基于IGA-BP网络的水质预测方法

针对水质预测中传统BP神经网络模型收敛速度慢,对隐层结点选取缺乏有效的手段等问题,引入了遗传算法优化BP网络的结构和隐层神经元阈值和连接权值,通过设计灵活的实数编码方案和新型交叉算子等,对实数编码遗传算法进行改进,在此基础上,提出了一种基于改进的实数编码遗传算法优化BP神经网络(IGA-BP)的水质预测新模型,并以安徽蚌埠蚌埠闸逐周水质监测的PH值数据为例,进行水质预测,通过与传统的GA-BP神经网络以及BP神经网络的水质预测模型对比,结果表明,这种预测方法训练的BP神经网络收敛速度快,样本逼近精度高且泛化能力强。     

基于智能优化算法的河流水质模型参数的优化

为探索河流水质模型参数新的求解方法，根据有限的实测数据，分别应用免疫进化优化算法和免疫进化优选的捕食搜索算法，对河流水质模型计算公式中的多参数进行优化。将优化得到的计算公式用于国内外若干河流的河段中DO浓度值的拟合，并与实测结果进行了比较。结果表明，将免疫进化优化算法或免疫进化优选的捕食搜索算法优化得到的水质模型参数精度不仅较高，而且相对稳定，从而为河流水质模型参数的优化提供了一种新方法。     

基于智能优化算法的河流水质模型参数的优化简

为探索河流水质模型参数新的求解方法，根据有限的实测数据，分别应用免疫进化优化算法和免疫进化优选的捕食搜索算法，对河流水质模型计算公式中的多参数进行优化。将优化得到的计算公式用于国内外若干河流的河段中DO浓度值的拟合，并与实测结果进行了比较。结果表明，将免疫进化优化算法或免疫进化优选的捕食搜索算法优化得到的水质模型参数精度不仅较高，而且相对稳定，从而为河流水质模型参数的优化提供了一种新方法。     

基于灰色模型和模糊神经网络的综合水质预测模型研究

水质状态变化趋势预测研究对水资源管理和维护具有重要的现实意义。提出了一种将灰色模型和模糊神经网络相结合的水质预测模型。首先基于改进的灰色模型预测出水体中各理化因子在未来一段时间内的指标变化,然后采用T-S模糊神经网络对各单因子的预测值进行数据融合,构建水质变化综合趋势预测模型,预测出下一时间段的水质整体状态指标。实验表明,这种方式用来预测湖泊水质变化趋势具有可行性;与BP网络模型相比,基于T-S模糊神经网络系统的模型具有预测精度高、模型系统稳定等优越性。     

基于改进支持向量回归机的污水处理厂出水总氮预测模型

在小样本数据的情况下,采用粒子群优化算法(PSO)对传统支持向量回归机(SVR)进行改进,将其应用于北京某大型污水处理厂出水总氮浓度预测上。预测结果精度对比分析表明,PSO-SVR模型预测结果平均相对误差为1.836%,决定系数为67.76%,均方根误差为0.693 9,各评价指标均优于多元线性回归模型、BP神经网络模型。因此在小样本情况下,利用PSO-SVR模型对污水处理厂出水总氮浓度进行预测是可行有效的,为应用数据驱动模型对污水处理过程进行建模模拟提供了一种新方法尝试。     

制药废水UASB-HAR-ICEAS组合处理系统效能建模及优化研究

以某制药废水的升流式厌氧污泥床(UASB)-水解酸化池(HAR)-间歇式循环延时曝气活性污泥法(ICEAS)新型组合处理系统为背景,分析该系统效能,并建立遗传算法优化神经网络(GA-BPNN)模型对系统出水水质进行仿真预测,并利用建立的GA-BPNN模型对系统的运行条件进行优化研究。研究表明,在稳态运行的120 d,系统对废水COD和NH3-N去除率分别为98.6%和86.6%;GA-BPNN模型对出水COD和NH3-N的预测结果和实际监测值之间的平均绝对百分误差为5.55%和6.99%,能很好地应用于组合系统的出水水质预测管理中;GA-BPNN模型还可求解出系统的最优化运行条件,为工程实际操作提供了坚实的理论基础。     

