基于BP神经网络的重要水库水源地风险预测

水库是饮用水源的重要载体。近年来,社会经济急剧发展,大量污染物的排放严重威胁了水库饮用水源的健康。为保障人民群众饮水安全,准确识别水库型饮用水源地健康风险程度,基于模糊综合评价和BP神经网络建立了水库型饮用水源健康风险预测模型,构建了一个具有多层次多指标特性的饮用水源健康评价指标体系,并结合珊溪(赵山渡)库区的实例,对该库区饮用水源进行了健康风险预测。结果表明:该库区的水源健康等级为健康,与实际调研情况相符。神经网络模型可以用于对饮用水源健康风险预警,对水源地相关管理部门的水源健康评价工作具有一定的参考意义。     

基于Adaboost集成BP网络原煤生产成本预测研究

为了提高传统BP神经网络预测模型精度,避免BP网络容易陷入局部极值、收敛速度慢等问题,将BP神经网络与Ada-boost算法相结合,提出了一种Adaboost集成BP神经网络模型.结合磁县观台煤矿原煤生产成本相关数据,建立了原煤生产成本预测的Adaboost集成BP神经网络模型,将该模型用于实际的原煤成本预测.结果表明：该模型预测精度高于传统的BP神经网络,收敛速度快,具有较强的鲁棒性,预测精度能满足实际预测需要,为原煤生产成本预测提供了一种新的途径,也为原煤生产成本控制提供了重要依据.     

基于不同的神经网络模型PM_(2.5)浓度预测对比

近年来,以PM_(2.5)为主要污染物的重霾污染事件频频发生,给国民经济及居民健康造成了严重威胁。本文采用BP、RBF及Elman神经网络分别建立预测模型,并以青海省某工业园区某监测站监测的数据为实例对预测模型进行了具体的应用。结果表明:BP神经网络、RBF神经网络及Elman神经网络都可以有效预测PM_(2.5)浓度,但是BP神经网络预测模型预测误差要小于RBF神经网络模型及Elman神经网络模型,具有更高的稳定性和准确定。     

多元回归和BP人工神经网络模型对混合厌氧消化产气量的预测研究

在中温且控制pH值条件下,对脂肪类单基质和城市污水厂剩余污泥进行混合厌氧消化试验。基于多元回归原理和BP人工神经网络原理,对其建立产气量预测模型。由实验数据计算得出:两个阶段多元回归模型的预测平均准确率分别为75.69%和79.29%;BP神经网络模型的预测平均准确率为79.05%。通过对比两种模型的预测结果可知,两种模型都有较高的预测准确率,但BP模型的预测准确率更高,更适用于混合厌氧消化产气量预测。     

神经网络在空气污染预报中的应用研究

空气污染预报是一项复杂的系统工程，是当今环境科学研究的热点，国内外已有将神经网络法应用于大气污染预报的研究。本论文以PM2．5为例，采用伦敦市PM2．5的小时平均浓度数据，使用传统的BP神经网络建立预报模型，定量预测伦敦市PM2.5的小时平均浓度，探讨了大气污染预报网络的建模过程中，扩大样本集、去除样本集数据噪声和在输入向量中加入气象变量等因素对建模所产生的影响。最后得出结论，适当的选择样本集、气象变量，有利于提高所建立网络模型的预测精度。     

支持向量机在水质遥感中的应用初探

支持向量机(Support Vector Machine)是建立在统计学习理论基础之上,研究有限样本情况下的机器学习问题的一种新方法,该方法在解决小样本、非线性问题中具有许多优势.本研究以现场监测和MODIS遥感数据为基础,应用SVM方法构建出太湖叶绿素a的反演模型,研究表明,该方法在水质遥感领域的应用具有良好的可行性和有效性,其预测结果也与太湖叶绿素a的实际分布相吻合.     

修正的BP神经网络森林火灾成灾面积预测研究

以1997-2012年《中国林业统计年鉴》的全国森林火灾成灾面积为依据,应用BP神经网络模型对成灾面积进行了预测,对预测方法进行了检验.在此基础上,利用残差提出了修正的BP神经网络模型,并对预测方法进行了改进.研究结果表明,修正的BP神经网络预测精度高于BP神经网络,预测相对误差平均为7.2％,可应用于森林火灾成灾面积的预测.     

