复介电常数在水土污染监测中的应用研究

采用短路同轴线法测量了淀粉聚乙烯醇共混体样品,在含水率、离子浓度不同时的复介电常数,研究了频率、离子浓度、含水率与相对复介电常数的关系。结果表明,淀粉PVA复介电常数的实部对含水率很敏感,虚部在500~700MHz频段随含盐量升高呈对数增加,这为利用测量相对复介电常数进行水土系统离子污染监测,提供了可能和实验依据。     

BP人工神经网络在环境空气SO_2质量浓度预测中的应用

根据西安市雁塔区小寨环境空气监测点2011年7月31日起400 d的SO224小时平均浓度监测数据时间序列建立BP人工神经网络(ANN)预测模型,并用接下来100 d的数据对模型的仿真性能进行检验,从而验证了BP人工神经网络模型预测环境空气SO224小时平均浓度的可行性与准确度。经反复调试,最终选用2-3-1的网络结构并以trainbr作为训练算法,经34次迭代网络收敛,耗时7 s,预测结果相对于实际监测数据的平均绝对百分比误差为0.082,模型显示出良好的预测性能。预测结果表明,结构设定合理、训练算法选用适宜的BP人工神经网络模型能较好地反映SO2浓度的动态变化规律,具有可行性。     

载甲苯活性炭微波解吸过程人工神经网络模拟

采用人工神经网络对微波解吸过程进行了模拟研究.采用解吸温度、栽气线速、活性炭床层厚度、活性炭对甲苯的吸附量、解吸时间5个因子作为神经网络的输入变量,解吸浓度为输出变量.网络创建后采用已有的实验数据对网络进行训练,经124步收敛后网络达到指定精度.采用实测数据对网络的预测精度进行检验后表明:人工神经网络对载甲苯活性炭的解吸过程能够较精确的进行模拟,多数预测数据的误差范围在±5％之内.     

基于IPSO-ELM算法的空气质量预测

基于人工神经网络空气质量预测模型存在易陷入局部极值、参数选取困难等问题,文章提出利用极限学习机进行空气质量预测。针对传统极限学习机的隐含层节点数、及其阈值和权值随机生成造成网络学习能力下降的问题,提出利用改进粒子群算法并行优化极限学习机的隐含层节点数和隐含层的阈值、权值,并以均方根误差作为适应度函数。利用优化后的极限学习机预测空气质量(SO2、NO2、PM10、CO、O3、PM2.5浓度和AQI),并将预测结果与BP神经网络和ELM算法进行比较。结果表明,该文所提的空气质量预测方法比BP神经网络和ELM算法具有更高的预测精度和可靠性。     

人工神经网络光度法同时测定四组份染料混合物

介绍人工神经网络的原理,对典型神经网络系统做介绍,并对人工神经网络在光谱分析中的应用作解说.应用人工神经网络原理,以快速BP算法,对紫外可见吸收光谱严重重叠的四组分的染料溶液同时进行含量测定.在200～600 nm的范围内,以12个特征波长处的吸收值作为网络特征参数,通过网络训练,酸性橙Ⅱ、酸性红B、甲基紫、酸性嫩黄的相对标准偏差分别为0.95%～2.30%,4种成分的回收率在96.3%～104%之间.实验表明,该算法速度快,预测结果准确,可用于人工神经网络光度法定量测定光解废水中多组份混合染料.     

建立土壤硫释放过程的人工神经网络模型

以温度、土壤含水率、胱氨酸添加量和土壤pH值作为土壤释放挥发性含硫化合物的主要影响因素,采用正交实验方法分析这些因素与土壤硫释速率的关系,利用BP神经网络算法对实验结果建模,并用模型对不同影响因素下的土壤硫释放情况进行预测。结果表明,网络模型对学习过的样本有较高预测精度,预测结果相对误差在2％以下,对未学生过的样本,误差为10％左右,表明人工神经网络方法建立的模型适用于土壤硫释放预测。     

基于GA-BP神经网络的餐厨垃圾合成PHA工艺产量预测

为了预估混合底物碳源条件下活性污泥PHA合成产量预测的准确度,通过引入遗传算法对BP人工神经网络的权值和阈值进行优选,建立基于GA-BP神经网络的餐厨垃圾合成PHA工艺产量预测模型。以餐厨垃圾发酵液为底物碳源,利用活性污泥在ADD模式下进行PHA合成。以实验数据为基础训练神经网络模型,通过实测数据与模型预测数据之间的对比,验证了人工神经网络预测模型的精确度,并对长期PHA合成能力进行了预测。结论表明:基于遗传算法改进的GA-BP网络模型表现出比传统BP神经网络模型更佳的预测准确度,为评估混合菌群PHA最大合成产量的长期发展趋势,确定合理富集时长探索了可行方法。     