基于奇异谱分析—遗传算法反向传播神经网络模型的湘江新港断面水质预测

运用奇异谱分析(SSA)对湘江新港断面557周的pH、DO、高锰酸盐指数和氨氮数据进行了预处理,再运用遗传算法优化反向传播神经网络模型进行拟合与预测。结果表明:SSA有较好的降噪能力,遗传算法反向传播(GABP)神经网络模型相比BP神经网络模型均方根误差(RMSE)平均缩小了6.96%,具有良好的预测精度;预测期内新港断面的pH、DO、高锰酸盐指数、氨氮均能满足《地表水环境质量标准》(GB 3838—2002)Ⅲ类标准,但氨氮在预测期内呈上升趋势,需警惕氨氮浓度过高引发的水污染问题。     

遗传神经网络对肼类化合物的定量构效研究

应用遗传算法和反向传播（BP）神经网络相结合的方法，研究了胼类化合物的定量构效（QSAR）关系，构建了遗传神经网络QSAR模型。对30种肼类化合物的6个量子化学参数进行相关性和主成分分析，利用遗传神经网络QSAR模型对肼类化合物的毒性参数进行预测。结果表明，与常规BP神经网络建立的模型相比较，遗传神经网络QSAR模型有效解决了常规BP神经网络模型存在的过训练和过拟合问题，并且具有很好的预测效果。     

基于BP和RBF神经网络的外加碳源量模型研究

碳源作为反硝化过程的电子供体,是影响生物脱氮过程的重要因素,低碳氮比污水需外加碳源以保证反硝化反应的顺利进行。为了优化控制碳源投加量,对实验室搭建的CAST工艺污水处理装置的进水条件和外加碳源量的非线性关系分别进行了基于BP和RBF神经网络的模型研究,并对外加碳源量进行了预测。结果表明,两种网络模型均能有效预测外加碳源量,RBF神经网络模型在训练速度和逼近能力方面优于BP神经网络模型,但在预测性能方面BP神经网络模型则有更高的预测精度。     

调峰燃煤机组选择性催化还原烟气脱硝的建模预测优化

调峰燃煤机组的运行对选择性催化还原烟气脱硝(SCR-DeNO_x)系统的性能提出了新的挑战。通过比较BP神经网络(BP)算法和遗传算法优化BP(GABP)算法的直接模型和间接模型,得到出口NO_x浓度和氨逃逸浓度预测的最佳模型。结果表明,对出口NO_x浓度和氨逃逸浓度预测的最佳模型均为GABP算法的间接模型。该模型不仅精度高,可以适应不同的负荷,而且可以同时预测出口NO_x浓度和氨逃逸浓度。对出口NO_x浓度预测的相对误差均在±10%以内,均方根误差和平均绝对百分比误差分别仅为2.76mg/m3和4.49%;对氨逃逸浓度预测的相对误差基本都在±50%以内,均方根误差和平均绝对百分比误差分别为0.13mg/m3和24.29%。     

变权组合模型在景观水体水质模拟中的应用

针对景观水体的水质模拟与预测问题,在BP神经网络和支持向量机模型的基础上,建立了权重随输入量变化的变权组合模型。该模型既能充分利用各个单一模型的优点,又能避免固定权重分配的弊端。经实例验证,与单一的BP神经网络和支持向量机模型相比,变权组合模型拟合精度更高,预测结果更为准确。     

基于限制纳污红线的排污权交易模型

在分析水功能区限制纳污红线和排污权交易内在联系的基础上,将水功能区限制纳污红线引入到排污权交易模型的构建中,用以约束和规范排污权交易。以水功能区为单元,在兼顾经济效益和管理绩效的基础上,以经济效益最优和水质最优为目标函数,以污染物入河总量控制、水功能区达标率、排污者生产连续性等作为约束条件,构建了排污权交易模型,并采用带精英策略的非支配排序遗传算法(NSGA-Ⅱ)进行求解。将此模型应用于沙颍河干流周口闸—颍上闸河段,并与单一目标函数得到的结果进行对比分析,证明该模型是合理的,能协调社会经济和水环境的可持续发展。     

拟建窑河洼电厂灰场对地下水环境的影响评价

在对淮南市窑河洼区环境水文地质调研基础上,对拟建窑河洼电厂灰场及邻区的浅层地下水环境质量现状进行了模糊数学评价。基于地下水水质模型,以F^-作为模拟因子,对地下水F^-浓度变化进行了数值模拟,对其5a后的污染范围和程度进行了预测评价。结果表明,模型较为可靠、合理,灰场建成后对场区及邻区地下水环境质量的短期影响不大,这为电厂灰场选址决策及电厂灰场建设后,可能引起地下水污染的范围和程度预测提供了科学依据。     

