基于人工神经网络和遗传算法研究锰过氧化酶脱色甲基橙

基于锰过氧化物酶(MnP)氧化脱色偶氮类染料的原理,实验研究MnP对甲基橙的脱色工艺,采用人工神经网络(ANN)和遗传算法(GA)建立脱色模型并优化工艺。建立的ANN模型的误差、相关系数、均方根误差和绝对平均偏差分别为0.0009、0.9971、1.21和6.82,模型有效且能够用于预测和工艺优化。采用GA对ANN模型进行数值寻优,得到的最佳工艺条件为酶液量0.6 mL,Mn2+浓度4 mmol/L,H2O2浓度0.49 mmol/L。该条件下脱色率达到(90.74±0.59)%。ANN耦合GA有效地建立了锰过氧化物酶脱色甲基橙的模型,并优化了工艺参数,为甲基橙脱色的研究提供一定参考。     

应用神经网络方法进行防水材料耐久性预测的研究

SBS改性沥青防水卷材因使用年限增加,老化问题逐渐暴露出来,其中拉伸强度,断裂伸长率的下降表现得尤为突出,从而造成此种材料的使用寿命缩减。采用人工神经网络中误差反向传播的多层前馈式网络,即BP(Back-Propagation)型网络建立SBS改性沥青防水卷材力学性能和使用寿命关系的模型,对其使用寿命进行预测,为建筑施工、沥青防水卷材的研究提供一定的技术支持。     

基于人工神经网络算法的大气污染统计预测模型研究进展

人工神经网络算法(ANNs)能够对影响大气污染物各变量间的非线性关系进行较好描述,因而在空气质量预测、重污染预警工作中得到了广泛的应用。随着算法结构的不断发展,基于ANNs的大气污染统计预测模型在其预测精准性上得以显著提升。对近年来的相关研究成果进行归纳,从变量的选取与预处理、算法结构的调整与优化等方面总结提升模型预测性能的主要方法,最终形成构建基于ANNs的大气污染统计预测模型的方法体系。     

人工神经网络在安全科学中的应用综述

人工神经网络(ANN)是一种动态信息处理系统,它具有联想记忆、自组织、自适应、自学习和容错性等特性.人工神经网络可实现对危险源的动态分级;可解决安全综合评价中的不确定性、模糊性和动态复杂性、指标多、数据多等难题;在安全预测方面,可进行煤与瓦斯突出预测、煤矿瓦斯涌出量预测、煤层自燃预测、交通事故预测等.讨论了其在安全科学中的应用现状及存在问题,并对未来研究方向进行了展望.     

河南省汛期地质灾害预警的BP神经网络模型及应用

根据诱发地质灾害的内外因素建立地质灾害预警模型,评价河南省地质灾害的危险性.选取地形地貌、地质构造、岩土体类型、植被分布、水土流失、降雨和人类生产活动7个影响地质灾害的因素,建立了地质灾害预警的BP神经网络模型.根据监测数据进行训练和检验后,采用该模型对河南省汛期地质灾害进行预测,发现预测结果与实际情况基本一致.研究表明,建立的BP神经网络模型作为一种灾害预警的探索和尝试,具有一定的适用性和推广价值,可以作为地质灾害危险性评价预测方法的补充.     

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。     

生物脱氮除磷活性污泥系统复合模拟方法

为避免繁琐的参数校核工作,提出了活性污泥2 d号模型(ASM2d)和人工神经网络(ANNs)相结合的复合模拟方法。考察了复合方法在某污水处理厂生物脱氮除磷工艺中的应用情况。研究表明,ANNs能够准确地模拟出水实测值与未经校核的ASM2d机理模型的估计值之间的差值。利用Levenberg-Marquardt算法,对出水氨氮、总氮和总磷分别建立网络结构为5-12-1、5-8-1和5-8-1的ANNs子模型,将这些子模型输出同ASM2d机理模型输出相加便得到复合模型输出。复合模型估计值对前10.4 d(ANNs子模型训练数据时段)出水氨氮、总氮和总磷浓度的拟合平均绝对百分比误差分别为0.267、0.055和0.048;其对后2.6 d(ANNs子模型测试数据时段)出水氨氮、总氮和总磷浓度的预测平均绝对百分比误差分别为0.332、0.083和0.069。均方根误差、平均绝对误差等评价指标也表明复合模型能够给出合理的模拟结果。     

BP人工神经网络对长春市土壤质量评价

本文针对城市土壤重金属污染问题，以长春市为例运用人工神经网络理论及方法，建立土壤环境质量评价的BP人工神经网络模型，通过实例分析，并将评价结果与模糊综合评判结果进行了比较，说明运用该模型评价土壤环境质量不但能使评价结果精度大大提高，而且是切实可行的。     

地铁火灾二次事故BP神经网络安全评价方法研究

基于能量转移理论、多米诺效应理论等相关理论对地铁火灾二次事故概念进行界定,并分析地铁火灾二次事故的演化机理,确定地铁火灾条件下易发的二次事故类型;建立了地铁火灾二次事故安全评价指标体系,通过BP神经网络的安全评价方法对地铁火灾二次事故进行量化分析。     

滇池水污染物浓度预测的人工神经网络模型

本文针对滇池日益严重的水污染现状,根据云南昆明西苑隧道断面2004年-2010年的监测资料,建立了基于BP神经网络的主要污染指标预测模型,并对其进行训练检验,研究结果表明：独立样本中pH、溶解氧、氨氮、高锰酸盐浓度的预测值与监测值的线性相关系数分别为0．952、0．967、0．945、0．936。结果证明该模型预测精度满足要求,通过准确地预测湖泊水污染物可以为治理湖泊营养化和综合利用水资源、规划管理、决策提供重要的科学依据。