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。     

基于BP神经网络城市环境噪声预测及实证研究

城市噪声污染严重影响着人们的生活与工作,采用合适的方法对噪声污染进行评价并预测,进而提出有效的预防及治理措施是噪声污染防治的关键问题,文章利用灰色关联分析选取了影响环境噪声的主要因素,采用BP(Back propagation,BP)神经网络对北京市1994~2006年的环境噪声污染进行评价并预测,验证结果误差较小,说明基于灰色关联的BP神经网络能够有效地对城市环境噪声污染进行评价和预测。     

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。     

基于BP神经网络的藻类水华预测模型研究

以宁波大学校内池塘2009年3—10月间30周的监测数据为基础,运用BP人工神经网络方法构建预测模型,探求颤藻生物量与总氮、总磷、透明度等6项环境因子之间的关系,选出最佳预测模型,并对模型进行敏感度分析。结果显示:①BP神经网络模型对颤藻生物量预测值与实测值之间拟合程度良好,相关系数达到了0.984,说明BP神经网络模型可以用于水体中藻类水华的短期预测。②通过对构建的BP神经网络模型进行敏感度分析,阐明了宁波大学校内池塘藻类水华的主要驱动因素,并指出控制水体的pH是宁波大学校内池塘藻类水华防治工作的重点。     

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。     

基于AHP-CRITIC综合权重的改进物元可拓模型在地下水水质评价中的应用

权重的确定在地下水水质评价中具有重要作用。利用CRITIC方法对地下水指标进行权重修正,探究该方法对地下水质量评价的适用性。笔者选取代表性指标后,按照一般化学指标、毒理学指标2个层次构建地下水污染评价综合指标体系,建立基于AHP-CRITIC综合权重的改进物元可拓模型对研究区地下水开展质量评价。将开发的评价方法应用于工业园区地下水质量评价发现,该方法能够反映地下水质量状况。结果表明:该评价方法在地下水质量评价过程中,能够兼顾不同指标重要程度差异和水质等级的模糊性,研究区5#点位和10#点位有毒有害重金属超标,应进一步查明原因,提出地下水污染阻断措施。     

基于小波分析与BP神经网络的PM_(10)浓度预测模型

应用小波分析和BP神经网络相结合的方法,建立大气污染物浓度预测模型。首先,利用静态小波分解将原始的大气污染物浓度序列分解为不同频段的小波系数序列;其次,将重要的气象因子和各尺度上的小波系数序列作为BP神经网络的输入;最后,对输出的各序列预测值重构,得到最终的预测结果。使用该模型对重庆市主城区某国控监测站点的PM_(10)浓度预测,结果表明,与传统的BP神经网络模型相比,该预测模型的推广能力强、预测精密度高,具有良好的应用前景。     

BP神经网络改进算法预测水质浓度的应用

探讨了黄河兰州段地表水水质浓度预测的BP神经网络法，建立了一种动态的、及时的、超前的BP神经网络预测模型。并在标准算法的基础上用2种改进算法同时进行比较。结果表明，改进的BP算法在水质浓度预测中更能胜任，时间短、准确度高。     

基于人工蜂群算法的BP双隐含层神经网络水质模型

采用人工蜂群算法优化BP神经网络的初始权值和阈值,同时采用双隐含层来提高网络精度,选取DO、IMn、COD、BOD5和NH3-N作为评价指标,建立一个基于人工蜂群算法的BP双隐含层神经网络模型,并应用该模型对2012年黄河水系下河沿断面的各月监测数据进行水质评价,同时与BP神经网络、模糊层次评价方法作比较。结果表明:基于人工蜂群算法的BP双隐含层神经网络在水质评价时,均方误差小,多次运行的结果始终一致,评价结果合理有效。     

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。     

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。     

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。     

基于自回归GA-BP神经网络的AQI预测

基于徐州市2013年12月—2018年11月的空气质量指数日均值,建立了时间序列自回归输入的GA-BP神经网络模型用于空气质量指数预测。结果表明,所建立的网络模型能够准确预测徐州市空气质量指数的变化趋势,其中夏季预测相对误差18. 23%,仿真均方根误差(RMSE)为14. 59;冬季预测相对误差9. 14%,仿真RMSE为11. 47。     

区域水环境监测网络优化及评价考核方法研究

科学合理地布设水质监测断面是全面准确获取水环境质量监测数据的前提条件。利用研究区域现有断面2014年的监测数据,结合水资源调度方式和水环境功能区划要求,划分为五大片区并采用聚类分析方法进行断面优化,通过F检验和t检验表明优化前后断面无显著差异。同时,提出了一种综合的水环境质量考核办法——区域水环境综合评价考核指标,该指标包括骨干河道、乡村河道两类考核断面,采用综合水质评价与单因子评价相结合的方法,设置适当的权重系数,评价结果较为全面、客观地反映区域水环境质量状况,基本满足对区域水环境质量考核评价的管理需求。     

基于B-P神经网络的环境质量评价方法

提出可将环境质量评价的无论是定量指标还是定性参数转化成\"二进制\"的\"1\"或\"0\",进而将这种二进制数引入B-P网络.通过实例探讨,这种新的B-P网络既适用于定量指标的水质参数又适用于定性指标的水质参数.     

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.     

地表水环境质量综合评价方法研究与应用进展

水质评价是目前水环境质量管理的重要支撑,水质综合评价方法已经逐渐由断面评价向流域综合评价进行转变与突破。该文对目前的断面水质评价方法进行了归类综述,并且对流域水质综合评价方法及其在各个国家流域的应用进行了重点评述。分析认为中国在流域评价中所使用的\"断面比例法\"不够准确,缺乏污染物时空分析以及生物评价等问题,并据此提出了未来的研究方向,为未来地表水质评价方法的提升以及水环境管理的完善提供科学的参考依据和建议。     

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。