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常数

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、预测了一批含硫芳香族化合物的一级好氧生物降解速率常数．结果表明,由于神经网络自动考虑了基团间的交互作用,它对生物降解这类复杂问题有极高的求解能力,预测的均方误差为０．００１０２,远低于线性回归模型的预测误差０．０１５９１     

人工神经网络及分子拓扑参数在酚类有机物QSBR研究中的应用

利用分子拓扑参数作为输入参数,探索了人工神经网络对２７种酚类有机物的定量结构－生物降解性能关系（ＱＳＢＲ）。结果表明,将人工神经网络运用于有机物的生物降解性能建模是可行的。所建模型预测结果和文献数据十分接近,预测能力优于已有文献报道,且能够较好区分同分异构体。     

基团贡献法对取代苯类化合物生物降解性的预测

测定了 47种取代苯类化合物在松花江水中的 5日生化需氧量 (BOD5) .分别采用线性基团贡献法和非线性基团贡献法(人工神经网络法 )对化合物的生物降解性BOD5 ThOD(ThOD :理论需氧量 )进行QSBR研究 .得到不同基团对生物降解性的贡献为 :C6H5>COOH >OH >CH3 O CH3 >NH2 >Cl >NO2 .线性基团贡献法对于训练组和测试组的定性预测正确率分别为72 %和 86 % ;而人工神经网络法的预测正确率分别为 92 %和 86 % .预测结果表明线性和非线性基团贡献法的预测效果都很好 ,相比而言 ,非线性方法对生物降解性的预测更准确     

人工神经网络在道路交通噪声预测中的应用

人工神经网络具有很强的预测功能，根据某公路交通噪声的实测数据，应用人工神经网络进行道路交通噪声的预测，经检验，计算值与实测值接近，从而为道路交通噪声的预测提供了一种新的途径。     

BP人工神经网络预测邻苯二甲酸酯光化学降解

将反向传播人工神经网络（BP－ANN）用于邻苯二甲酸酯类化合物的光化学降解的预测中，选取正交设计的试验点作为反向传播人工神经网络的训练集，实现对全实验域试验点的预测，并与实测的试验数据比较。结果表明反向传播人工神经网络（BP－ANN）具有良好的预测能力。     

基于人工神经网络模型预测ABR反应器处理效率

ABR反应器的处理效率受多方面的因素影响，本文通过BP人工神经网络，利用ABR反应器进水CODcr浓度、容积负荷、温度、稳定运行时间四个参数对其反应器处理效率进行预测。结果表明，BP人工神经网络可较好的用于ABR反应器处理效率的预测，具有较高的精度，在实际生产中，可以运用人工神经网络，对ABR反应器的运行参数进行调整，使之达到最优化的运行状态。     

用德尔菲法判断有机物厌氧生物降解性的研究

从工程实践的观点出发，提出了一个评价有机物厌氧生物降解性的函数，并力求用专家预测法－德尔菲法来判断有机物的厌氧生物降解性。     

二维水质模型横向扩散系数的人工神经网络模拟

将人工神经网络的理论和方法引入河流横向扩散系数的理论预测中，提出了基于BP人工神经网络的横向扩散系统预测模型，应用国内外河流的实测样本对模型进行训练与检验表明，该模型用于横向扩散系数的计算不仅可行而且精度较高，为河流横向扩散系数预测研究开辟了新途径。     

有机化合物结构与生物降解性分类模型研究

采集包含我国近5 a申报的新化学物质在内共172种有机化学物质的28 d快速生物降解性实验测试数据,运用支持向量分类方法建立生物降解性预测分类模型,并应用该模型对测试集化合物和10种验证测试物质进行预测。预测结果表明,该模型具有很好的预测分类能力,有效反映了有机化合物结构与生物降解性间的内在关系,可广泛用于化学物质生物降解性的初步估算,确定进一步的化学品管理与实验测试要求。     

