人工神经网络在环境科学中的应用

从环境质量评价、环境预测、大气颗粒物源解析及优化布点四个方面对人工神经网络（ANN）在环境科学领域的应用现状进行了综述．可以看出人工神经网络方法在环境质量评价、环境预测、大气颗粒物源解析及优化布点等方面较常规数学方法具有相当的优越性；可以预见人工神经网络方法在环境科学领域必将具有巨大的实用价值和广阔的应用前景．     

GIS在环境科学中的应用

文章结合地理信息系统(GIS)和环境科学的特点,阐述了GIS在环境管理、环境规划、环境决策、环境评价及环境监测等多方面的应用,对GIS在环境科学中的应用及其发展趋势作了简要论述.由于GIS技术和环境科学在研究对象上的相似性和互补性,GIS广泛应用于环境科学领域必将会推动环境科学的迅猛发展.     

人工神经网络用于铅的化学形态模拟计算

用前馈线性网络法求解水体系中Ｐｂ（２＋）与ＯＨ－之间的反应常数，不同训练算法对求解结果的精度、收敛速度及权值均有影响．结果表明，批处理算法的精度最好，权值不出现负值，但运算时间最长；在线算法的精度虽不如批处理算法，而比数据变换－在线算法好，权值有时会出现负值．运算时间较长；数据变换－在线算法的优点是运算时间短，但相对误差较大，权值出现负值的机会多。采用反馈网络模拟计算铅的各种化学形态的浓度．用物料核算的方法对反馈网络模型进行检验表明，此种模型用于平衡计算是可行的，详细分析了理论模拟和实验曲线的差异的原因，温度的影响最小，在４＜ｐＨ＜９时，ＣＯ有重要的影响．在国代检验时，ｎ值取整所引入的误差的影响亦不可忽视。从本文的结果可以看到，采用前馈网络和反馈网络相结合的方法考察水体中的化学形态是可行的．从而为解决这一类问题提供了一种可能的途径．     

环境水样中化学耗氧量分析的若干问题讨论

本文叙述了影响水样中化学耗氧量（ＣＯＤ）测定的主要因素，并对Ａｇ２ＳＯ４催化剂的替代进行讨论，还涉及了硫酸汞的环境污染问题。     

人工神经网络在水环境质量评价中的应用

为了将人工神经网络应用于水环境质量评价,应用了人工神经网络Ｂ—Ｐ算法,构造了水环境质量评价模型,该模型应用于实例评价结果表明,人工神经网络用于环境质量评价具有客观性,通用性和实用性。     

人工神经网络在深圳市水库富营养化评价中的应用

对富营养化评价标准进行插值获取大量的样本,建立了基于BP人工神经网络的富营养化评价模型。将模型应用于评价深圳市13座主要水库的富营养化状况,对其成因进行分析,并提出了对策与建议。研究结果表明,石岩水库与深圳水库为轻度富营养化,占评价水库总数的15.4%;西丽水库等11座水库为中营养,占评价水库总数的84.6%。人工神经网络用于建立湖库富营养评价模型是适合的。     

高分辨质谱在环境科学领域应用综述

探究复杂环境介质中有机污染物分析检测新方法,建立复杂环境介质中可疑和非目标化合物的快速筛选及确证方案,已成为环境科学领域的研究热点。高分辨质谱仪（HR-MS）具有质量范围宽、扫描速度快、灵敏度高等优点,使其在环境科学领域得到广泛应用。综述了混合高分辨率质谱（Q-TOF/Q Orbitrap）等HR MS技术的特点和工作原理,基于目标化合物分析、可疑化合物分析以及非目标化合物分析这3类研究策略,阐述了HR-MS在环境研究、药品监管及生物代谢物研究等领域的应用现状,进而分析了现阶段HR MS在环境科学领域中的应用局限性和发展前景。     

基于EXCEL的BP网络法在水质评价中的应用

阐述了在Excel平台上建立的BP网络模型水质评价系统的方法和要点,以及网络模型结构的设计、训练数据的处理、网络的训练和评价结果的仿真情况。实例表明Excel建立的BP网络模型水质评价系统的评价结果客观,模型使用方便,有推广价值。     

BP人工神经网络模型在西鞍山铁矿地下水水质评价中的应用

以西鞍山铁矿为例,采用BP人工神经网络模型对区内12个监测点的水质进行评价。以枯水期水质监测的主成分总硬度、溶解性总固体、硫酸盐、氯化物、铁和锰、硝酸盐、氟化物指标作为评价因子,建立地下水评价指标体系,并将评价结果与模糊综合评价法及综合质量评价法的评价结果比较。结果表明,8、9、10、11号监测点属于Ⅰ类水,1、2、3、4、6、7、12号监测点属于Ⅱ类水,5号监测点属于Ⅲ类水,西鞍山铁矿的开采未对地下水造成影响;该方法与模糊综合评价法及综合质量评价法的评价结果基本一致,可以客观、合理性地评价水质。     

化学需氧量现有2种标准分析方法若干问题研究

《水质化学需氧量的测定重铬酸盐法》(HJ 828-2017)和《高氯废水化学需氧量的测定氯气校正法》(HJ/T70-2001)是测定水中CODCr现有有效的2种标准方法.针对这2种方法存在的问题,通过实验给出操作建议.指出,对高氯废水稀释后采用《HJ828-2017》方法测定水中CODCr时,稀释倍数太大或稀释后COD...     

