BP人工神经网络预测邻苯二甲酸酯光化学降解

将反向传播人工神经网络（BP－ANN）用于邻苯二甲酸酯类化合物的光化学降解的预测中，选取正交设计的试验点作为反向传播人工神经网络的训练集，实现对全实验域试验点的预测，并与实测的试验数据比较。结果表明反向传播人工神经网络（BP－ANN）具有良好的预测能力。     

郑州市PM2.5浓度时空分布特征及预测模型研究

利用统计学原理和GIS技术,对郑州市2013年8月17—12月31日期间PM2.5浓度时空分布特征进行分析,同时结合气象资料与前一日污染数据,建立人工神经网络反向传播算法模型(BP-ANN)和多元线性回归模型用于该市细颗粒物污染的短期预测。结果表明,郑州市PM2.5浓度日变化呈单峰模式,随逆温现象的发生和交通的密集于上午11:00达到峰值,午后逐步下降。在工作日、周末与国庆节的对比中,国庆节期间颗粒物污染浓度高出平日32.8%,表明人为活动的加剧影响PM2.5的排放;周末与工作日期间无显著差异。在空间分布上,金水区、管城回族区污染最为严重,工业燃煤、地铁施工等源排放是造成污染的主要原因;位于远郊的岗里水库,受秸秆焚烧和市区污染输送等影响,PM2.5浓度亦维持较高水平。最后,研究将所构建的BP-ANN预测模型和多元线性回归模型对比,结果发现两模型在建模阶段预测值与真实值的拟合一致性指标分别为0.944、0.918,均方根误差分别为59.788、70.611;验证阶段拟合一致性指标分别为0.854、0.794,平均绝对误差分别为25.298、32.775,表明BP-ANN模型在预测郑州市PM2.5污染过程中更具优势。     

代表性水质评价方法的比较研究

从太湖流域国控断面常规监测数据出发,利用代表性水质评价方法对各断面进行评价,系统分析比较这些方法的优缺点。结果显示:①单因子指数法评价结果比较保守;②内梅罗指数法将"1"作为清洁与污染的分界点,指数偏小;③灰色关联分析法水质指标权重系数的确定较模糊综合评判法合理,结果也更接近于综合水质标志指数法;④综合水质标志指数法评价结果与其它评价方法结果重合度最高,且模糊评判法、灰色关联分析法和BP-ANN法的评价结果均向综合水质标志指数法逼近。综合水质标志指数法以单因子指数法为基础,对劣Ⅴ类水进行细化,将恶臭对水质的不利影响考虑其中,其指数组成合理,且易于操作施行。     

基于LS-SVR、BP-ANN和MLR模型的PM10浓度预测

利用宁东能源化工基地PM10和气象监测数据,分别采用LS-SVR、BP-ANN和传统MLR模型预测PM10浓度变化。结果表明,较BP-ANN模型、MLR模型,LS-SVR模型能更好地刻画PM10浓度与各气象因素间的非线性相依关系,更准确地预测PM10浓度。