大气环境质量的人工神经网络决策模型

为了对环境质量进行综合评价，运用误差反向传播算法的人工神经网络方法建立了环境质量评价的Ｂ－Ｐ决策模型，用此模型研究实例的大气环境质量，结果表明Ｂ－Ｐ网络用于环境质量评价具有客观性和实用性     

B－P网络用于环境质量分类研究

用全国２５个湖泊的水质指标资料作为训练样本，应用人工神经网络Ｂ－Ｐ算法，分别建立了３参数和４参数的水质分类模型。并用所建立的模型对６个湖泊水质进行分类检验效果。结果表明Ｂ－Ｐ模型应用于环境质量分类是可行的。且由于Ｂ－Ｐ网络有自学习、自适应的能力，因而与其它的环境质量分类法相比具有优越性。     

大气环境质量综合评价的B－P网络模型

选取大气环境质量的三级标准作为３个学习样本，以ＳＯ＿２，ＮＯ＿ｘ和ＴＳＰ三种污染物的三级标准浓度限值作为样本的输入特征值，建立了三参数的Ｂ－Ｐ网络大气环境质量综合评价模型，用该模型对３１个测点的大气环境质量进行评价，并与模糊数学和灰色系统法的评价结果比较，表明Ｂ－Ｐ网络用于大气环境质量评价具有优越性。     

大气环境质量综合评价的B—P网络模型

选取大气环境质量的三级标准作为３个学习样本，以ＳＯ２，ＮＯｘ和ＴＳＰ三种污染物的三级标准浓度限值作为样本的输入特征值，建立了三参数的Ｂ－Ｐ网络大气质量综合评价模型，用该模型对３１个测点的大气环境质量进行评价，并与模糊数学和灰色系统法的评价结果比较，表明Ｂ－Ｐ网络用于大气环境质量评价具有优越性。     

B－P网络用于水质综合评价方法的研究

本文应用误差反向传播（Ｂ—Ｐ）算法的人工神经网络建立了水质综合评价模型。该模型应用于实例的水质评价结果表明Ｂ—Ｐ网络用于水质综合评价具有客观性和实用性。     

B－P网络用于水质综合评价方法的研究

本文应用误差反向传播（Ｂ—Ｐ）算法的人工神经网络建立了水质综合评价模型。该模型应用于实例的水质评价结果表明Ｂ—Ｐ网络用于水质综合评价具有客观性和实用性。     

综合环境质量的B－P网络二级评价

为了探索人工神经网络应用于环境质量评价的可行性和合理性，应用人工神经网络的Ｂ－Ｐ模型，构造了大气、水质和噪声的综合环境质量的Ｂ－Ｐ网络二级评价模型。并将该模型应用于实例作效果检验。结果表明Ｂ－Ｐ网络用于环境质量评价适应性强，方法可行，结果合理。     

B-P网络用于环境质量分类研究

用全国２５个湖泊的水质指标资料作为训练样本,应用人工神经Ｂ－Ｐ算法,分别建立了３参数和４参数的水质分类模型,并用所建立的模型对６个湖泊水质进行分类检验效果。结果表明Ｂ－Ｐ模型应用于环境质量分类是可行的,且由于Ｂ－Ｐ网络有学习,自适应的能力,因而与其它的环境质量分类法相比具有优越性。     

人工神经网络在高原湖泊水质评价中的应用

本文应用人工神经网络方法，建立了高源湖泊水质ＢＰ神经网络模型，对湖泊水质进行综合评价，通过实例检查结果表明，ＢＰ神经网络方法能准确反映水体污染程度，具有较强处理相互矛盾影响样本的能力，方法可行，结果客观合理。     

改进的B—P网络在大气环境质量综合评价中的应用

本文引入人工神经网络理论，提出了大气环境质量综合评价的修正的Ｂ－Ｐ网络模型，与其它评价模型比较，表明该模型更具有优越性。     

基于BP神经网络的空气污染指数预测模型研究

BP神经网络已成为研究空气污染预测的有效工具之一。文章利用近十年北京市地面气象观测资料和空气污染指数数据,通过BP神经网络技术构建了不同季节的空气污染指数预测模型,对北京市空气污染指数进行了预测。通过相关系数分析法,对比分析了预测结果与实际监测结果,研究结果表明:春、夏、秋、冬季的预测值与监测值线性相关系数分别为0.81、0.84、0.89、0.85。北京春季常伴随有沙尘天气,而文章并没有考虑沙尘天气对预测模型的影响,因此春季BP神经网络预测精度在四季中最低,其预测值与监测值的线性相关系数为0.81。由于秋季不同空气质量级别的数据都有较多分布,因此该季节构建的网络更具有代表性,其预测精度在四季中最高,预测值与监测值的线性相关系数高达0.89。总之,BP神经网络模型对于北京空气污染指数预测是行之有效的。     

BP神经网络在再生水补给密云水库水质评价中的应用

基于环境质量基本模型,将补给的再生水视为点源污染,建立了再生水补给后的湖库污染物浓度变化模型.在得到补给后主要污染物稳定浓度的基础上,建立BP神经网络模型,使用随机数发生器生成随机数据作为模型的学习样本和检验样本以满足BP模型对样本数量的需求.使用BP模型对再生水补给后的水质进行评价,评价结果证明了再生水补给的可行性与相对安全性.     

基于GA-BP-SD模型的生态环境质量综合评价

近年来,中国小城镇生态环境质量恶化趋势明显,同时相应的综合评价研究也逐步深入.针对生态环境质量综合评价问题,建造了GA-BP-SD模型.它对反向传播神经网络初始权值和阀值用遗传算法优化,并将隶属度引入遗传神经网络,以便确定生态环境质量的影响因子和程度.用此模型对小城镇生态环境质量进行了综合评价和探索,结果说明该方法是适合中国小城镇进行生态环境质量评价方法的.     

