共查询到20条相似文献,搜索用时 156 毫秒
1.
2.
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。 相似文献
3.
运用回归分析与人工神经网络预测含硫芳香族化合物好氧生物降解速率 … 总被引:6,自引:0,他引:6
为了研究人工神经网络预测有机化合物生物降解的性能,运用多元线性回归方法和误差2反向传递人工神经网络模型以基团代码作为结构描述符,分别拟合,预测一批硫芳香族化合物的一级好氧生物降解速率常数。 相似文献
4.
暴雨过后河湖浑浊度急剧升高,严重干扰了河湖水生态修复工程中沉水植物的恢复和重建。针对水生态修复原位混凝控浊过程中混凝剂选型和投加量难以确定的问题,对模拟河湖浑浊水样进行混凝实验并构建混凝预测数据集,采用BP神经网络模型对混凝剂投加量进行预测,并结合遗传算法对模型进行优化。基于混凝实验结果,选取综合混凝效果更佳和成本更低的混凝剂(硫酸铝),和不同投加量间混凝效果存在显著差异的混凝剂投加量范围在0~30 mg/L的混凝数据进行混凝预测模型的训练。结果表明:1)BP神经网络回归模型性能(R2=0.78)优于多元非线性、多元线性回归模型和BP神经网络分类模型,88.67%的样本预测绝对误差<5 mg/L;经遗传算法优化后,模型R2提升至0.86%且95%以上的样本预测绝对误差<5 mg/L,说明遗传算法有效提升了模型的预测精度和预测稳定性。2)混凝剂投药梯度是除建模数据量之外另一个影响模型性能的重要因素,在实际工程应用中,应尽可能增加建模数据量和降低投药梯度,以提高混凝投药预测模型性能。研究结果可为水生态修复原位混凝控浊过程中混凝剂种类和... 相似文献
5.
为建立适用于教室PM2.5的室内预测模型,该文依据长期监测的教室内环境数据,建立了涵盖室内外环境参数、人员活动因素和季节性因素在内的PM2.5预测模型。研究使用多元线性回归模型和人工神经网络模型,采用主成分分析法和和熵值法分析了影响室内PM2.5浓度的总方差的影响因素权重及对BP神经网络输入因子进行降维。结果表明:(1)在采集的13个因素中,对室内PM2.5的总方差解释大小排名前5的影响因素依次是室内相对湿度、室内通风量、室内二氧化碳浓度、室外相对湿度、门开启时间占比。(2)采用BP神经网络的预测效果优于传统的多元线性回归,拟合优度R2从0.412上升到0.547。(3)针对BP神经网络,采用交叉验证法验证了各个季节的预测效果,结果表明春季的预测效果最好,冬季次之,秋季最差。(4)采用主成分对数据进行降维和调整BP神经网络的隐藏层数能够优化BP神经网络,可将R2提升至0.710和0.805。研究结果可为机械通风下的教室室内PM2.5预测模型建立提供依据和数据支撑。 相似文献
6.
7.
针对造纸废水处理系统的时变性、非线性和复杂性等特点,本文提出一种基于高斯过程回归的软测量模型.基于平方指数协方差、线性协方差和周期性协方差函数组合构建了7种高斯过程回归模型,分别对出水化学需氧量和出水悬浮固形物浓度进行回归预测.此外,还对比了多元线性回归模型、主成分回归模型、偏最小二乘模型、人工神经网络模型和高斯回归模型的预测效果.对比计算结果表明无论是对输出变量的训练拟合还是预测,高斯过程回归模型的拟合效果均优于非高斯过程回归模型.高斯过程回归模型的预测结果表明:对于出水化学需氧量,线性协方差函数与周期性协方差函数的组合模型可以取得最好的预测结果;对于出水悬浮固形物,平方指数协方差函数与线性协方差函数组合模型可以取得最好的预测结果. 相似文献
8.
9.
10.
11.
B-P网络用于环境质量分类研究 总被引:3,自引:0,他引:3
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。 相似文献
12.
B-P网络用于环境质量分类研究 总被引:7,自引:0,他引:7
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。 相似文献
13.
14.
大气环境质量综合评价的B-P网络模型 总被引:6,自引:0,他引:6
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。 相似文献
15.
16.
选取与TSI_c为0.50,100相应的水质营养状态作为3个建模样本,以chl-a,TP,TN和SD4个水质参数作为样本的输入特征,建立B-P网络的水质营养状态评价模型。该模型应用于全国30个湖泊水质的营养状态评价,获得了较好的检验效果。 相似文献
17.
B-P网络用于水质综合评价方法的研究 总被引:15,自引:1,他引:15
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。 相似文献
18.
B-P网络用于水质综合评价方法的研究 总被引:13,自引:2,他引:13
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。 相似文献
19.
选取与TSIc为0,50,10相应的水质营养状态作为3个建模样本,以chl-a,TP,TN和SD4个水质参数作为样本的输入特征,建立了B-P网络的水质营养状态评价模型。该模型应用于全国30个湖泊水质的营养状态评价,获得了较好的检验效果。 相似文献