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。     

基于B—P网络的大气环境质量评价

选取大气环境质量标准作为运算样本，以大气污染物各级标准值作为样本输入信息，建立了大气环境质量的Ｂ－Ｐ网络评价模型，该模型用于武汉市大气环境质量评价，并与用模糊数学评价结果比较，表明Ｂ－Ｐ人工神经网络用于大气环境质量评价具有通用性、合理性和实用性。     

水质综合评价的B—P网络模型

为探索人工神经网络用于水质综合评价的可能性,提出了基于Ｂ－Ｐ算法的人工神经网络水质综合评价模型。实例研究表明,Ｂ－Ｐ网络模型用于水质综合评价简便实用,具有客观性和通用性。     

基于区间数排序法的农田土壤重金属生态风险分析

将土壤中重金属浓度以区间形式表示,运用土壤重金属生态风险分析模型得出风险区间。为区分风险等级并引入区间数排序法,建立了一种基于不确定性的区间数排序法的土壤重金属污染风险评价模型。运用该模型对不同研究区域土壤重金属生态风险和同一研究区域土壤中不同重金属生态风险进行分析。结果表明,A采样区的风险最大,其区间排序向量为0.275 5,区间向量排序为ABDEC,与内梅罗综合污染指数排序结果一致。区间数排序法考虑到评价过程中的不确定性,避免主观因素的影响。因此,土壤重金属生态风险量化结果更加客观直观,为风险管理提供较为精确的理论依据。     

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。     

基于BP神经网络的齐齐哈尔地区地下水水质评价

阐述了人工神经网络基本原理,介绍了BP网络的地下水水质评价模型.在传统的评价方法基础上,根据各评价因子对环境和人类影响程度不同,给水质监测指标分组,从实用角度对水质进行评价.与传统评价方法相比,该评价模型在某评价因子数值极大的情况下,也能准确反映地下水的污染情况,并且通过GIS技术利用评价结果得到地下水水质分布图,从空间反映地下水水质变化规律.     

大气环境质量灰色评价模型及其应用

根据灰色关联度定义，构造目标函数，运用扩展的最小二乘方准则，建立了一种新的大气环境质量评价模型，结合实例说明了该模型的具体应用，得到与用其它方法评价相一致的结果，该模型数学推导严谨，评价结果合理，分辨率高，可靠性强。     

基于OPAQ的城市空气质量预报系统研究

空气质量预测在国内的关注度日益提高,传统的空气质量预测系统通常运用数值化学传输模型,利用物理方程来计算污染物的扩散、沉降和化学反应。而化学传输模型的预测准确性很大程度上需要依赖详细的污染源排放信息和气象模型的输出结果。基于统计模型的OPAQ空气质量预报业务系统,采用人工神经网络算法,可预测各污染物的日均值或日最大值。并对北京空气质量预报的结果进行了评价,OPAQ空气质量预报业务系统对空气质量预测的准确性较高,能够利用较低的计算资源得到较为准确的预测结果。与数值预报相比,OPAQ空气质量预报业务系统不需要大量的基础数据作为输入,可弥补数值预报的不足,并成为数值预报的有力补充。     

基于HRS和GIS的城市污染场地动态监测原理分析

选择有代表性的城市场地,运用网格法土壤采样,并通过实验室化学分析得出土壤的重金属等污染物质含量,运用地物光谱仪在实验室设定条件下测定土壤反射光谱,应用偏最小二乘法（PLS）建立高光谱遥感（HRS）影像定量反演模型,预测场地土壤中各种污染物的含量,并在遥感影像中直观表示。结果表明,HRS技术能提供大量、连续性的光谱信息;PLS模型为大尺度城市场地污染快速评价与监测提供了可能性;并通过结合G IS技术可实现城市污染场地的动态监测,为城市公共管理提供决策支持。     

基于双指标多等级的土壤重金属生态风险评价

采用土壤中重金属的全量和有效态双重指标,建立基于多等级综合评估的土壤中重金属生态风险评价模型,将联合概率曲线法引入土壤评价模型,分析重金属暴露浓度与毒性数据的概率分布,考察重金属对土壤生物的毒害程度,从而确定土壤中重金属对于生态系统的风险。建立从简单到复杂的多等级综合评价方法,表征重金属的污染等级、浓度效应、多种重金属污染物的协同效应、不同重金属的毒性效应和土壤对不同重金属污染物的敏感性。选择典型地区采集有代表性的土壤样品,测定不同重金属的总量和有效态,验证评价模型的实用性和评价分级的合理性。旨在解决土壤重金属风险评价的方法学问题,为土壤环境质量管理提供支持。     