铬污染土壤的导电性、频谱激电性和介电特性的实验结果

研究了铬污染土壤的导电性、激电性和介电性,给出了在不同含水率、不同浓度铬盐污染物的情况下,铬污染土壤样品的电阻率、复电阻率和复介电常数与污染物浓度及含水率变化关系的一些实验观测结果.土样中的观测结果表明,所有污染样品的电阻率、复电阻率幅值均随污染浓度和含水率的增加而减小;但对反映土壤样品容性的复电阻率相位参数而言,则有...     

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。     

神经网络模型在环境现状评价中应用研究

人工神经网络技术具有很强的非线性映射能力和并行性、自适应、容错性及自学能力,已广泛应用于包括环境在内的多学科领域。文章将人工神经网络技术应用于环境影响评价中,通过案例研究用人工神经网络解决环境评价中的问题。以山西吕梁地区环境影响评价为案例,选择人工神经网络中的BP网络,径向基网络和自组织竞争网络等三种网络模型对其进行环境影响现状评价,并对评价结果作对比分析,通过网络设计、网络训练和模拟,结果说明BP神经网络模拟结果比其它两种方法更贴近环境质量现状。同时对不同参数选取得到的结果进行分析,并经过网络参数的不断调整提高评价结果的精度,总结出各种神经网络模型在环境评价应用过程中参数的选取方法。尝试用神经网络解决环境评价中的问题,使环境工作中的方法技术更科学。     

基于GF-1 WFV影像和BP神经网络的太湖叶绿素a反演

叶绿素a浓度是可直接遥感反演的重要水质参数之一,常用来评价湖泊水体的富营养化程度.太湖是典型的二类水体,光学性质复杂,应用一类水体线性反演模式拟合较为片面且难以找到最佳拟合模型.BP神经网络模型具有模拟复杂非线性问题的功能.为研究高分一号卫星16m多光谱相机WFV4结合BP神经网络进行太湖叶绿素a浓度监测的可行性,实验利用GF-1 WFV4影像和实时的地面采样数据,建立了BP神经网络模型,同时采用波段比值经验模型进行对比.经精度检验,BP神经网络模型预测值与实测值之间的可决系数R2高达0.9680,而波段比值模型的R2为0.9541,且均方根误差RMSE由波段比值模型的18.7915降低为BP神经网络模型的7.6068,平均相对误差e也由波段比值模型的19.16%降低为BP神经网络模型的6.75%.结果证明,GF-1 WFV4影像应用BP神经网络模型反演太湖叶绿素a浓度较波段比值模型精度有所提高.将经过水体掩膜的GF-1 WFV4影像用于训练好的BP神经网络反演太湖叶绿素a浓度分布,结果显示,叶绿素a高浓度区集中分布在湖心区北部、竺山湾、梅梁湾区域,与之前的研究一致.本文研究结果验证了采用BP神经网络模型对GF-1 WFV4影像进行太湖叶绿素a浓度反演的可行性.     

基于Sentinel-2的平寨水库叶绿素a浓度反演

为实现对平寨水库叶绿素a的遥感监测,选取平寨水库2017年11月17—18日的实测叶绿素a浓度数据和准同步的Sentinel-2数据,通过选取最佳波段组合建立BP神经网络模型,对平寨水库叶绿素a进行反演,并分析其空间分布特征。结果表明:Sentinel-2红边波段对叶绿素a的敏感性优于可见光波段,在叶绿素a浓度反演方面具有较大潜力。相关系数最大的波段组合方式是:B5/B4、[1/B4-1/B5]*B6、[1/B4-1/B5]*B7和[1/B4-1/B5]*B8;BP神经网络模型可决系数R2为0.9160,平均相对误差为29.87%,反演精度优于三波段模型;平寨水库叶绿素a浓度空间分布差异明显,水面开阔的中心库区浓度较高,各支流上游河段浓度较低。Sentinel-2数据可较好地应用于喀斯特高原湖泊叶绿素a浓度反演,BP神经网络模型估测结果合理、可靠;研究结果可为平寨水库水环境治理提供科学依据。     

