基于自适应遗传小波神经网络的水质评价建模

水环境污染过程的非确定性和非线性,使得传统的水质评价方法存在局限性。为了提高水质评价的准确性,提出了一种基于改进小波神经网络(wavelet neural network,WNN)的水质评价模型。采用自适应遗传算法(adaptive genetic algorithm,AGA)对小波神经网络的初始权值进行优化,再通过小波神经网络算法对网络进行训练,最后对训练好的网络展开测试。仿真结果表明,自适应遗传算法和小波神经网络的结合提高了网络的训练效率,该方法可以用于水质评价建模,并且评价结果具有较高的精度和准确性。     

基于T-S模糊神经网络的大沽河水质变化特征分析研究

基于T-S模糊神经网络,利用大沽河2010年-2015年水质监测数据,选取溶解氧、化学需氧量、高锰酸盐指数、氨氮、总氮、总磷对水质具有重要影响的6项指标,建立适用的水质评价模型,对大沽河水质变化特征进行分析.结果显示:上游水质评价结果明显优于中游、下游水质评价结果,网络评价水质等级变化趋势同真实指标数据变化趋势一致.验证结果充分表明了T-S模糊神经网络用于水质变化特征分析是可行、有效的.     

基于神经网络模型的水质监测与评价系统

对水环境的监测与评价，可以掌握水质现状及其发展趋势，为水资源的开发利用和管理提供科学依据。水质评价是建立在水质监测基础之上的。首先结合我国水环境监测技术规范与标准，合理地选择监测项目与监测仪器，建立水质监测系统。然后在水质监测所获数据基础上，运用人工神经网络的理论和方法，通过BP网络不断的学习与训练，归纳出评价标准与评价结果间复杂的非线性关系，建立水质评价的BP神经网络模型系统。经实际应用表明，该系统具有很强的学习、联想和容错功能。为水质监测与评价提供了一条新的途径。     

基于BP神经网络的义水河水环境质量评价研究

水质质量涉及多个影响因子,因子间大多具有非线性相关性,因此,水质评价是一个具有多因子的非线性系统。人工神经网络具有非线性映射的特点,能够有效地处理非线性相关问题,将其应用于水质评价中能够获得更为准确的信息。文章以溶解氧、高锰酸盐指数、化学需氧量、氨氮、总磷、石油类等6个指标作为评价因子,通过构造BP网络模型对义水河水质进行评价,分析了义水河4个断面的水质状况,并与单因子评价法结果进行了比较分析。     

水质综合评价的人工神经网络模型

为探讨水质综合评价的客观方法,以成都市金堂县东风水库水质资料为例,建立了地面水水质综合评价的BP网络和Hopfield网络模型。BP网络模型以单输出代替多输出可保证评价结果的唯一性。Hopfield网络更优于BP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,而且使水质评价形象化     

模糊数学法在给水管网水质评价中的应用

针对水质评价中存在的评价结果难于量化的问题,利用模糊数学的基本原理,建立了针对给水管网监测水质的模糊评价模型。利用该评价法对某市部分给水管网的监测水质进行了评价。评价结果表明,综合模糊数学评价法具有评价准确性好、操作简单的优点。     

学习率有限监督调整BP网络在水质评价中的应用

以地表水环境质量标准基本项目标准限值为依据,随机生成标准样本和检测样本,采用学习率有限监督调整BP网络建立水质评价模型。完成网络训练的模型对检测样本进行检验评价,检验结果表明,该人工神经网络水质评价模型具有较高的精度,同时,可以避免人为主观因素对水质评价的影响,保证了水质鉴定的科学性和公正性。     

基于BP神经网络的水质评价及水质时空演变趋势研究

根据2011年~2015年水质逐月监测数据,采用BP神经网络模型和综合指数评价法对嘉陵江南充段干流的水质进行评价,并分析水质演变规律的主要影响因子;探讨嘉陵江南充段地表水最适评价方法以及水质的演变规律。结果表明:(1)BP神经网络与综合指数评价法的评价对比结果表明,BP神经网络具有评价客观、应用方便的优点。(2)2011~2015年间,南充市重点河流的水温、p H、TN及Chl-a具有夏季较高,冬季较低的季节变化趋势;BOD_5、NH_4^+-N和TP存在明显的年际变化,2012年后,超标的监测指标有所下降且变化趋势平稳。(3)相关性分析表明,NH_4^+-N是影响水质的主要因子,而水温、DO、BOD_5、COD_(Mn)、TN、TP具有较强的相关性。(4)空间聚类分析表明,沿下游方向河流水质污染加重。水质评价指标中NH_4^+-N、Chl-a、COD_(Mn)、BOD_5与沿岸的城镇宅基地和工业用地、农村宅基地和鱼塘的面积呈显著正相关,且具有较强的相关性。最后提出污染减排、生态修复的水体污染的防治策略,为嘉陵江及我国的水污染防治与管理提供参考。     

