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。     

海水水质评价的人工神经网络模型研究

通过在各类海水水质污染指标浓度区间内生成随机分布样本的方法，生成足够多用于人工神经网络模型训练和检验用的样本，并应用基于误差反传原理的前向多层神经网络建立了用于海水水质评价的人工神经网络模型。并根据海水水质标准给出了区分不同类型水质的模型分界样本和模型输出分界值。讨论了确定合理隐层及其节点数的方法，使得训练后的神经网络模型具有更强的泛化能力，不受网络连接权值初始取值的影响。经训练的评价模型应用于实例的评价结果表明，新的评价模型具有较好的客观性、通用性和实用性。     

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。     

基于回归支持向量机的指标规范值的水质评价模型

传统的回归支持向量机的水质评价模型不具有普适性和通用性,当指标较多时,模型的学习效率和求解精度均会受到影响.若适当设定3类水体(地表水、地下水和富营养化水体)各项指标的参照值及指标值的规范变换式,使不同指标的同级标准的规范值差异不大,从而可以认为用规范值表示的不同指标皆“等效”于某个规范指标.因此,可建立用规范值表示的任意m项指标组合皆适用的水质评价的回归支持向量机模型.通过实例对模型的实用性进行了效果检验,结果表明:用基于回归支持向量机的指标规范值的水质评价模型对河桥地表水、黑龙洞泉域地下水和山仔水库富营养化水体的水质评价结果与用BP神经网络评价法、模糊综合评价法和属性识别评价法的评价结果基本一致.     

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     

基于分形维数权重的南水北调东线源头水质评价研究

水质评价问题的实质是对水质现状和各评价因素间的函数关系的逼近,是一种复杂的非线性问题.针对水质评价指标之间的非线性关系,提出了基于分形维数权重的水质评价方法.为有效地评估南水北调东线源头的水质现状,首先选取影响水质评价的7个主要因素,根据标准等级水体分类标准,采用在等级标准中随机内插的方法,得到50个标准等级样本,并根据样本综合评估值与经验等级之间的关系建立分形插值评价模型;最后,以长江江都市芒稻河断面2001—2008年的年平均水质监测数据为例对模型进行验证.结果表明,该方法可以通过分段函数得到每个样本的具体得分值,因而具有较高的分类精度,为水质评价提供了一种较好的新方法.     

基于三角模糊数的贝叶斯水质评价模型

将贝叶斯理论和模糊集理论引入水质评价领域,分别描述了水质评价过程中模型结构和参数的不确定性,建立了基于三角模糊数的贝叶斯模糊综合水质评价模型.对Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ类水分别赋值,并根据监测点水质对各类别的后验概率计算水质的综合得分进而确定水质类别.同时,选取了TP、NH4+-N、COD、DO、As及粪大肠菌群为水质评价因子,将建立的模型应用于2010年洞庭湖水质评价中.结果表明,小河嘴、横岭湖、万子湖、目平湖、洞庭湖出口水质达到Ⅱ类水标准;南嘴、岳阳楼水质为Ⅲ类水;东洞庭湖和扁山水质介于Ⅱ类水和Ⅲ类水之间,对各等级的隶属度分别为0.4983/Ⅲ+0.5017/Ⅱ、0.7962/Ⅲ+0.2038/Ⅱ.各监测点位中,仅南嘴水质未达到相应的水质标准.较均值模型、三角模糊数模型和传统贝叶斯模型而言,基于三角模糊数的贝叶斯水质评价模型对不确定性的表达更为全面、更符合实际.     

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。     

基于概率神经网络的指标规范值的水质评价模型

为了建立地表水、地下水和富营养化3类水体共同适用的概率神经网络的水质评价模型,适当设定3类水体各项指标参照值及指标值的规范变换式,使3类水体不同指标的同级标准规范值差异尽可能小,从而各指标都可用同一个"等效"规范指标替代,因此,概率神经网络隐层各类模式的基函数中心矢量的各指标分量值可视作是相同的,即都等于同级标准所有72项指标规范值的均值。基于概率神经网络的指标规范值表示的水质评价模型用于3类水体评价实例检验,验证了该模型的普适性、简洁性和实用性。     

基于MSLSTM-DA模型的水质自动监测异常数据报警

提出一种基于多元堆叠长短时记忆网络-差值分析(MSLSTM-DA)模型对地表水质异常数据进行报警的方法.该方法首先建立MSLSTM模型对水质指标数据进行预测,再基于预测结果的残差分布建立DA模型,并确定各个指标的数据异常阈值,当实测数据与预测数据差值大于阈值时进行数据报警.以长江流域监测断面的水质数据进行了方法有效性验证.结果表明,构建的预测模型对５个指标的MAE、MAPE均值比BP神经网络预测模型降低21.0%,17.8%,比LSTM模型降低16.8%,17.9%.皮尔逊系数均值比BP神经网络、LSTM模型的分别高5.9%,4.4%.5个指标共检出水质异常数据37条,其中34条经人工判断确实存在有异常,报警准确率高达91.9%.     