基于Matlab的神经网络在绵阳空气质量预测中的应用

以绵阳市2014～2016年空气污染指数(API)以及SO_2、NO_2、PM_(10)等污染物为研究对象,探讨了绵阳市空气污染的变化规律,并分析它们与常规观测的地面气象资料之间的关系。尝试采用多元线性回归方法及BP神经网络方法建立污染预报模型,并检验分析两种模型的可行性。结果表明基于BP神经网络的预报模型在污染预报中可行,并建立基于BP神经网络进行空气质量预测的预测模型,利用历史资料进行验证。     

基于BP模型对城市交通噪声的数据处理和预测

城市交通噪声的预测和评价技术是城市交通可持续发展的重要研究内容，直接为城市交通规划中环境容量分析和环境影响评价服务。本文通过实测的大量数据，运用神经网络中的BP模型及其算法建立车辆数、道路宽度和交通噪声之间的关系，对城市道路交通噪声数据进行处理和预测。     

基于BP-Adaboost强预测器的瓦斯涌出量预测

为了提高传统BP神经网络瓦斯涌出量预测模型精度,避免BP网络容易陷入局部极值、收敛速度慢等问题,将BP神经网络和Adaboost算法相结合,提出了一种BP-Adaboost强预测器模型.将该模型用于实际瓦斯涌出量预测,并进行了40次仿真实验.结果表明:该模型预测精度高于传统的BP神经网络,且收敛速度快,具有较强的鲁棒性,预测精度能满足实际工程需要,为瓦斯涌出量预测提供了一种新的途径.     

基于BP神经网络模型的城市自然生态型河流景观方案质量评价

城市自然生态型河流的景观设计方案质量评价受多种因素的影响,这些因素之间存在着复杂的非线性关系,有些甚至是随机的、模糊的,利用传统的方法难以表达它们之间的内在关系.研究建立三层次BP神经网络模型,以30份河流景观设计方案为样本,分别根据水质、水量、水空间、植被、经济、设施、交通等7项指标对景观方案的质量进行评价.结果表明,BP神经网络模型具有极强的非线性逼近能力,能真实反映景观质量与影响因素之间的非线性关系,预测结果与实测值之间误差小,相对误差小于5%.该方法操作性强,结果可靠.     

建筑工程质量成本RBFNN预测模型

针对建筑工程质量成本的预测问题,应用径向基神经网络原理,选取预防成本比、鉴定成本比、内部成本比、建筑面积、PPI、建筑用途、工期、现场条件、管理水平、施工地点、利润率共11个指标分析了各指标与质量成本的联系,进而选取4个指标作为神经网络的输入指标。以20组工程数据作为学习样本进行训练,建立建筑工程质量成本的径向基神经网络预测模型并采用均方根误差进行检验,用5组工程数据作为检验样本进行测试。研究结果表明:预防成本比、建筑面积、PPI、工期、施工地点与质量成本存在一定的联系;用模型所得预测结果的最大相对误差为0.016862。RBFNN预测结果与实际情况较吻合,预测精度较高,可用于建筑工程质量成本预测。     

基于ISM和ANP的水库水华发生影响因素分析

为提高水库水华发生预警能力,从水华形成机理着手,引入营养盐条件、水动力条件、光热条件和浮游植物生长状况,建立水库水华发生影响因素模型。首先,基于文献研究,建立水库水华发生影响因素体系,共包含10个指标;其次,利用解释结构模型(ISM)建立水库水华发生影响因素递阶结构模型;最后采用网络层次分析法(ANP)构建权重模型,并借助Super Decision(SD)软件求解。结果表明:叶绿素a浓度、悬浮物浓度、磷浓度、氮浓度、铁等微量盐浓度、水流流速、温度和溶解氧为表层直接影响因素,光照和风速为深层根本影响因素;重要度排序为:叶绿素a浓度、悬浮物浓度、磷浓度、水流流速、氮浓度和溶解氧。     

