趋势季节模型在环境质量预测中的应用

以某河流水质指标ＢＯＤ５为例，介绍了趋势季节模型在环境质量预测中的应用方法。     

基于遗传算法的门限自回归模型在海温预测中的应用

提出了建立门限自回归模型（ＴＡＲ）的一套简便通用的方法。用作者提出的改进遗传算法，可同时优化门限值和自回归系数，成功地解决了ＴＡＲ建模过程所涉及的大量复杂寻优工作这一难题，为ＴＡＲ模型的广泛应用提供了强有力的工具。实例计算的结果说明了这套方法的可行性和有效性，同时也说明了，通过门限值的控制作用，ＴＡＲ模型可以有效地利用如海洋资源所隐含的时序分段相依性这一重要信息，限制了模型误差，从而保证了ＴＡＲ模型预测性能的稳健性，提高了预测精度。该方法具有通用性，在各种非线性时序预测中具有重要的理论意义和应用价值     

人工神经网络模型在石油资源预测中的应用

锦270井区大凌河油层是盆地大幅度沉降条件下的产物，以深陷湖环境为主，发育湖底扇浊积岩。准确预测大凌河油层的砂体分布和泥质含量，是勘探目标选择的关键。由于钻井资料少，不能反映储层横向变化。为了准确预测储层的横向变化，综合钻井地质资料和地震勘探资料，并为了反映地震资料的多个参数与储层横向变化间的非线性相关关系，采用人工神经网络模型进行预测，计算了大凌河油层砂层厚度和泥质含量的平面分布。依据计算结果，分析了有利油气区的分布，并给出了几点结论。     

Aermod模型在大气环境影响预测中的应用

本文在分析了该模型的基本概况基础上,以某钢厂为例,就Aermod模型在大气环境影响预测中的应用作一简要论述,为该模型在大气环境影响预测中的应用时所需关注的环节或要素提供了理论参考。     

人工神经网络模型在洋河水库总磷预测中的应用

从总磷预测模型的适用性出发，提出用人工神经网络技术进行总磷预测的新思路，利用洋河水库近６年（１９９１～１９９６）的总磷及水质影响因子数据进行练习后，对９７年水库的总磷浓度进行了预测，并和实例值比较，结果令人满意。     

非线性灰色模型在污染物总量预测中的应用

在前人工作的基础之上介绍了几种修正的ＧＭ（１，１）非线性模型，并以衡阳市１９９０～１９９６年城区污染物总量（ＣＯＤ）的预测为例，探讨了各种模型的应用效果。结果表明：非线性模型的拟合精度更高，具有更加广阔的发展前景。     

灰色模型理论在河流水污染预测中的应用

本文以佛山东平水道近年来生化需氧量，氨氮及亚硝酸盐氮的环境监测值，应用灰色理论建立GM（1，1）模型，对东平水道环境主要污染物进行预测，所建模型经残差及后验差精度检验，具有一定的可行性和适应性，在此基础上，进一步分析了水道污染的原因。     

人工神经网络模型在洋河水库总磷预测中的应用

从总磷预测模型的适用性出发，提出用人工神经网络技术进行总磷预测的新思路，利用洋河水库近６ 年（１９９１～１９９６）的总磷及水质影响因子数据进行练习后，对９７ 年水库的总磷浓度进行了预测，并和实测值比较，结果令人满意。     

灰色模型在大气悬浮颗粒物浓度预测中的应用

灰色预测是用灰色模型GM(1,1)进行的定量预测,灰色预测大致可有4种:数列预测、灾变预测、季节灾变预测、拓扑预测。其中,数列预测应用最为广泛,但预测的对象或原始数据都是随时间呈单调的增或降,而对非单调的或具有一定波动的数据预测,却很少见有文献报道。本文就灰色模型在大气悬浮颗粒物浓度的预测中的应用作一探讨。     

基于遗传算法的人工神经网络在降水酸度预测中的应用

在误差反向传播(Back Propagation)算法的人工神经网络结构模型的基础上，应用遗传算法训练神经网络权重，实现网络结构的优化。用优化后的BP人工神经网络建立了江西省南昌市的降水酸度预测模型。并将该模型预测结果与BP算法和多元线性回归法的预测结果进行了比较。检验结果表明：基于遗传算法的人工神经网络优于BP算法及多元线性回归法，具有良好的预测效果。     

城市污水量短时预测的混沌神经网络模型

通过分析进水水量时间序列的非线性动力学性质,认为该时间序列具有混沌特性.在此基础上,通过相空间重构的方法建立了用于城市污水水量短时预测的混沌神经网络模型;并利用此模型对污水厂的进水水量进行短时预测,取得了较为满意的预测效果.     

