基于Matlab的BP神经网络在大气污染物浓度预测中的应用

为了寻求有效控制和改善环境质量的相应措施,选用了英国伦敦Bloomsbury监测站的PM10小时平均浓度监测资料,采用“提前终止法”泛化改进的BP神经网络模型,预测PM1024 h内的小时平均浓度。结果表明：采用BP神经网络法对大气污染物浓度进行预测,预测相对误差在2%-48%之间,且绝大部分在2%-17%之间,预测精度较高,泛化能力较好,为大气污染物浓度预测提供了一种全新的思路和方法。     

基于MATLAB的BP神经网络在空气质量预报中的应用

选用上海市环境监测中心发布的PM10空气污染指数(PM10API)数据和中国气象局公布的有关气象资料,分别建立了未改进BP网络模型和采用"提前终止法"泛化改进的BP网络模型,用于预报上海市19个区县的PM10API指数.结果表明,改进BP网络模型预测值和实际值的线性回归显著,其预测相对误差为1.76%～29.45%,预测效果优于未改进BP网络模型,预测精度较高,推广能力较强.本研究为空气质量日报和预报提供了一种全新的思路和方法.     

两种振动预测模式在地铁工程环评中的对比分析

对国家《环境影响评价技术导则城市轨道交通》（HJ 453-2008）与北京市《地铁噪声与振动控制规范》（DB11/T 838-2011）中的两种不同环境振动影响预测模式进行了对比分析,并应用到北京轨道交通昌平线与8号线联络线地铁工程环境影响评价工作,计算沿线各振动敏感点的振动值VLZmax.结果表明,采用DB11/T 838-2011的VLZmax预测值修正后的结果与采用HJ 453-2008的VLZmax预测值相比,52.5％的敏感点VLZmax值低0.1～3.2 dB,47.5％的敏感点VLzmax值高1.1 ～4.1 dB,差值均小于5 dB,各敏感点的分级减振措施等级基本无变化.