基于改进BP神经网络的厌氧发酵产气量预测模型

为准确预测大中型沼气工程日产气量,采用改进BP神经网络算法,引入动量和自适应调节学习率,根据厌氧发酵机理以及实际工程运行状况,建立以温度、TS浓度以及pH值作为输入层节点,沼气日产气量为输出层节点的预测模型。利用实验获取的150组数据作为模型的训练样本和测试样本,通过Matlab软件进行仿真,结果表明,改进的BP神经网络对沼气的日产气量具有良好的预测能力,建立的沼气日产气量预测模型不仅收敛速度快而且精度高,150组数据的平均预测准确率为84.02%。     

基于人工蜂群算法与BP神经网络的水质评价模型

针对BP网络水质评价模型的不足,引入人工蜂群(ABC)算法,将求解BP神经网络各层权值、阀值的过程转化为蜜蜂寻找最佳蜜源的过程,提出了一种新的结合人工蜂群算法的BP网络水质评价方法(ABC-BP)。并以2000—2006年渭河监测断面的10组实测数据作为测试样本对其水质进行了评价,实验结果表明该方法得到的水质评价结果准确,并具有很强的稳定性和鲁棒性。     

基于主成分和粒子群优化支持向量机的水质评价模型

水质的评价是治理水污染必不可少的工作。为了准确、快速地对水质进行评价,利用主成分分析法从水质监测常见的多个物化指标提取出主成分,然后将主成分作为支持向量分类机的输入,利用历史数据进行水质评价训练并用粒子群算法优化参数,构造出水质评价模型,将从物化指标中得出的主成分代入此模型即可得到水质类别。最后,选取水质监测点实测数据进行试验,结果表明,模型的水质评价结果准确且稳定。     

人工神经网络在强化一级处理系统过程模拟与优化中的应用

针对化学强化一级处理系统(CEPT)处理废水时影响因素多,难以进行适当的控制和处理效果的预测等问题,建立起基于BP人工神经网络的CEPT法处理猪场稳定塘废水预测模型,并应用该模型对烧杯试验进行了模拟.结果表明,预测值和实测值吻合较好,模型对COD、总磷、浊度去除率预测的平均相对误差分别为7.5%、4.8%和4.9%.通过对pH值和絮凝剂投药量等可控参数进行优化计算,得到CEPT系统的最佳操作条件和最合理操作条件.该模型的建立为CEPT法处理废水工艺系统实现自动化控制提供了一条简便实用的途径.     

人工神经网络在强化一级处理系统过程模拟与优化中的应用

针对化学强化一级处理系统（CEPT）处理废水时影响因素多，难以进行适当的控制和处理效果的预测等问题，建立起基于BP人工神经网络的CEPT法处理猪场稳定塘废水预测模型，并应用该模型对烧杯试验进行了模拟。结果表明，预测值和实测值吻合较好，模型对COD、总磷、浊度去除率预测的平均相对误差分别为7．5％、4．8％和4．9％。通过对pH值和絮凝剂投药量等可控参数进行优化计算，得到CEPT系统的最佳操作条件和最合理操作条件。该模型的建立为CEPT法处理废水工艺系统实现自动化控制提供了一条简便实用的途径。     

QUAL2K模型在西苕溪干流梅溪段水质模拟中的应用

QUAL2K是一维稳态水质模型,由美国环保局开发并在QUAL2E模型的基础上发展起来的.采用QUAL2K模型对西苕溪干流梅溪段的水质进行了模拟和预测.针对西苕溪的具体情况,选用COD、氨氮和总磷作为模拟预测指标,用模型率定法并参考相关文献确定了COD降解系数Kc、氨氮降解系数Kn和总磷平衡系数Kp等水质参数,并对模拟结果进行了验证,结果表明预测值和实测值的相关性较好.     

概论

自 Streeter-Phelps 水质模型建立以来,水质数学模型在环境问题研究中的应用越来越广泛。水质模型作为水质规划和环境质量管理的有效工具有了较大的发展,特别是近几十年,在环境污染控制和水质规划研究中,水质模型显得尤为重要。利用水质模型进行河流、湖泊、水库及河口等的水质规划已取得了成功。一些在五、六十年代曾经严重污染的河流,如芝加哥河、泰晤士河以及特拉华河口等利用所建立的水质模型进行