基于支持向量机-小波神经网络的PM_(2.5)预测模型

近年来我国多地区雾霾天气频发,针对PM_(2.5)浓度变化的非线性、时变性等特点,建立了基于支持向量机-小波神经网络(SVM-WNN)的组合预测模型。采用网格搜索算法对SVM的参数进行优化,利用优化后的模型进行初始预测,并结合WNN强大的非线性拟合能力的特点对其预测残差进行修正。以石家庄市每小时监测的PM_(2.5)浓度数据为样本建立模型并进行预测,结果表明,组合模型预测的平均相对误差为7. 2%。对比单一模型,组合模型的预测的效果更好,这也为短时PM_(2.5)浓度预测提供一个新的方法。     

基于灰色B P神经网络碳排放交易价格预测

在对中国碳排放交易市场碳交易价格形成机制讨论的基础上,提出了预测指标体系。利用2017年1月1日—2018年9月30日广州碳交易市场碳交易价格数据和指标体系中各预测变量的数据,应用Lasso回归方法对变量进行筛选,建立灰色BP神经网络对碳交易价格进行预测。预测模型对于10期以内短期预测平均相对绝对误差(MAPE)小于4%,预测精度较高。     

基于有限元的电力电缆缆芯温度预测方法

温度作为评估电力电缆是否能安全、稳定运行的重要参数，但电缆受到安装环境等因素的影响，导致其电缆缆芯温度难以直接测得。基于此，提出依托有限元开展电缆缆芯温度预测的方法。下文在阐述有限元及BP神经网络相关概念基础上，利用有限元结合电缆热参数、边界条件等相关数据，创建电缆温度场有限元模型，并求出各环境及负荷参数下的缆芯温度，获得相应的样本数据。随之，借助样本数据训练神经网络构建相应的温度预测模型。实验结果证实，文中所提出的缆芯预测方法能准确预测其温度，能够对于电网实现主动预测性管理提供重要的参考。     

煤与瓦斯突出预测的GA-SVM模型及应用

为了对煤与瓦斯突出进行有效预测,将遗传算法和支持向量机相结合,提出煤与瓦斯突出预测的GA-SVM模型。以我国典型的煤与瓦斯突出煤矿15个实例为样本,以交叉验证准确率作为遗传算法的适应度函数,搜索得到径向基核SVM最优惩罚因子C=28.8786、宽度函数σ=0.16508,利用最优参数建立煤与瓦斯突出预测GA-SVM模型进行预测,结果与实际完全一致。应用该模型对云南恩洪煤矿8个突出实例进行预测,并与单项指标法、综合指标法和BP神经网络进行比较。研究结果表明,煤与瓦斯突出预测GA-SVM模型具有较高的可靠性和精确性,能对煤与瓦斯突出进行有效预测。     

BAF处理系统的BP神经网络模型

本文以某污水处理厂曝气生物滤池（Biologlcal aerated filter，BAF）的实际运行数据为基础，采用人工神经网络（Artificial neural network，ANN）方法，建立起BAF处理系统的BP神经网络预测模型。模型运算结果表明，预测值和实测值能较好地吻合，起到了模拟预测的效果，同时能优化运行状态。该模型的建立为BAF处理系统的预测及运行管理供了一条简便实用的途径，具有良好的研究和工程实用价值。     

PCA-ANN在典型航空材料铝合金腐蚀数据预测中的应用

针对航空装备在热带海洋大气环境下服役时对金属材料大气腐蚀预测的需求，提出了主成分分析法（PCA）优化的BP神经网络（BPNN）和广义回归神经网络（GRNN）模拟热带海洋大气腐蚀预测模型。研究结果表明，PCA可以很好地对原始数据的进行特征提取，降低样本集的维度。PCA-BPNN和PCA-GRNN模型的拟合优度与预测精度没有明显的相关关系。与PCA-BPNN相比，PCA-GRNN的预测精度高、稳定性更好，这为模拟热带海洋大气腐蚀研究提供了新思路，具有较好的借鉴意义。     

水生植物化感作用应急处置海洋赤潮和淡水水华

近年来,植物化感作用逐渐成为控制藻类暴发的一种新技术。根据国内外的研究成果,着重从水生植物化感作用、化感抑藻物质、应急处置藻类方法、海洋赤潮和淡水水华的应急处置及机理进行评述,并对该技术今后的发展予以展望。