城市空气质量的BP和RBF人工神经网络建模及分类评价

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。     

BP网络模型在朝阳地区大气污染预报中的应用

目前,人工神经网络理论发展迅速,并在模式识别和系统辨识中得到广泛应用。而其中采用误差反向传播方法(Back Error Propagation)的BP网络模型是目前应用最为广泛的神经网络模型之一,它是一种简单而又非常有效的算法。本文应用人工神经网络方法,在模拟人脑的思维方式下,建立了大气污染物浓度的神经网络预报模型,并将计算结果与监测值进行了对比验证,计算结果表明,BP模型应用于大气污染物浓度预报具有较高的预报精度。     

人工神经网络在环境科学中的应用研究

以B-P网络为例介绍了人工神经网络模型的应用原理。以开拓人工神经网络在环境科学中的应用范围为目的,综述了几种常用神经网络模型在环境预测与评价2方面的应用性能。结果表明:人与环境关系的科学量度是多方位、多因素的非线性模糊问题,而人工神经网络模型具有解决该类问题的独特优点。针对不同环境问题,优选模型,开拓人工神经网络方法在环境科学中的应用范围,为环境问题的解决提供新的技术手段。     

基于MATLAB的BP神经网络模型在漠阳江水质评价中的应用研究

为提高水质评价的准确性,基于MATLAB及人工神经网络理论,采用误差反向传播的BP算法建立漠阳江水质评价模型,充分利用神经网络的非线性映射特性,取7项常规地表水水质评价指标对漠阳江水质进行评价,并将BP神经网络评价结果与单因子评价法及综合指数法的评价结果进行比较,网络运行结果表明一致效果良好.同时较传统的水质评价方法,该网络具有较高的识别精度,提高了水质评价等级的准确性,使评价的结果更具有科学性.     

基于遗传算法的人工神经网络大气环境评价

人工神经网络模拟大脑的认知功能,通过改变连接点的权值和阈值来训练神经网络完成特定的功能。运用基于遗传算法的BP网络模型,以国家大气质量标准作为网络的输入样本对网络进行训练,对某地区大气质量进行评价,结果与综合指数法比较吻合。     

基于BP神经网络的高校校园安全评价模型及其应用

本文将人工神经网络应用于高校校园安全评价中,建立了采用LM算法的三层BP神经网络高校校园安全评价模型,并参考国内对校园安全评价的研究成果,建立了校园安全评价指标体系,通过专家打分获得训练样本,用trainlm训练函数训练网络进行实例分析,其评价结果与实际一致,验证了该评价模型的适用性.该模型可以利用已有的比较成功的校园...     

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。     

人工神经网络在科学中的应用研究

以Ｂ－Ｐ网络为例介绍了人工神经网络模型的诮原理，以开拓人工神经网络在环境科学中的应用范围为目的，综述了几种常用神经网络模型在环境预测与评价２方面的应用性能。结果表明：人与环境关系的科学量度是多方位、多因素的非线性模糊问题，而人工神经网络模型具有解决该类问题的独特优点。针对不同环境问题，优选模型，开拓人工神经网络方法在环境科学中的应用范围，为环境问题的解决提供新的技术手段。     

神经网络技术在单机应变寿命监控中的应用研究

目的解决单机应变监控载荷模型中非线性问题带来的误差。方法基于人工神经网络技术,结合某型飞机典型盒段试验件有限元模型,建立用于单机应变寿命监控的神经网络载荷模型,利用随机选取的测试数据对模型的精确性进行验证,并与多元线性回归模型进行对比分析。结果 BP神经网络载荷模型的预测值比较贴近实测值,同时要优于多元线性回归模型的预测结果。结论 BP神经网络载荷模型可以用于单机应变监控,而且预测精度更高,可以更加准确地把握平尾的损伤情况。     

人工神经网络法在大气污染预报中的应用

以鞍山市为例,应用人工神经网络方法,模拟人脑的思维方式,建立了大气污染物浓度的神经网络预报模型,并将计算结果与监测值进行了对比验证,计算结果表明,BP模型应用于大气污染物浓度预报具有较高的预报精度。     

基于粗集、遗传神经网络的环境质量评价

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。     

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     

BP人工神经网络对长春市土壤质量评价

本文针对城市土壤重金属污染问题,以长春市为例运用人工神经网络理论及方法,建立土壤环境质量评价的BP人工神经网络模型,通过实例分析,并将评价结果与模糊综合评判结果进行了比较,说明运用该模型评价土壤环境质量不但能使评价结果精度大大提高,而且是切实可行的。     

Implementing remote sensing strategies to support environmental compliance assessment: A neural network application

Environmental compliance assessment and enforcement are complex, labor intensive tasks that would benefit from some form of decision support. Despite the well-documented application of remote sensing in environmental analysis and assessment, the operational use of this technology for environmental compliance enforcement remains in its infancy. Because the majority of environmental laws and regulations in the United States were enacted prior to the emergence of a mature science of remote sensing, there exists a degree of skepticism regarding the operational utility and reliability of remotely sensed data as an environmental compliance tool. This paper provides a review of the role of remote sensing in environmental compliance assessment and introduces a framework to guide the application of this technology based on the use of artificial neural networks. The customized neural networks developed in this study serve as a simplifying strategy to assist the process of compliance monitoring. Functioning as “intelligent” classifiers, the network models provide a spatial characterization of activities likely to cause damage; achieving mapping accuracies that ranged from 68 to 90% for the test case samples selected for investigation.     

