基于神经网络模型的千岛湖清洁水体叶绿素a遥感反演研究

叶绿素a浓度值是水体水质评价的重要指标,研究基于高分一号(GF-1)卫星遥感影像,利用神经网络模型,选用6节点的隐含层设置,构建了千岛湖清洁水体叶绿素a浓度反演模型,对其叶绿素a浓度值时空特征进行分析,并与其他常规反演方法精确度进行比较.研究结果表明,利用神经网络模型对千岛湖清洁水体叶绿素a浓度值进行反演是可行的,且与其他常规方法相比,该模型对于叶绿素a含量低的内陆清洁水体反演有着更高的相关性(R2 = 0.921 8);在空间分布上,千岛湖区域水体叶绿素a浓度整体较低,高叶绿素a浓度区域主要集中易受人类活动干扰的西南及东北区域;年际变化分析表明,千岛湖区域水体叶绿素a浓度稳定,且波动较小,平均叶绿素a浓度值皆维持在1.70～1.75 pg/L之间,清洁水体特征显著.     

基于视频的雾天能见度实时监测方法研究

目前我国高速公路能见度监测主要依靠能见度观测仪,该方法覆盖区域有限且成本较高,而我国高速公路图像采集设备应用广泛,因此提出了一种基于监控视频图像测量雾天能见度的方法。该方法将图像进行分窗格处理,通过相关性分析筛选出最优兴趣窗格的亮度均方差特征矩阵,建立BP神经网络修正线性残差组合模型。结果表明:残差修正模型监测效果优于单一线性回归模型,残差修正模型的决定系数R2为0.977;在光线充足的情况下,残差修正模型的相对误差在10%以下,模型精度相对稳定;最后应用此方法监测高速公路雾天能见度,模型的正确率在80.48%以上。验证了用该方法测量雾天能见度具有可行性和有效性。     

淮河支流污染物综合降解系数动态测算

确定河流污染物综合降解系数动态变化规律对提高水环境容量测算精度和水环境管理具有重要意义。通过现场模拟法,采用一维稳态模型测算了淮河支流洪河五沟营-塔桥乡河段COD、氨氮和总磷在枯水期、平水期和丰水期的综合降解系数,COD、氨氮和总磷降解系数在各水期的关系为枯水期平水期丰水期,提出了建议值并利用实测浓度对计算结果进行了检验,结果表明,不同水期综合降解系数吻合情况较好。     

环保动态

广东南粤环保世纪行入企业调研节能减排工作6月11日,2007年广东省节能宣传周暨南粤环保世纪行活动在广州启动。狠抓重点行业、重污染企业的节能降耗、污染减排,力促产业升级,是实现“十一五”目标的关键所在。为配合国家实施的“千家企     

动态膜-生物反应器处理城市污水的运行特性研究

考察了孔径108μm左右的不锈钢丝网动态膜组件处理城市生活污水的特性,并研究了出水水头和曝气强度对动态膜泥饼层形成的影响.结果表明,稳定运行情况下出水平均浊度1.2NTU,COD平均去除率90%,NH<,3>-N平均去除率97%,与传统膜-生物反应器处理效果接近.同时发现,在20、40mm的出水水头下,动态膜运行初期膜通量衰减规律均符合泥饼阻力模型.     

社会治安动态监测、预警防范、综合处置系统集成平台技术研究与示范

发达国家的社会治安动态监测、预警防范、综合处置系统集成平台技术研究已较成熟，并具体应用于许多重点单位和地区，在城市安全体系的建设方面也取得了丰富的经验。 近年来，我国城市报警与监控系统建设在技术水平和实际应用等方面取得了长足的进步，已经初步形成了社会治安技术防范的基础和网络。     

区域水战略方案选优的动态组合评价模型研究

水安全危机是人类进入新世纪以来在生存及发展方面所面临的最严重挑战之一。研究科学合理的水安全战略成为区域可持续发展的重大课题。针对区域水战略问题涉及众多因素且各因素之间动态关联的特点，提出了基于水战略方案优选的兼容度极大化动态组合评价模型（CMM—DCEM），并将其成功地应用于我国广东省北江下游及其三角洲地区水安全战略方案优选评价。评价结果及模型基于不确定性的敏感性分析结果证明：CMM—DCEM实现了主、客观赋权方法以及单一评价模型的融合，使用实码加速遗传算法求解目标函数，克服了传统的组合评价方法计算繁琐的不足，评价过程更加科学合理。     

人工神经网络在预测深基坑周边地表沉降变形中的应用研究

深基坑开挖引起的周边地表变形预测是一个复杂非线性问题,引起地表沉降的影响因素很多,各因素之间呈高度的非线性关系。传统的基坑用边地表沉降变形预测方法存在着一定的局限性,其预测精度有待提高,而人工神经网络是一种多元非线性动力学系统,可以灵活方便地对多成因的复杂未知系统进行高度建模,实现全面考虑各种主要影响因素的深基坑周边地表沉降变形预测。本文介绍了误差反向传播(BP)网络模型的结构、学习过程及其算法的改进,径向基函数(RBF)网络模型的结构及其学习过程;分析了影响深基坑开挖周边土体沉降变形的主要影响因素;以25个基坑工程的地表沉降实测资料为训练样本,建立了11个输入影响因素的BP神经网络模型和RBF神经网络模型,通过对样本的学习训练过程及对5个检验样本的预测精度,说明了人工神经网络用于预测基坑周边地表沉降的可行性和准确性。     

基于BP神经元网络的建筑火灾烟气危害评价分级研究

随着人工神经网络技术的发展,其并行数据处理技术和自适应、自组织的学习能力,使得它在处理一些复杂的数据时占有很大优势.本文将BP神经网络应用于火灾烟气危险性评价分级,以等级的形式确定烟气的危险程度,并结合实验数据及相关统计对BP神经网络进行改进,给出了实例计算,验证了其可行性.