共查询到20条相似文献,搜索用时 15 毫秒
1.
《环境科学文摘》2005,(6)
X831200503452BP网络应用于大气颗粒物的源解析/李祚泳…(成都信息工程学院地球环境科学系)∥中国环境监测/中国环境监测总站.-2005,21(2).-74~76,83环图X-73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。表3参6X831200503453城市空气中颗粒相有机碳与元素碳浓度的小时和日分布图=Hourly … 相似文献
2.
3.
4.
5.
基于BP神经网络的城市总生态足迹预测研究——以武汉市为例 总被引:6,自引:2,他引:6
鉴于BP网络在处理非线性复杂系统的优势,以武汉市为研究对象,构建一个10-4-1结构的BP神经网络预测模型,将1978-2002年和2003年的相关数据作为模型的训练和测试样本,以2004年的社会、经济、环境数据作为网络的预测输入,对该年的总生态足迹进行预测。结果表明,BP神经网络预测结果与实际足迹值的相对误差为0.69%,预测精度优于传统的多元回归统计模型。 相似文献
6.
基于粗集、遗传神经网络的环境质量评价 总被引:1,自引:0,他引:1
基于粗集、遗传神经网络的环境质量评价方法利用粗集对属性的归约功能将数据库中的数据进行归约,并将归约后的数据作为训练数据提供给BP神经网络;再用遗传算法和BP算法相结合的混合算法来训练网络预测模型的结构(在得到最优网络结构的同时也得到网络的最优权值和阈值)。通过实例表明该方法是有效的,为环境质量评价提供了一种新的研究思路和分析方法。 相似文献
7.
8.
9.
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。 相似文献
10.
11.
讨论了BP网络模型存在的不足。提出了建立合理的BP网络模型的基本原则和步骤。针对水质评价与预测问题。通过在各类水质污染指标浓度区间内生成随机分布样本的方法。组成足够多用于BP网络训练、检验和泛化能力评定用的样本。建立了南京市秦淮外河水体水质评价的BP网络模型:给出了区分不同类别水质的模型分界值样本和模型输出分界值。用概率分布理论分析处于相邻类别水质过渡状态水体的水质属性。建立的水质评价模型应用于实例表明。南京市秦淮外河水体1991—1996年水质为V类向IV类转变。1992年水质最差,1996年水质最好。灰色动态预测模型计算表明。从1997到2001年。南京市秦淮外河水体水质逐年变好。 相似文献
12.
神经网络模型在环境现状评价中应用研究 总被引:1,自引:1,他引:0
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。 相似文献
13.
14.
网络结构和样本集复杂性是影响BP网络泛化能力的两个最重要因素.对一个给定的训练样本集,为了构造一个与样本集复杂性相匹配的网络结构,使BP网络具有最佳泛化能力,在分析BP网络的泛化能力(用检测误差E2表示)与网络结构和样本集复杂性之间关系的基础上,建立了含参数的BP网络检测误差E2与网络隐节点数H、样本的因子数n、样本数N和样本集的复相关系数R之间的一般关系表达式,并提出了用于定量描述样本集复杂性的"广义"复相关系数Rn的新概念.借助于222个复杂函数的模拟仿真实验,应用免疫进化算法,对表达式中的参数进行优化,得到参数优化后的网络检测误差E2的定量解析表达式;依据误差理论和灵敏度概念,对优化得到的最小检测误差E20的表达式进行了可靠性论证.在此基础上导出了具有最佳泛化能力的BP网络隐节点数H0与"广义"复相关系数Rn之间满足的H0-Rn反比关系式.分别用满足H0-Rn反比关系式的隐节点数和6个经验公式的隐节点数构造的BP网络用于100个模拟检测函数进行仿真实验,发现前者构造的BP网络具有最佳泛化能力(即最小检测误差)的函数个数达到76个,远远多于后者构造的BP网络具有最佳泛化能力的函数个数;还将二者构造的BP网络用于环境预测的7个具体实例,进行预测效果比较,结果表明,前者预测的相对误差绝对值的平均值和最大值小于或远小于后者的相应值.从而验证了由H0-Rn反比关系式得出的BP网络隐节点数计算公式的可行性和实用性,为具有最佳泛化能力的BP网络的结构设计指出了新途径. 相似文献
15.
16.
《环境科学与技术》2016,(1)
将BP神经网络应用到铅酸蓄电池厂地下水的重金属浓度预测中,探讨了预测因子的选取、隐藏层节点数的选取、模型的建立等问题,得出:该模型是以p H、高锰酸盐指数、硫酸盐作为网络的输入层,重金属铅(Pb)、镉(Cd)、砷(As)作为网络的输出层,BP神经网络隐藏层的传递函数为tansig,隐藏层节点数为8,输出层的传递函数为purelin,输出层节点数为3。结果显示:Pb、Cd、As的预测值和监测值相关系数分别为0.991、0.990、0.998,表明该模型具有较好的预测精度,模拟出的重金属浓度与实测值能较好地吻合。总之,BP神经网络预测铅酸蓄电池厂地下水的重金属浓度是切实可行的。 相似文献
17.
《能源环境保护》2017,(5)
本文以昆山某点位的监测数据及天气网的气象数据为基础,选取了影响PM2.5因素中的10个指标进行了相关性分析,结果表明PM2.5与PM10是高度相关,与CO、SO_2、NO_2、O_3显著相关,并依据分析结果对模型输入数据进行了降维。运用BP网络对序列1-16的PM2.5进行预测,结果显示其误差在-25%~-26.9%。将预测误差划分为4个状态,计算概率转移矩阵,并对序列17、18的BP预测结果进行修正,结果显示修正后的误差由BP网络的-14%、-25%降为-7.1%、-8.3%,预测准确度大大提高,表明基于马尔可夫-BP神经网络模型在昆山PM2.5预测中具有一定的现实意义。 相似文献
18.
大气中SO2浓度的小波分析及神经网络预测 总被引:9,自引:2,他引:9
应用小波分解和重构对SO2浓度年变化趋势进行分析,在此基础上,建立了一种分段BP神经网络预测模型,并对各段有针对性地设计了神经网络预测模型.采用主成分分析进行输入变量降维.在BP网络训练过程中,往往会出现过拟合的现象,为此,在训练过程中,将样本等间距地分离为训练集和验证集来防止这个问题.为了消除网络的权值初始化对学习系统复杂性的影响,采用了5个子网络输出取算术平均的神经网络集成的方法.预测结果表明,该模型应用于SO2浓度预测具有较高的预测精度和良好的推广能力,而且明显优于一般的神经网络模型. 相似文献
19.
20.
径向基函数神经网络在水质评价中的应用 总被引:6,自引:4,他引:6
采用径向基函数 (RBF)来构造多层前馈BP神经网络 ,根据某流域水系的水质监测数据 ,建立一个对地表水质进行判别的多层前馈网络数学模型。以地表水质污染主要的七项指标为训练样本 ,利用该网络对水质进行评价 ,并将计算结果与其它方法进行比较分析。结果表明 ,该方法收敛速度较快 ,预测精度较高 ,效果好。 相似文献