神经网络模型在环境监测机构编制管理中的应用研究

根据非线性化现代神经元理论 ,以湖北省三、四级环境监测站为例 ,建立了神经网络定量测算人员编制的模型。研究确立了反向传播 BP模型在测算人员编制中的应用方法及技术路线。采用所建模型对某部门、某单位人员编制测算具有操作方便灵活 ,准确可靠以及实用性、通用性和动态可操作性特点。不仅可指导环保系统机构实现科学化定编、定员 ,同时对其他事业单位编制的规范化管理亦有参考意义。     

智能算法及其在环境预警中的应用

智能算法具有学习非线性问题的能力,可有效优化环境模型结构与参数,是环境预警的重要工具。重点分析了遗传算法和人工神经网络的相关特征,并以太湖蓝藻水华预报预警为例,介绍其在提高环境模型精度中的应用。     

水质综合评价的径向基函数网络模型

针对目前水质综合评价中常规方法存在的问题 ,提出了径向基函数网络模型 (简记为 RBF-ANN)。以吉林省白城市地下潜水水质资料为例 ,运用该方法对监测样点进行了综合评价。通过与其它方法对比 ,结果表明 ,利用RBF-ANN模型进行水环境质量综合评价不仅方法简便 ,而且结论更接近客观实际。     

基于BP神经网络的贵阳市空气质量指数预报模型

采用贵阳市2013年1月1日—2015年12月31日的空气质量指数(AQI)日均值,常规的地面和高空观测资料,基于不同季节,调整BP神经网络的隐藏层个数和隐藏层节点数,建立不同的BP神经网络预报模型,进行参数检验,最终选取预报效果最好的模型带入实况进行检验。结果表明,夏季的预报效果最好,采用的模型TS评分为81.6%,平均绝对误差为9.1,正确率为97.4%,用该模型检验预报效果,实况和预报的相关系数为0.71,平均误差为9;而冬季的预报效果明显低于其他季节,采用的模型TS评分为65.7%,平均绝对误差为19.5,正确率为72.9%,用该模型检验预报效果,实况和预报的相关系数为0.79,平均误差为19。而且BP神经网络模型的预报效果同隐藏层个数与隐藏层节点数没有显著关系。     

BP网络应用于大气颗粒物的源解析

应用BP网络对大气颗粒物进行源解析,将大气采集样本中的元素含量和大气颗粒物源成分谱构成训练样本集,用BP网络进行训练,由训练好的网络的权值可以计算出大气颗粒物的污染排放源的权重贡献率.将BP源解析法的计算结果与其它源解析法得到的结果比较,表明BP网络应用于大气颗粒物的源解析是可行的.     

BP神经网络及其在城市环境工程地质研究中的应用

分析了神经网络理论在地学研究中的应用现状 ,研究了 BP神经网络在城市环境工程地质研究中的基本原理、方法与步骤 ,并以烟台市为例 ,探讨了 BP神经网络在城市工程地质环境质量评价中应用技术     

BP网络在环境评价中的应用

介绍ＢＰ网络算法，给出了在珲春河水质评价中的应用实例，并与其它方法作了对照。由结果可以看到，该方法科学合理。     

神经网络用于光度法同时测定多种重金属离子

采用可见分光光度法,通过构筑16-5-4多目标神经网络模型实现同时测定溶液中Cd2+、Pb2+、Cu2+、As3+的含量。实验以4-(2-吡啶偶氮)-间苯二酚(PAR)作为显色剂,采用\"多因素多水平可视化设计法\"设计样本,在4种组分可见吸收光谱严重重叠的390~480 nm范围内,选取16个特征波长处的吸光度作为输入信号,应用\"留二法\"原则训练BP网络。网络准确预测了结果,Cd2+、Pb2+、Cu2+、As3+的平均回收率分别为100.10%、100.03%、100.09%、99.99%,测定结果的相对标准偏差分别为0.18%、0.12%、0.26%、0.13%,达到了4种组分含量同时测定的目的。     

基于AGNES算法优化BP神经网络和GIS系统的大气污染物浓度预测

建立了大气污染物浓度与影响因子之间的BP神经网络,对城市中各监测点位的次日大气污染物浓度进行预测,采用GIS的插值分析进行污染物空间分布预测,其中BP神经网络的输入向量采用AGNES算法进行处理。以太原市区SO2、PM10浓度预测为例,选择气温、湿度、降水量、大气压强、风速和前5天的污染物浓度等10个参数训练BP神经网络,结果表明,BP神经网络的训练效果较好,预测结果与实际浓度显著相关,R2分别为0.988、0.976;结合太原市8个监测点位的污染物浓度预测值,运用GIS空间差值法绘出SO2、PM10的浓度分布预测图,该图与实际情况大体符合,并且与国控大气污染企业的分布显著相关,Pearson相关系数分别为0.969、0.949。