基于遗传算法的人工神经网络在降水酸度预测中的应用

在误差反向传播(Back Propagation)算法的人工神经网络结构模型的基础上，应用遗传算法训练神经网络权重，实现网络结构的优化。用优化后的BP人工神经网络建立了江西省南昌市的降水酸度预测模型。并将该模型预测结果与BP算法和多元线性回归法的预测结果进行了比较。检验结果表明：基于遗传算法的人工神经网络优于BP算法及多元线性回归法，具有良好的预测效果。     

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。     

BP人工神经网络模型在拉萨道路交通噪声预测中的应用

针对拉萨市道路交通噪声污染问题，运用人工神经网络理论和方法对拉萨市道路交通噪声的等效连续声级进行预测。经检验，计算值与实测值接近，从而为道路交通噪声的预测提供了一种新的途径。     

应用BP神经网络预测城市需水量的探析

在对辽宁省营口市城市需水量预测中，采用BP人工神经网络方法对该市人均综合用水量进行预测。进而预测出城市需水量，取得了满意效果。从精度检验、数据类比和趋势分析等角度，论证了此种预测方法的可行性和有效性。     

水质评价及预测的神经网络方法

本文基于模糊混合聚类法进行水质评价工作，重点讨论了采用人工神经网络方法进行水质评价及预测的可通用性及有效性，为进一步建立一个水质评价及预测的知识库指出了一个良好的途径。     

基于支持向量机的浮游植物密度预测研究

利用支持向量机方法对具有非线性及突发性特点的浮游植物密度进行了预测,同时与人工神经网络方法预测的结果进行了比较.结果表明,无论是拟和能力还是预测能力,支持向量机方法都明显优于人工神经网络方法,支持向量机方法比较适合于具有小样本、非线性特点的浮游植物密度预测研究.     

酚醚的生物降解性构效关系研究

烷基酚聚氧乙烯醚类非离子表面活性剂分子中烷基带支链和苯环，从理论而言生物降解性较差，但由于生产成本低，化学稳定性优，仍大量用于纺织印染、乳液聚合等领域，使用后排入环境中，对环境、生物将造成不利影响。有鉴于此，对这些物质进行生态风险预测十分必要，其生物降解性能的研究具有重大意义。     

基于人工神经网络的工作面煤与瓦斯突出预测方法

在全面分析了煤与瓦斯突出影响因素的基础上，提出了煤与瓦斯突出预测的人工神经网络模型，介绍了突出特征指标的选取及表示方法与推理过程，实例分析表明，模型精度很高，可用于工作面煤与瓦斯突出预测。     

人工神经网络模型在洋河水库总磷预测中的应用

从总磷预测模型的适用性出发，提出用人工神经网络技术进行总磷预测的新思路，利用洋河水库近６年（１９９１～１９９６）的总磷及水质影响因子数据进行练习后，对９７年水库的总磷浓度进行了预测，并和实例值比较，结果令人满意。     

人工神经网络模型在洋河水库总磷预测中的应用

从总磷预测模型的适用性出发，提出用人工神经网络技术进行总磷预测的新思路，利用洋河水库近６ 年（１９９１～１９９６）的总磷及水质影响因子数据进行练习后，对９７ 年水库的总磷浓度进行了预测，并和实测值比较，结果令人满意。     

环境规划与环境管理

X32 9801970环境污染预测的人工神经网络模型/李柞泳…(成都气象学院)//成都气象学院学报/成都气象学院一1997,12(4)一279~283 环信N一71 用基于B一P算法的人工神经网络,提出了建立环境污染物浓度预测的方法,并通过一个大气污染物502浓度的人工神经网络预测实例,证实了人工神经网络用于环境污染预测的可行性。表3参7排污收费对企业污染控制技术创新激励作用的研究/郭京菲…(清华大学环境工程系)//环境污染与防治/浙江省环保局一1997,19(5)一19~22 环信X一3 运用模型方法研究了排污收费和行政手段对企业污染控制技术创新的激励作用,为环境…