基于概率神经网络的城市湖泊生态系统健康评价研究

概率神经网络(PNN)是一种结构简单、训练简捷、应用十分广泛的人工神经网络,并且在水质分类等环境领域已取得一定研究成果.本文选取广州市最大的人工湖——白云湖作为研究对象,结合其水质监测数据及生物监测数据,建立概率神经网络模型对其进行湖泊生态系统健康评价,得到不同监测时间点的湖泊生态系统健康评价结果.分析表明:1白云湖生态系统比较脆弱,目前净化水质的效果有限;2各监测点的评价结果均呈季节性变化,丰水期湖泊生态系统健康状态好于枯水期,年际变化不显著.实验结果表明,利用概率神经网络对湖泊生态系统健康状态进行评价是可行的,与传统评价方法相比,其具有训练时间短、权重确定客观、输出结果稳定等优势,可以运用到更多相关领域.     

阳宗海湖滨湿地环境因素对沉积物砷赋存形态的影响及浓度水平预测

湖滨湿地独特的水文条件区别于其他生态系统,环境因素变化频繁,对沉积物中污染物形态影响显著.以阳宗海南岸湖滨湿地表层沉积物为研究对象,探究不同季节的S-TAs（沉积物中总砷）、不同形态砷质量分数及环境因素时空分布特征,以及环境因素与不同形态砷分布的关系,同时基于逐步回归和BP神经网络模型对沉积物中4种不同形态砷（弱酸提取态砷、可还原态砷、可氧化态砷、残渣态砷）质量分数进行预测和比较.结果表明:①夏季ρ（W-TAs）（W-TAs为水体总砷）、w（S-TAs）（S-TAs为沉积物总砷）略高,且ρ（W-TAs）处于GB 3838-2002《地表水环境质量标准》Ⅲ级限值（0.05 mg/L）和Ⅴ类限值（0.1 mg/L）之间,冬季物理指标pH、ρ（DO）、E_h（氧化还原电位）、电导率（TDS）、w（OM）均较高,沉积物pH（记为S-pH）、ρ（DO）与E_h存在明显的季节性差异（P < 0.05）.②湖滨湿地沉积物中活性砷（弱酸提取态砷、可还原态砷、可氧化态砷）质量分数之和所占比例为17.70%~62.59%,80%采样点的活性砷的质量分数较低,对生态风险影响较小,S-pH、ρ（DO）、E_h对不同形态砷的质量分数影响显著（P < 0.05）,同时,不同季节湖滨湿地对砷均有明显的拦截作用.③与逐步回归模型相比,BP神经网络预测模型是通过输入层到输出层的计算完成,增强了非线性、自适应性处理能力,不同砷形态质量分数的实测值与预测值的拟合度高达0.999 5,而逐步回归仅为0.374 9,神经网络更准确地预测了不同形态砷的质量分数及时空变化规律.研究显示,湖滨湿地环境因素的变化对沉积物砷赋存形态具有显著影响,因BP神经网络比数理统计线性回归模型更能准确地反映沉积物不同形态砷与环境因子间复杂的非线性关系,预测效果更精确.      

基于神经网络集成的单个飞行事件噪声预测模型

通过分析影响单个飞行事件噪声的各种因素,构建了BP神经网络回归预测模型,并通过自适应遗传算法优选出参与集成的个体神经网络,提出了预测单个飞行事件噪声的神经网络集成预测模型.为了有效保证差异性,设置不同隐藏神经元个数和Bagging算法来构建和训练单个网络.实验结果表明,单个飞行事件噪声的神经网络集成预测模型相对单个BP神经网络模型泛化能力更强,稳定性能更好.本文方法在测试集上误差在3dB以内的平均比率为96.9%,比单个网络高6.8%.     

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.      

海水环境因素与材料腐蚀相关性研究

海洋环境中金属材料的腐蚀速率主要受温度、pH值、溶解氧、盐度等环境因素的影响。基于材料的海洋腐蚀试验数据,分析了海水环境因素与材料腐蚀速率之间的关系,利用线性回归建立了环境因素与材料腐蚀之间的关系,应用人工神经网络BP算法建立了环境因素与材料腐蚀的作用模型,预测结果能较好地反映出海水环境因素对材料腐蚀速率的影响。