基于BP网络的水质综合评价模型及其应用

讨论了BP网络模型存在的不足及建模条件，提出了建立合理的BP网络模型的基本原则和步骤。针对水质评价问题，通过在各类水质污染指标浓度区间内生成随机分布样本的方法，组成足够多用于BP网络训练、检验和测试用的样本，建立了辽河水质综合评价的BP网络模型；给出了区分不同类别水质的模型分界值样本和模型输出分界值。     

基于BP网络的水质综合评价模型及其应用

讨论了BP网络模型存在的不足及建模条件,提出了建立合理的BP网络模型的基本原则和步骤.针对水质评价问题,通过在各类水质污染指标浓度区间内生成随机分布样本的方法,组成足够多用于BP网络训练、检验和测试用的样本,建立了辽河水质综合评价的BP网络模型;给出了区分不同类别水质的模型分界值样本和模型输出分界值.     

基于神经网络的活性污泥系统建模及其控制

针对松江污水厂污水处理活性污泥系统,采用神经网络技术进行建模试验研究,在对实际运行数据剔除异常数据后,将样本数据随机分成训练样本、检验样本和测试样本.用试凑法确定合理的神经网络隐层节点数,用检验样本实时监控训练过程从而避免"过训练"现象,用多次改变网络初始连接权值求得全局极小点,从而建立了泛化能力较好的基于神经网络的活性污泥系统数学模型.利用建立的神经网络模型,对活性污泥系统运行情况的仿真与控制进行了分析研究.示例研究表明:神经网络技术能较好地应用于活性污泥系统的建模与控制,有很好的理论与实践意义.     

活性污泥系统神经网络建模与仿真研究

采用神经网络技术对松江污水厂污水处理活性污泥系统进行建模试验研究，在对实际运行数据按机理准则和范围准则剔除异常数据后，将样本数据随机分成训练样本、检验样本和测试样本。用试凑法确定合理的神经网络隐层节点数，以避免采用过大或过小的网络结构，在训练过程中用检验样本实时监控从而避免“过训练”现象的影响，较好地解决神经网络方法建模的两大难题，从而建立可靠、有效的活性污泥系统神经网络模型。并应用建立的网络模型对活性污泥系统的运行情况进行了仿真研究。建模研究表明，神经网络技术能较好地应用于活性污泥系统的建模，模型具有较好的泛化能力，有很好的实用价值。     

海水水质评价的人工神经网络模型研究

通过在各类海水水质污染指标浓度区间内生成随机分布样本的方法，生成足够多用于人工神经网络模型训练和检验用的样本，并应用基于误差反传原理的前向多层神经网络建立了用于海水水质评价的人工神经网络模型。并根据海水水质标准给出了区分不同类型水质的模型分界样本和模型输出分界值。讨论了确定合理隐层及其节点数的方法，使得训练后的神经网络模型具有更强的泛化能力，不受网络连接权值初始取值的影响。经训练的评价模型应用于实例的评价结果表明，新的评价模型具有较好的客观性、通用性和实用性。     

用密切值法进行海域有机污染物优先排序和风险分类研究

将密切值法应用于大连湾海域有机污染物优先排序和风险分类研究是一种新的尝试 ,首先将大连湾海域有机污染物各评价指标 (污染物的毒性、在环境中的暴露情况和在水环境中的迁移转化 )的极端情况组成最优和最劣样本 ,再求可综合反映与最优和最劣样本距离两者水平的参数—密切值 ,并根据各污染物最优 (劣 )密切值的大小进行排序 ,根据最优 (劣 )密切值的突变来进行分类分析。实例计算结果表明 ,密切值法用于海域有机污染物优先排序和风险分类切实可行 ,而且不需要确定隶属函数、白化函数等主观参量或函数 ,评价结果更客观和可靠。     

密切值法用于城市污水处理厂布局规划的研究

用密切值法作多目标决策优选，由城市污水处理厂的3个标准方式和11个家处理厂的工艺改造投资、污水厂运行成本和处理水量等11个评价指标的极端情况，组成“虚拟”的最好（长期保留）和最差（应该废除）方案，进而求出各污水处理厂（统称为样本点）与最好、最差方案的距离，计算可综合反映与最好和最差方案距离两者水平的综合参数－密切值，并根据密切值的大小进行排序。实例计算表明，密切值法与灰色局势决策法得到相似的排序结果，说明密切值法用于城市污水处理厂布局规划是切实可行的。而且密切值法不需要确定白化函数等主观参数，计算结果更客观和可靠。     

基于BP神经网络的道路交通环境影响综合评价模型

根据影响道路交通环境的各单项评价指标及其分级标准．利用随机分布理论生成足够多用于神经网络建模的样本数据。应用非线性模拟性很强的BP神经网络技术对道路交通环境质量进行综合评价，克服了物元分析等综合评价方法存在的不确定性和受人为因素影响等缺陷，提高了综合评价的客观性和合理性。评价实例表明：文中提出的生成训练样本和用BP神经网络建立道路交通环境质量的综合评价模型是合理的和可行的。     

基于概率论和BP网络的水质评价与灰色动态预测模型

讨论了BP网络模型存在的不足。提出了建立合理的BP网络模型的基本原则和步骤。针对水质评价与预测问题。通过在各类水质污染指标浓度区间内生成随机分布样本的方法。组成足够多用于BP网络训练、检验和泛化能力评定用的样本。建立了南京市秦淮外河水体水质评价的BP网络模型：给出了区分不同类别水质的模型分界值样本和模型输出分界值。用概率分布理论分析处于相邻类别水质过渡状态水体的水质属性。建立的水质评价模型应用于实例表明。南京市秦淮外河水体1991—1996年水质为V类向IV类转变。1992年水质最差，1996年水质最好。灰色动态预测模型计算表明。从1997到2001年。南京市秦淮外河水体水质逐年变好。