基于遗传算法的改进BP神经网络模型在水质评价中的应用

为了确定水体类别，引入人工神经网络理论并通过建立BP神经网络模型对水体的质量、利用价值和处理要求进行评价。针对BP网络应用中存在的问题，建立了基于遗传算法的改进BP神经网络模型，并阐述了训练样本产生、数据归一化、构建网络拓扑结构、初始权重及阀值确定等应用过程。通过实例分析表明，该模型应用于水质评价具有客观性和实用性。     

基于随机样本的BP模型在水质评价中的应用

运用BP(误差反向传播)模型对水环境质量进行综合评价,主要针对以前BP模型在水质评价中存在的学习训练样本过少,没有检验样本等问题,用随机数发生器在每个级别范围内产生大量的数据作为训练样本和检验样本,并尝试以MSE函数生成均方误差作为检验样本的输出值与期望输出值的比较,检验网络评价未知样本的能力,大大提高了神经网络评价水质时的精度。     

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。     

基于PSO算法的BP神经网络对水体叶绿素a的预测

BP神经网络(Back Propagation Network)在水体富营养化评价及预测中已广泛应用,但传统BP算法的收敛速度慢并易陷入局部最优. 提出了一种基于微粒群(PSO)算法的BP神经网络模型,利用PSO对神经网络的权值进行修正,优化神经网络结构及算法全局收敛性. 选择最能代表明湖水质状况的5号采样点作为研究对象,把2009年4月—2010年3月的月样本插值为周样本,对明湖ρ(Chla)的短期变化趋势进行了预测,并用6号采样点数据来验证网络的泛化能力. 比较分析基于PSO算法的新模型与传统BP算法模型的预测精度表明,新模型有效克服了传统算法的缺点,提高了网络的预测能力和学习能力.      

船舶溢油事故等级评估方法比较

船舶溢油事故等级评估是船舶溢油应急计划研究的重要内容,它受到溢油量、事故发生位置等多种因素的影响,是复杂的多属性分类问题.利用熵值法、关联度法和BP神经网络法3种目前常用的事故等级评估方法,对上海港1984─2003年发生的12起船舶溢油事故进行了危害等级判定,以期探索溢油事故等级合理量化评估技术方法.对比了3种方法在结果一致性、误差精度上的优劣性及实际适用性.结果表明:BP神经网络和关联度法适用性较好,熵值法必须结合专家打分才能得到较好的判定结果;同时BP神经网络法的评估结果一致性比率较高,误差率较低,但存在建模成本高和对噪声较敏感的缺点.      

基于BP神经网络的Falcon分选电子废弃物预测模型

Falcon分选电子废弃物的影响因素主要有水压、转动频率、入料浓度,为了进一步研究影响因素与分选效果的关系,文章利用Design-Expert 7.1软件设计出三因素三水平的实验条件,利用Falcon分选得出数据。将实验数据和BP神经网络相结合,将影响因素作为神经网络的输入,品位和产率作为输出,经过BP训练后得到输入与输出的关系。对实验影响因素与分选效果的关系进行分析,结果与实际情况比较吻合。运用MATLAB实现BP神经网络仿真,仿真结果与最小二乘法下的结果相比较误差较小,输出向量与实际实验结果接近。     

基于人工神经网络的松花江朱顺屯断面的水质预测

利用BP神经网络进行短期水质预报并进行水质预测后再评价对环境管理和规划有重要意义。本文建立了朱顺屯断面5个目标水质参数NH3-N、DO、高锰酸盐指数、TN和TP的BPANN水质预测模型,并对实例进行了验证,结果表明建立的推进式ANN可以应用于此类时间序列的环境预测,网络泛化性能好,能够满足实际应用。     

城市环境质量定量评价方法

文章基于对于城市环境质量的评价方法的研究,阐述了各类评价方法的优缺点,着重介绍了物元模型、投影寻踪评价法、神经网络、遗传算法优化神经网络四种定量评价方法,并介绍了各类方法在城市环境质量评价中的应用现状.     

基于Metropolis准则的BP模型改进及在太湖Chl-a预测中的应用

水体富营养化及藻华暴发已成为湖泊治理中的主要问题,利用历史监测数据,采用BP神经网络对水体中叶绿素a(Chl-a)浓度进行预测,已成为藻华预警的主要手段.但该方法存在迭代速度慢、易陷入局部极值等局限性,导致产生拟合结果不优或预测误差较大等问题.利用Metropolis接受准则的全局寻优能力,将其与BP神经网络相结合构建...