砷的质量分数影响显著（P < 0.05）,同时,不同季节湖滨湿地对砷均有明显的拦截作用.③与逐步回归模型相比,BP神经网络预测模型是通过输入层到输出层的计算完成,增强了非线性、自适应性处理能力,不同砷形态质量分数的实测值与预测值的拟合度高达0.999 5,而逐步回归仅为0.374 9,神经网络更准确地预测了不同形态砷的质量分数及时空变化规律.研究显示,湖滨湿地环境因素的变化对沉积物砷赋存形态具有显著影响,因BP神经网络比数理统计线性回归模型更能准确地反映沉积物不同形态砷与环境因子间复杂的非线性关系,预测效果更精确.      

基于BP神经网络算法的混凝土单层框架损伤识别

基于BP神经网络算法,采用框架结构损伤前后固有频率的变化率作为网络的输入参数,分别对框架梁的单处损伤、框架柱的多处损伤进行损伤位置的识别.数值仿真结果表明,BP神经网络算法对混凝土框架结构损伤位置的识别效果很好.     

Application of Bayesian regularized BP neural network model for analysis of aquatic ecological data-A case study of chlorophyll-a prediction in Nanzui water area of Dongting Lake

Bayesian regularized BP neural network（BRBPNN） technique was applied in the chlorophyll-α prediction of Nanzui water area in Dongting Lake. Through BP network interpolation method, the input and output samples of the network were obtained. After the selection of input variables using stepwise/multiple linear regression method in SPSS i1.0 software, the BRBPNN model was established between chlorophyll-α and environmental parameters, biological parameters. The achieved optimal network structure was 3-11-1 with the correlation coefficients and the mean square errors for the training set and the test set as 0.999 and 0.000？8426, 0.981 and 0.0216 respectively. The sum of square weights between each input neuron and the hidden layer of optimal BRBPNN models of different structures indicated that the effect of individual input parameter on chlorophyll- α declined in the order of alga amount 〉 secchi disc depth（SD） 〉 electrical conductivity （EC）. Additionally, it also demonstrated that the contributions of these three factors were the maximal for the change of chlorophyll-α concentration, total phosphorus（TP） and total nitrogen（TN） were the minimal. All the results showed that BRBPNN model was capable of automated regularization parameter selection and thus it may ensure the excellent generation ability and robustness. Thus, this study laid the foundation for the application of BRBPNN model in the analysis of aquatic ecological data（chlorophyll-α prediction） and the explanation about the effective eutrophication treatment measures for Nanzui water area in Dongting Lake.     

基于BP模型的大气污染预报方法的研究

BP模型是目前最为广泛应用的神经网络模型之一,它是一种简单而又非常有效的算法.笔者将BP网络模型引入到大气污染预报领域,并根据大气污染物含量与气象要素的关系建立了大气污染物含量的神经网络预报模型.计算结果表明,BP模型应用于大气污染预报具有较高的预测精度和良好的泛化能力,它为信息社会的城市空气污染预报工作提供了一种全新的思路和方法.      

基于灰色理论与BP神经网络预测成都市生活垃圾产生量

根据成都市中心城区垃圾产生量的历年数据,先用以时间为单变量的灰色GM(1,1)预测模型得到历年数据的拟合值,再分析垃圾产生量与其影响因素之间的灰色关联度,选出关联度最大的4个因素建立多变量的灰色GM(1,5)预测模型与BP神经网络模型,并对垃圾产生量的预测精确度进行了对比,用预测精度最高的BP神经网络模型对未来年份的垃圾产生量进行了预测,为成都市垃圾处理处置规划提供了理论依据。     

徐州市生活垃圾处理现状及资源化研究

介绍了徐州市生活垃圾的处理现状;对生活垃圾中常见成分比例和垃圾热值进行了测定.应用MATLAB7.0软件,以影响城市生活垃圾产生量的主要因素(人口数量、人均可支配收入、燃气化率、源头减量及资源化利用率)作为输入,来建立预测城市垃圾产量的BP神经网络模型,发现当隐含层的节点数为8时,网络收敛速度较快,预测偏差最小,于是确定预测模型的结构为4-8-1,应用该模型对徐州市生活垃圾产量进行了预测.最后,以所得数据为基础,并结合当地实际情况,提出了徐州市垃圾综合处置和资源化的若干措施.     

HCl emission characteristics and BP neural networks prediction in MSW/coal co-fired fluidized beds

IntroductionWiththedepletionofspaceforlandfillingofmunicipalsolidwasteandtherisingpricesforrawmaterials ,moreandmorefluidizedbedincineratorshavebeenusedtotreatMSWduetotheprimaryadvantagesofhygieniccontrol,volumereductionandenergyrecovery .BecausetheMSWhas…     

基于BP神经网络的吡虫啉农药废水纳滤分离模型

为了有效控制农药废水纳滤分离工艺运行,基于DK膜预处理吡虫啉废水的试验数据,采用神经网络算法仿真模拟了纳滤系统去除污染物的过程,建立了纳滤分离动态模型,预测了多影响因素作用下的吡虫啉农药废水中污染物去除规律和实时性动态变化,不仅完善了纳滤分离理论系统,而且模型精度满足应用要求,计算的COD、盐分去除率与实测值的相关系数大于0.99,误差在±4%范围内,为农药废水的有效治理提供了必要的技术支持。