基于概率论和BP网络的水质评价与灰色动态预测模型

讨论了BP网络模型存在的不足。提出了建立合理的BP网络模型的基本原则和步骤。针对水质评价与预测问题。通过在各类水质污染指标浓度区间内生成随机分布样本的方法。组成足够多用于BP网络训练、检验和泛化能力评定用的样本。建立了南京市秦淮外河水体水质评价的BP网络模型：给出了区分不同类别水质的模型分界值样本和模型输出分界值。用概率分布理论分析处于相邻类别水质过渡状态水体的水质属性。建立的水质评价模型应用于实例表明。南京市秦淮外河水体1991—1996年水质为V类向IV类转变。1992年水质最差，1996年水质最好。灰色动态预测模型计算表明。从1997到2001年。南京市秦淮外河水体水质逐年变好。     

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。     

一种基于电化学检测的新型水质综合评价方法

文章建立了一种准确、有效、适用于远程监控的新型水质综合指数(WQCI)评价方法。该方法是基于可采用电化学传感器测量的水质五参数指标:温度(T)、溶解氧(DO)、氧化还原电位(ORP)、电导率(K)、酸碱度(p H),结合数学统计K-star模型以《地表水环境质量标准》(GB-3838-2002)为参照标准,通过K-star模型的分类和运算得出未知水体水质类别。同时还对此水质综合指数(WQCI)评价方法进行了一系列的优化实验,并将检测结果与环保局发布数据做了比较分析,发现结果基本一致。与其它的水质综合评价方法相比,该方法能够实现检测参数所用仪器的一体化,便于现场和远程自动监控分析。若与网络技术结合起来,则可实现水质实时、在线监测。     

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.     

径向基函数神经网络在水质评价中的应用

采用径向基函数 (RBF)来构造多层前馈BP神经网络 ,根据某流域水系的水质监测数据 ,建立一个对地表水质进行判别的多层前馈网络数学模型。以地表水质污染主要的七项指标为训练样本 ,利用该网络对水质进行评价 ,并将计算结果与其它方法进行比较分析。结果表明 ,该方法收敛速度较快 ,预测精度较高 ,效果好。     

事故出流时河流综合水质的计算机预测方法研究

河流上游的污水排放口或倒虹管等污水构筑因有可能发生事故出流而对下游的取水口存在着潜在的威胁，常规的单参数模型不能就事故出流对下游的影响作出公正评价。本文以QUAL－Ⅱ模型为骨架，以生动形象的动画形式演示出在整个排污过程中多个水质参数沿河道分布的变化全过程，并且，在模型中融入隶属度BP神经网络综合评价水质的模块，用它来对发生事故出流时下游取水口水域的水质变化进行综合评价，最后通过一个例子说明了该方法的优越性和合理性。     

海水水质富营养化评价的集对分析方法

建立了利用集对分析方法进行海水水质富营养化综合评价的新模型，并通过实例研究评价效果，与BP人工神经网络方法比较，集对分析方法评价模型严谨，评价结果合理、精细、分辨率高，取得了满意的结果，为海水环境质量综合评价提供了一种简单而适用的评价方法。     

环境质量分析与评价

X824 9403338用形象分级法对水体水质进行评价/陈沂(水利部天津勘测设计研究院)lj水文/水利部本刊编辑部一1994,(l)一41一们环情P一36 在评价水体质量的工作中只用单项参数来评一28一价是很不全面的,如何对水体水质进行综合评价方法很多,归根到底均决定于单项评价参数的计算。本文提出了一种新的单项参数指标模型,该模型具有如下优点:1.它把以往几个单项参数指标的公式概括为一个通用公式,就连pH值也可用它计算指标;2.它不仅可以进行多级分类标准,也适用于单一的评价标准;3计算指标形象直观;4.该模型中把各单项参数指标均统一到各自分级的…     