县级生态农业建设的人工神经网络模型

引入人工神经网络的评价识别方法，建立了ＢＰ模型，以前人建立的县级生态农业建设评价指标体系评价标准，和某县生态农业综合评价指标数据为实例，比较ＢＰ模型的有效性，得到的评价分类结果和指标优先发展顺序决策与实际情况相吻合。     

自适应人工鱼群-BP神经网络算法在径流预测中的应用

为了提高水库和河流中长期径流预测精度,提出了弹性自适应人工鱼群算法(RAAFSA)。应用RAAFSA算法训练BP神经网络,实现BP神经网络参数优化,形成弹性自适应人工鱼群-BP神经网络混合算法(RAAFSA-BP),对石泉水库进行中长期径流预测。仿真计算表明,弹性自适应人工鱼群优化的BP神经网络算法收敛速度快于BP神经网络算法、人工鱼群-BP神经网络算法和RBF神经网络算法。该混合算法克服了BP神经网络和人工鱼群算法易陷于局部极值、搜索质量差和精度不高的缺点,改善了BP神经网络的泛化能力,输出稳定性好,预报精度显著提高,每次预测相对误差绝对值都小于6%,合格率达到100%。该算法成功地解决了石泉水库中长期径流预测精度不高的难题,可有效用于水库和河川中长期径流预测。     

垃圾渗滤液生物处理系统BP人工神经网络模型

垃圾渗滤液成分复杂,变化范围大．对其调试及长期持续良好运行存在较大困难。本文针对武汉市二妃山垃圾渗滤液的调试运行数据,利用人工神经网络原理,建立BP人工神经网络垃圾渗滤液生物处理模型来预测处理效果．确定最优反应条件。实验结果显示网络具有良好的收敛特性,模型具有工程实用价值。     

利用人工神经网络对空气中O3浓度进行预测

将人工神经网络应用于对空气中O3的浓度预测,提出了完整的预测模型,选取风速、风向、相对湿度、云量、平均气温、最高气温等6项气象因子作为输入量,经过两个月的预测实验,结果表明,实测值与预测值的平均相对误差为21.49%,相关系数为0.837.表明人工神经网络对O3的浓度预测是一种有效的工具.     

双基球扁药工艺优化仿真研究

目的优化双基球扁药成球工艺参数,解决由于目前双基球扁药理论研究不充分、控制模型不明确、生产工艺参数调控依靠人工经验所导致的药品成球后直径、弧厚偏差大的问题。方法利用BP神经网络在处理复杂非线性映射问题上的强大的能力,对成球关键工艺参数与成球质量指标进行建模,并应用成球工艺过程仿真数据对其进行训练,将训练得到的BP神经网络模型用于优化成球工艺参数。同时利用仿真数据进行检验模型的可靠性。结果训练后BP神经网络均方误差为0.001,成球直径误差率为1.27%,成球弧厚误差率为2.08%,成球质量参数误差均很小,可以满足工艺要求。结论该BP神经网络模型具有较高精度,适用于含能材料工艺优化,提出的成球工艺优化方法能有效降低成球试制成本,缩短生产周期。     

用BP神经网络模型定量估算石化企业炼油废水处理中的VOCs

将BP神经网络理论引入石化企业炼油厂废水处理中的VOCs挥发量估算。在分析影响VOCs挥发因素的基础上,利用基于MATLAB神经网络工具箱的图形用户界面GUI,建立了石化企业炼油废水处理中VOCs挥发量估算的BP神经网络模型。用该模型对样本集进行了学习训练和仿真测试,并将训练好的神经网络应用于相关实例的估算。结果表明,应用BP神经网络方法进行石化企业炼油废水处理中VOCs挥发量估算结果与美国环保局推荐软件WATER9的计算结果误差在1.49%~17.46%之间,为石化企业炼油废水处理中VOCs挥发量估算提供了一种较为可靠的方法。     

基于MATLAB的BP神经网络模型在漠阳江水质评价中的应用研究

为提高水质评价的准确性,基于MATLAB及人工神经网络理论,采用误差反向传播的BP算法建立漠阳江水质评价模型,充分利用神经网络的非线性映射特性,取7项常规地表水水质评价指标对漠阳江水质进行评价,并将BP神经网络评价结果与单因子评价法及综合指数法的评价结果进行比较,网络运行结果表明一致效果良好.同时较传统的水质评价方法,该网络具有较高的识别精度,提高了水质评价等级的准确性,使评价的结果更具有科学性.