BP模型在水泥行业清洁生产评价案例中的应用

基于BP神经网络的原理与算法,建立清洁生产多指标综合评价模型,采用隶属度函数对评价指标进行描述。以避免评价过程中的人为失误,达到客观评价的目的。用该模型对重庆某水泥厂进行清洁生产评价,结果表明：该评价方法操作性强、准确性高、可为实现清洁生产的客观评价提供科学依据和技术方法。     

基于BAS-BP模型的风暴潮灾害损失预测

风暴潮灾害是中国沿海地区最严重的灾害之一,近年来由其带来的经济损失均占海洋灾害总损失的90%以上,因此构建一个简单准确的损失预估模型显得尤为重要。本文以现有风暴潮灾害研究为基础建立了基于天牛须搜索（beetle antennae search）优化的BP神经网络模型,将其应用到风暴潮灾害经济损失预评估中。本文收集了福建省1994~2016年记录比较完善的29个风暴潮灾害损失数据,建立风暴潮灾害损失预评估指标体系并利用熵值法对指标因子进行预处理,消除数据冗余信息对预测的影响。对模型进行仿真测试,结果表明,与标准BP神经网络相比新模型有效避免了网络陷入局部极小值的可能,且与常规优化算法相比,克服了训练时间长、收敛速度慢的缺点,具有更好的鲁棒性和预测精度。     

基于BP神经网络的安全评价方法研究

阐述了BP神经网络的基本原理,利用机会约束的思想建立了综合安全评价模型．运用反向传播算法和遗传算法对神经元网络进行训练,在此分析基础上对系统综合安全评价模型进行求解,并对运用神经元网络进行综合安全评价的优点进行了分析。     

海水水质富营养化评价的集对分析方法

建立了利用集对分析方法进行海水水质富营养化综合评价的新模型，并通过实例研究评价效果，与BP人工神经网络方法比较，集对分析方法评价模型严谨，评价结果合理、精细、分辨率高，取得了满意的结果，为海水环境质量综合评价提供了一种简单而适用的评价方法。     

阜新煤矿生态环境三维定量评价规范化方法研究

基于环境学、生态学及矿区修复基础理论,从煤矿生态环境定量评价方法、环境评价因子指标体系以及评价等级标准三大模块出发,建立矿山生态环境定量评价规范化方法。根据煤矿生态环境的特点,结合RMMER(Regulation of Multitudinous Mine Ecological Rehabilitation)模式,建立自然禀赋维、生态环境维及人文指数维煤矿生态环境三维定量评价指标体系。通过筛选确定煤矿生态环境两个层次三维体系下的16个指标因子;利用"多手段结合"的原则,确定煤矿生态环境质量等级标准及相应等级阈值。分析辽西阜新矿区煤矿开采状况和生态环境现状,采用信息提取技术定量指标因子;提出利用多次迭代法建立指标因子判断矩阵的方法;建立基于改进式层次分析法(AHP)法确定煤矿生态环境指标权重的阜新煤矿生态环境可拓综合评价模型;通过应用评价,最后对评价结果的客观性与准确性进行分析,给出评价模型的适用性。     

简易垃圾填埋场地下水污染风险评价

对简易垃圾填埋场污染地下水的风险进行评价是开展地下水保护的重要手段. 基于对简易垃圾填埋场污染地下水的系统结构分析,构建了包括填埋场危险性、评价对象暴露性、包气带抗污性、含水层脆弱性以及地下水危害性等影响因素的地下水污染风险评价指标体系,确定了各评价指标的取值依据和取值范围(为1~10),采用层次分析(AHP)法确定了各评价指标的权重,并建立了综合指数风险评价模型. 以北天堂简易垃圾填埋场对北京市水源四厂地下水污染的风险评价为例,对该风险评价模型进行了验证. 结果表明,北天堂简易垃圾填埋场对北京市水源四厂地下水污染风险指数为7.455 6,污染风险等级较高,与有关研究结果相符,证实所建立的地下水污染的综合指数风险评价模型与指标体系合理.      

区域水资源可持续利用评价方法对比研究

为进一步揭示几种典型的区域水资源可持续利用评价方法的特点与应用效果,论文选取两类共7种评价方法或模型,即综合指数型的PCA法、AHP法、灰色关联度法、改进序关系法和等级分类型的模糊综合评判法、BP神经网络、SVM模型。以福建省9个设区市为评价对象,结合DPSIR概念模型的内容,构建水资源可持续利用评价指标体系,从而在指标体系不变的条件下,分别进行区域水资源可持续利用评价,进而比较分析各方法的特点及其评价结果。研究表明：1）相同评价指标体系下,不同方法得到的评价结果有一定差别。2）PCA法和改进序关系法的评价结果一致性最高,其次是AHP与改进序关系法,且综合指数型方法中改进序关系法应用结果更可靠;灰色关联度法存在高估水资源可持续利用水平较低区域的评价值,且综合评价指数分布范围小、区域间分辨间隔较小的不足,而模糊综合评判、BP神经网络和SVM的评价结果差异较大,规律性不明显。3）常规的PCA、AHP、灰色关联度和模糊综合评判法的评价过程相对稳定,虽然BP神经网络和SVM模型能减少赋权的主观干预,但受指标等级标准划分、训练样本生成和参数设置等因素的影响,评价应用的稳定性相对差。4）与BP神经网络相比,SVM用于水资源可持续利用评价相对稳定,但SVM分类器对样本空间划分的状况则直接影响评价结果的可靠程度。