利用人工神经网络预测芳香化合物的生物可降解性

本文采用简单的化学基团描述符来表征化学物质的结构,以底物的最大比去除速度表征生物可降解性的大小,运用自编的人工神经网络对芳香族化合物的生物可降解性进行了研究。试验过程中,按芳香族化合物最大比底物去除速度的大小将其生物可降解性分为四组：不降解,难降解,可降解,易降解。     

神经网络模型在环境监测机构编制管理中的应用研究

根据非线性化现代神经元理论 ,以湖北省三、四级环境监测站为例 ,建立了神经网络定量测算人员编制的模型。研究确立了反向传播 BP模型在测算人员编制中的应用方法及技术路线。采用所建模型对某部门、某单位人员编制测算具有操作方便灵活 ,准确可靠以及实用性、通用性和动态可操作性特点。不仅可指导环保系统机构实现科学化定编、定员 ,同时对其他事业单位编制的规范化管理亦有参考意义。     

神经网络在次级河流回水区叶绿素a浓度预测中的应用

以长江次级河流之一的临江河为研究对象,探讨神经网络应用于次级河流回水区叶绿素a浓度短期预测的可行性。利用主成分分析法（PCA）选取对叶绿素a浓度影响较大的指标,在这些指标数据的基础上建立RBF神经网络模型。网络训练和测试的结果表明,模型模拟精度较高,说明RBF神经网络模型可以用于次级河流回水区叶绿素a浓度的短期预测。通过对临江河回水区叶绿素a影响因子的分析,表明控制水体中磷含量应是临江河回水区富营养化防治的重点。     

化学-生物絮凝工艺类神经网络模型比较研究

在化学-生物絮凝工艺中试研究的基础上,分别建立了基于BP类神经网络的多输入多输出（MIMO）模型与多输入单输出（MISO）模型。应用化学生物絮凝工艺中试6个不同工况的实测数据对2个模型进行训练,均表现出很好的收敛性。通过另外2个中试工况的实测数据对模型预测性能进行测试,MISO模型对化学-生物絮凝反应器出水的COD、TP和SS的预测相对误差均低于MIMO模型,其预测相对误差均在9%以下。研究表明,MISO模型是一个很易使用的建模工具,能很好地预测化学-生物絮凝工艺出水水质。     

基于组合模型的能源需求预测

能源是人类生存和发展的重要物质基础,也是当今国际政治、经济、军事、外交关注的焦点。能源需求预测是合理制定能源规划的基础。能源需求预测的模型很多,总的来说,可以分为单一模型预测和组合模型预测。本文在分析几种常用单一模型的优缺点和适用范围的基础上,建立BP神经网络与灰色GM的优化组合模型,对江苏省未来十五年煤炭和石油的需求量进行预测。结果表明:①随着经济的发展,未来江苏省对煤炭和石油的需求量逐渐增加,其中煤炭从2008年的19 601.39万t标准煤增加到2020年的25 615.26万t标准煤,年均增长率为1.81%;石油从2008年的2 628.64万t标准煤增加到2020年的3 532.60万t标准煤,年均增长率为1.36%;②基于BP网络与GM(1,1)的组合模型克服了单一模型的缺点,实现了优化组合模型"过去一段时间内组合预测误差最小"的原则,且预测结果误差较小,不仅适用于能源的中长期预测,还可以推广到其他领域。     

基于神经元网络模型的崇明东滩湿地生态系统健康评估

崇明东滩湿地位于崇明岛的东端,是全球重要的生态敏感区域,由于受到人类活动的干扰,生态系统健康遭受威胁,因此有必要对其健康进行定量的评价研究。以崇明东滩湿地为研究区域,以生态系统健康理论为基础,选取地形地貌、环境、生物、人类干扰等指标,并将研究区的健康分为五级,建立东滩湿地健康评价指标体系。结合GIS的技术,以网格为评价单元,并在神经元网络模型理论和技术的支持下,提出了一个分布式神经网络湿地生态系统健康评价模型,定量的分析崇明东滩湿地的健康状况,为湿地的合理利用与保护提供决策支持和科学依据。研究结果从空间上显示了崇明东滩湿地不同区域的健康状况,总体来说处于一个比较健康的状态,但健康状态较好的区域面积只占30％,相对一般区占70％,且生态系统健康将呈下降趋势。因此,需要对湿地加强管理,使湿地生态系统可持续发展。     

中国民航业安全风险监测与仿真研究

根据系统安全的思想,通过对航空安全历史数据的分析和专家经验,从人员、设备设施、环境和组织管理4个方面,提出中国民航机务、空管、飞行、机场4个分系统安全风险监测指标体系,共102个风险因素指标,并合成为27个行业安全风险监测指标。以民航历史数据为样本,建立资源优化神经网络(RON)模型,将安全风险监测指标与中国民航安全指数相联系,分析安全指数的关键影响因素,达到安全管理决策支持的目的。通过建立的风险监测指标体系和RON模型,可以实现民航整个行业、各分系统及单个指标的安全风险监测和预警。     

水处理中线性回归和BPNN预测混凝投药量的比较

BP神经网络和线性回归模型是混凝投药前馈控制中2种不同的预测混凝投药量的方法.分别用这2种方法建立了混凝投药量前馈控制模型,并基于同一样本数据进行仿真比较.结果表明,该3层结构BP模型通过学习可以根据原水水质进行投药量的有效预测,优于传统的线性回归模型,具有较强的自适应性和实用性.但对某些水质的投药预测值还存在一定误差.     

基于模糊神经网络的海上施工安全评价

海上施工建设单位多、施工设备多、人员复杂且点多面广,施工安全的影响因素多而且模糊性强,因此,提出应用模糊神经网络评判法进行海上施工安全评价,并应用层次分析法进行各因素权重的确定.针对海上施工受气象、海洋环境影响大的特点,建立了海上施工安全评价的指标体系,该体系包含施工作业、施工管理、气象环境、通航环境4个1级指标,并利用改进的动量BP神经网络进行施工安全的评价预测,为指导海上施工安全提供了必要的理论基础.     

基于BP模型的十溴联苯醚分散液液微萃取条件优化

采用正交试验研究萃取剂类型、萃取剂体积、分散剂类型、分散剂体积、溶液pH值、离子强度和萃取时间对水样中痕量十溴联苯醚(decaBDE)分散液液微萃取(DLLME)回收率的影响.结果表明,离子强度对萃取回收率(ER)的影响非常显著,而分散剂体积与萃取剂体积交互作用的影响不显著.通过极值法确定的decaBDE分散液液微萃取条件下的萃取回收率为88.24%.以正交试验数据为训练样本,以分散剂体积、萃取剂类型、pH值、离子强度及萃取时间为输入,萃取回收率为输出,建立了影响decaBDE分散液液微萃取的BP神经网络模型.模型检验样本预测输出值和试验值的决定系数为0.873 4,表明模型可以预测水样中decaBDE分散液液微萃取的回收率.采用遗传算法工具箱对建立的BP神经网络模型进行优化求解,得到的优化分散液液微萃取条件下的decaBDE萃取回收率平均值为99.94%,比通过极值法确定的萃取回收率提高10%以上.