海冰数值预报在海洋开发中的应用

９０年代以来，海冰数值预报的产品被应用到多种领域，如海上石油开发，海上交通运输，海洋工程及海洋环境保护等，并创造了良好的社会和经济效益。本文叙述了海冰数值预报在海洋开发中的应用，特别侧重于局部海区的冰模式，为海洋工程服务以及结冰海区溢油行为和归宿的模拟研究。     

加速基因算法在海洋环境预报中的应用

基于自然选择和自然基因机制的基因算法是一种优秀的寻优方法，它利用遗传操作算子来模拟生物界的优生劣汰的规律，是一种多路径全局优化方法。为增强经典基因算法对实际模型参数变化范围的适应性，加快其全局寻优速度和简化算法参数设置技术，本文给邮了一种改进基因算法，并在海渔期预报，冰情预报中得到成功应用。该法可广泛用于各种工程模型优化之中。     

遗传毒性检测技术在海洋环境监测中的应用

介绍了几种常用的遗传毒性检测技术,即Ames试验、微核试验和彗星试验等;概述了国内外在海洋环境的遗传毒性检测领域所取得的成果及研究进展;通过与常规化学监测做比较,阐明遗传毒性检测在海洋环境监测中的重要性;最后探讨了开展海洋环境遗传毒性检测可能存在的问题,为把遗传毒性检测技术应用于我国海洋环境监测提供思路。     

Short-term prediction of the influent quantity time series of wastewater treatment plant based on a chaos neural network model

By predicting influent quantity, a wastewater treatment plant (WWTP) can be well controlled. The nonlinear dynamic characteristic of WWTP influent quantity time series was analyzed, with the assumption that the series was predictable. Based on this, a short-term forecasting chaos neural network model of WWTP influent quantity was built by phase space reconstruction. Reasonable forecasting results were achieved using this method. Translated from Acta Scientiae Circumstantiae, 2006, 26(3): 416–419 [译自: 环境科学学报]     

基于动态滑动窗口BP神经网络的水质时间序列预测

为提高BP神经网络（BPNN）模型对具有时间序列特征水质的预测精准度,采用主成分分析法对原始样本数据进行特征提取和降维,选取溶解性有机碳（DOC）浓度、总氮（TN）浓度和浊度作为水质预测指标,构建了具有3层网络结构的BPNN模型进行预测,并分析其预测性能。结果表明：DOC浓度、TN浓度和浊度的最佳训练集尺寸分别为60、60和90 d,最佳BPNN拓扑结构分别为9-12-1、8-6-1和7-13-1,经优化后的BPNN模型对DOC浓度、TN浓度和浊度的变化趋势整体预测效果较好;相比之下,BPNN模型对水中DOC浓度的预测效果显著优于TN浓度和浊度,其均方根误差（RMSE）、平均绝对百分比误差（MAPE）和相关系数（R）分别为0.040、0.66%和0.867。该模型对具有非线性特征的地表水水质预测具有较好的适用性,预测精度较高。

     

变尺度混沌-遗传算法在复杂河流水质模型参数优化中的应用

将变尺度混沌-遗传算法(MSCGA)应用于复杂河流水质模型参数优化.采用湘江衡阳段水质监测资料,以二维河流水质数学模型反演结果的均方误差为适应度函数,估计横向扩散系数Dx、纵向弥散系数Dy和污染物衰减系数κ.数值实验结果表明,MSCGA寻优过程具有明显的分级特征,级级收敛;在同样的条件下,MSCGA的收敛速度较快,为遗传算法(GA)的1.36倍;同时,MSCGA克服了GA早熟收敛的问题,其最优适应度函数值为7.6×10-4,而GA的最优适应度函数值9.6×10-4.将MSCGA应用于研究河段,求得Dx、Dy分别为0.1335、0.0011,BOD5、As、Cr的衰减系数κ分别为0.0229、0.0100、0.0107.