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。     

基于韦伯-费希纳定律的海域水质综合评价

基于韦伯-费希纳定律的基本原理,以表征海域水质的DO、COD、PO4-P、无机氮、石油类等参数作为评价指标,通过确定海域水环境质量等级与综合影响指数k i间关系,综合评价海域水环境质量。本研究以渤海湾近岸海域5个监测点为实证案例,并与BP人工神经网络评价结果进行比较分析。结果表明,韦伯-费希纳定律物理意义明确、计算过程简便,评价结果准确,是一种新颖的海水水质综合评价方法。     

BP及RBF人工神经元网络对臭氧生物活性炭水处理系统建模的比较

 运用BP和RBF人工神经元网络建立臭氧生物活性炭系统模型，考察了两个网络对水处理系统建模的适应性。研究表明，BP和RBF人工神经元网络的臭氧生物活性炭系统模型准确地描述了系统影响因素的关系，可以求出系统中臭氧的经济投量；用BP人工神经元网络建立水处理系统模型，泛化能力好，但逼近速度较慢；运用RBF人工神经元网络建模，泛化能力较差，但逼近速度快。该项研究克服了运用传统方法建模的不足，为实现水处理系统的优化设计提供了可行的途径。     

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.     

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。     

Prediction of the concentration of chlorophyll-a for Liuhai urban lakes in Beijing City

The weekly water quality monitor data of Liuhai lakes between April 2003 and November 2004 in Beijing City were used as an example to build an artificial neural networks （ANN） model and a multi-varieties regression model respectively for predicting the fresh water algae bloom. The different predicted abilities of the two methods in Liuhai lakes were compared. A principle analysis method was first used to select the input variables of the models to avoid the phenomenon of collinearity in the data. The results showed that the input variables for the artificial neural networks were T, TP, transparency（SD）, DO, chlorophyll-a （Chl-a）,pH and the output variable was Chl-a. A three layer Levenberg-Marguardt feed forward leaming algorithm in ANN was used to model the eutrophication process of Liuhai lakes. 20 nodes in hidden layer and 1 node of output for the ANN model had been optimized by trial and error method. A sensitivity analysis of the input variables was performed to evaluate their relative significance in determining the predicted values. The correlation coefficient between predicted value and observed value in all data and in test data were 0.717 and 0.816 respectively in the artificial neural networks. The stepwise regression method was used to simulate the linear relation between Chl-a and temperature, of which the correlation coefficient was 0.213. By comparing the results of the two models, it was found that neural network models were able to simulate non-linear behavior in the water eutrophication process of Liuhai lakes reasonably and could successfully estimate some extreme values from calibration and test data sets.     

应用神经网络对地下水反硝化效果预测与验证

应用人工神经网络对生物脱氮工艺进行预测并验证。采用工艺参数如COD、NO3-N、NO2-N、DO等作为输入节点,COD、NO3-N作为输出节点。结果显示神经网络能够较好地预报出水的水质参数。出水硝酸盐和COD预测结果与试验结果符合得较好,相对误差分别在10％和5％范围内。     

神经网络模型在环境现状评价中应用研究

人工神经网络技术具有很强的非线性映射能力和并行性、自适应、容错性及自学能力,已广泛应用于包括环境在内的多学科领域。文章将人工神经网络技术应用于环境影响评价中,通过案例研究用人工神经网络解决环境评价中的问题。以山西吕梁地区环境影响评价为案例,选择人工神经网络中的BP网络,径向基网络和自组织竞争网络等三种网络模型对其进行环境影响现状评价,并对评价结果作对比分析,通过网络设计、网络训练和模拟,结果说明BP神经网络模拟结果比其它两种方法更贴近环境质量现状。同时对不同参数选取得到的结果进行分析,并经过网络参数的不断调整提高评价结果的精度,总结出各种神经网络模型在环境评价应用过程中参数的选取方法。尝试用神经网络解决环境评价中的问题,使环境工作中的方法技术更科学。     

Prediction of the concentration of chlorophyll-α for Liuhai urban lakes in Beijing City

Introduction The eutrophication of fresh w ater has becom e a m ain w ater environm ental problem in the w orld. The m ain negative im pacts of fresh w ater eutrophication are w ater quality deterioration and the decrease of hydrophytes and aquatic specie…     

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。