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。     

基于熵权的综合指数法在海水水质评价中的应用

将海水水质监测值和标准值相结合,建立水质评价矩阵,通过熵权法确定各评价指标权重,应用综合指数法对泉州湾水质进行评价。结果表明,2000年之前,泉州湾水质虽有所波动,但均明显优于三类水质标准。2001年泉州湾水质出现恶化,但仍优于四类水质标准。该研究改进了传统的海水水质评价方法,计算更为简便,评价结果更合理。     

沭河水质模糊综合评价评价模型建立与应用

根据模糊数学原理,建立了水质模糊综合评价模型,利用该模型对2006年-2009年山东省临沂市沭河水质进行了水质评价。结果表明,（1）该模型计算方法简便且能比较客观的反映评价对象的客观实际和水质变化规律,评价结果更为可靠,是水质综合评价的一种理想、有效的方法;（2）沭河流域水质总体状况良好,一年中I级水的天数为50％、Ⅱ级水的天数为8．3％、Ⅲ级水的天数为41．7％,评价结果与实际相符;评价方法有实用价值。     

针对高溶解氧、高锰酸盐指数的地表水水质评估方法研究

在进行水体研究的过程中,选择适当的评估方法对水体进行评估必不可少。为寻找更加适用于高溶解氧、高锰酸盐指数较高的水体的水质评估模式,在分析现有水质评估方法的基础上,对评价安全性最高的单因子评价法和最能体现生态修复能力的有机污染综合指数评价法进行了比较分析,建立了单因子-有机污染综合指数耦合方法,建立了基于两种方法联合使用的水质分析模式。利用监测数据,分析了该模型应用于高溶解氧与高锰酸盐指数的地表水水质评估的可行性。结果表明,该方法适用于高溶解氧、高锰酸盐指数的地表水水质评估。     

特殊区域地表水环境背景值表征技术方法研究与应用

选取黑龙江省源头水保护区作为研究对象,根据DEM数据对保护区内随机布设的水质监测点控制单元进行划分并提取单元内的相关指标建立监测点背景特性量化模型,基于量化结果提出地表水环境背景值监测方案,建立背景值数据库.选取研究区自然属性指标与空间属性指标,以空间叠置技术与聚类分析方法对研究区地表水进行背景值分区,最终将黑龙江省分为六大地表水水质背景值地理分区,并计算了各分区地表水环境背景值表征范围.表征范围显示：依据现行标准进行水质评价,保护区内水质背景值已超出Ⅱ类水质标准限值.因此,基于水质背景值研究成果提出了考虑背景值影响下的水环境质量评价方法,并将方法应用于研究区,结果表明方法切实可行且优于单因子评价法.研究成果可为区域制定背景值影响下的水环境评价方法提供科学的数据支撑与理论依据.     

特殊区域地表水环境背景值表征技术方法研究与应用

选取黑龙江省源头水保护区作为研究对象,根据DEM数据对保护区内随机布设的水质监测点控制单元进行划分并提取单元内的相关指标建立监测点背景特性量化模型,基于量化结果提出地表水环境背景值监测方案,建立背景值数据库.选取研究区自然属性指标与空间属性指标,以空间叠置技术与聚类分析方法对研究区地表水进行背景值分区,最终将黑龙江省分为六大地表水水质背景值地理分区,并计算了各分区地表水环境背景值表征范围.表征范围显示：依据现行标准进行水质评价,保护区内水质背景值已超出Ⅱ类水质标准限值.因此,基于水质背景值研究成果提出了考虑背景值影响下的水环境质量评价方法,并将方法应用于研究区,结果表明方法切实可行且优于单因子评价法.研究成果可为区域制定背景值影响下的水环境评价方法提供科学的数据支撑与理论依据.     

基于VC++的地表水环境预测评价系统开发——河流模块的设计与应用

以我国地表水中的河流水质预测评价为例,采用VC++设计开发了适用范围较广具有可操作性的决策系统。结合水环境预测方法和导则标准,对本系统可操作的污染因子进行了选取,设计了持久性污染物、非持久性污染物、酸碱污染物的预测模块;采用综合水质评价方法中的水质质量系数法模型,设计了水质质量系数评价模块;根据最新的农村饮用水安全卫生评价标准,设计了系统的特色模块,感官性状及一般化学指标评价模块和毒理学指标评价模块。利用湖南常德澧县环境监测站所提供的数据,用模块计算值与实测值进行了对比检验,结果表明,本系统功能基本可实现,预测及评价数据可信,为完善环境决策管理软件做了新的研究尝试。