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。     

基于人工神经网络的夜光藻密度预测模型

利用人工神经网络 BP算法 ,对各种理化因子与赤潮中夜光藻密度建立了人工神经网络预报模型 ,并利用该模型对各种理化因子与夜光藻密度的非线性对应规律进行了研究。结果表明 ,模型较好地反映了存在的对应规律     

未确知测度模型在城市环境空气质量评价中的应用

基于环境空气的信息不确定性特点,运用未确知数学理论,建立了城市环境空气质量评价的未确知测度模型。根据未确知测度的大小,确定样本所属的质量级别及样本间的优劣排序。以唐山市为例,运用所建模型对其环境空气质量状况进行了评价。研究表明,未确知测度模型对于多指标的城市空气质量评价,理论上是可行的,结果是可信的。     

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．     

我国高速公路周边土壤重金属污染现状及研究进展

以我国高速公路周边土壤重金属为研究对象，综述了我国高速公路周边土壤重金属污染特征、影响因素、来源、环境风险及其研究进展。高速公路周边土壤主要受Pb、Cd、Cr、Cu、Zn等重金属污染，主要呈现指数分布、偏态分布和两者混合分布等特点，并且受到土地利用、风向、地形、车流量等多种因素的综合影响。土壤重金属的来源除了受成土母质等自然因素影响以外，公路交通和周边工农业活动也会对其来源产生较大影响。传统的土壤重金属评价方法主要采用单因子指数法、地累积指数法、生态风险评价法等对重金属的污染等级和环境风险进行评价。未来的研究应将重金属形态分析、空间和地统计分析、重金属稳定同位素示踪和源解析模型以及预测模型等多种手段相结合，开展高速公路周边土壤重金属的污染特征、时空分布、来源及预测预警研究等，为我国高速公路沿线工农业生产布局及其土壤重金属污染防控提供科学依据和决策支撑。     

物元分析法用于水环境质量的评价比较

对物元分析理论在水环境质量评价中的应用进行了探讨，叙述了方法的原理、模型及计算过程。运用物元分析法、多目标决策的优序法和密切值法对实例进行了评价比较。结果表明，物元分析法结构合理，计算简便适用，分辨率高，排序结果与实际环境质量状况较符合，方法是可行的。     

物元分析法在土壤重金属污染评价中的应用

针对实际中的土壤重金属污染状况是渐变的、模糊的,采用物元分析模型法通过建立物元矩阵,引用毒性响应系数对模型中权重的计算方法进行改进,并将改进的物元分析模型对广西环江某受铅锌矿影响的土壤重金属污染状况进行评价分析。结果表明,该区域土壤受重金属污染严重,尤其受Pb、Cd的影响更为严重,此评价结果符合当地的实际情况,同时与潜在生态危害指数评价结果一致,说明物元分析法在土壤重金属污染评价中的应用是合理的,其评价结果具有可靠性。     

水质综合评价的么工向基函数网络模型

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。     

渭-库绿洲耕层土壤砷含量高光谱估测研究

以新疆渭干河-库车河三角洲绿洲耕层土壤为研究对象，通过对原始光谱反射率(R)、包络线去除(CR)和一阶微分(R′)变换光谱数据结合连续小波变换生成小波系数，筛选出与砷含量具有极显著相关性的特征波段(P<0.001),运用偏最小二乘回归、BP神经网络、随机森林回归及支持向量机回归分析方法建立耕层土壤砷含量的高光谱估测模型。结果表明，经一阶微分结合连续小波变换处理后，光谱数据与砷含量之间的相关性提升尤为明显。综合考虑各模型估测精度及稳定性，认为R′-CWT-2⁶-SVMR模型可作为研究区耕层土壤砷含量的最佳估算模型，其训练集和验证集的决定系数(R²)分别为0.753和0.740,均方根误差(RMSE)分别为1.350 mg/kg和1.819 mg/kg,相对分析误差(RPD)分别为2.03和2.00。     

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。