气溶胶散射吸湿增长因子的BP神经网络模型

气溶胶组分、结构以及形态的复杂性对高湿条件下气溶胶散射吸湿增长因子统计模型的适用性提出了挑战。基于成都市2017年10—12月浊度计和黑碳仪的逐时观测资料,结合同时次的环境气象监测数据,利用“光学综合法”计算气溶胶散射吸湿增长因子。以相对湿度(RH)、C_BC、C_BC/C₍PM_2.5)、C_PM1/C₍PM_2.5)以及C₍PM_2.5)/C₍PM₁₀)作为输入因子[C_BC、C_PM1、C₍PM_2.5)、C₍PM₁₀)分别为黑碳(BC)、PM₁、PM_2.5、PM₁₀的质量浓度],构建了气溶胶散射吸湿增长因子的BP神经网络...     

基于BP神经网络的义水河水环境质量评价研究

水质质量涉及多个影响因子,因子间大多具有非线性相关性,因此,水质评价是一个具有多因子的非线性系统。人工神经网络具有非线性映射的特点,能够有效地处理非线性相关问题,将其应用于水质评价中能够获得更为准确的信息。文章以溶解氧、高锰酸盐指数、化学需氧量、氨氮、总磷、石油类等6个指标作为评价因子,通过构造BP网络模型对义水河水质进行评价,分析了义水河4个断面的水质状况,并与单因子评价法结果进行了比较分析。     

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BP神经网络的高校校园安全评价模型及其应用

本文将人工神经网络应用于高校校园安全评价中,建立了采用LM算法的三层BP神经网络高校校园安全评价模型,并参考国内对校园安全评价的研究成果,建立了校园安全评价指标体系,通过专家打分获得训练样本,用trainlm训练函数训练网络进行实例分析,其评价结果与实际一致,验证了该评价模型的适用性.该模型可以利用已有的比较成功的校园...     

基于BP神经网络的安全评价方法研究

阐述了BP神经网络的基本原理,利用机会约束的思想建立了综合安全评价模型．运用反向传播算法和遗传算法对神经元网络进行训练,在此分析基础上对系统综合安全评价模型进行求解,并对运用神经元网络进行综合安全评价的优点进行了分析。     

应用BP神经网络预测城市需水量的探析

在对辽宁省营口市城市需水量预测中，采用BP人工神经网络方法对该市人均综合用水量进行预测。进而预测出城市需水量，取得了满意效果。从精度检验、数据类比和趋势分析等角度，论证了此种预测方法的可行性和有效性。     

水质评价模式识别的BP神经网络方法

水质受多个因素的影响，而且这些作用多是非线性的。其水质评价的实质是实现一个非线性映射。由于具有任意个隐层节点的前馈神经网络可以以任意精度逼近一个连续函数，因此，目前得到普遍应用的是采用BP算法的多层前馈神经网络。文中运用人工神经网络的反向传播（BP）算法进行了实例评价，与其它方法相比，评价精度较高，方法简单易行。     

遗传BP算法在大气环境综合评价中应用

着重介绍的遗传算法求解网络结构优化，有效解决ＢＰ算法局部收敛的遗传ＢＰ算法的原理和构建遗传ＢＰ算法的步骤，并用于焦作市大气环境质量综合评价，结果表明，该方法有简便，准确，适用性强等优点。     

基于人工神经网络的森林资源管理模型研究

介绍了人工神经网络方法，建立了森林资源管理的三层前馈反向传播神经网络模型，并与Ｌｏｇｉｓｔｉｃ函数进行了比较。仿真结果表明，人工神经网络模型优于Ｌｏｇｉｓｔｉｃ模型，可应用于森林资源动态模拟。     

基于人工神经网络的森林资源管理模型研究

介绍了人工神经网络方法，建立了森林资源管理的三层前馈反向传播神经网络模型，并与Ｌｏｇｉｓｔｉｃ函数进行了比较。仿真结果表明，人工神经网络模型优于Ｌｏｇｉｓｔｉｃ模型，可应用于森林资源动态模拟。     

太湖生态系统的人工神经网络模拟研究

指出了传统生态学数学模型的不足 ,并建立了太湖生态系统的人工神经网络模型。以 2 0 0 1年 5～ 1 0月全太湖 2 6个采样点的实测水文、水质、气象等资料作为输入因子 ,建立了训练样本、检验样本和测试样本 ,并以各采样点的浮游植物量作为输出因子。网络的学习效果显示模型的性能很好 ,对 2 0 0 2年 8月各采样点浮游植物的预测结果也与实测值吻合较好 ,说明模型的推广能力很强。     

基于BP神经网络的上市公司CEO报酬实证研究

近年来的研究表明,CEO报酬不仅受公司业绩的影响,还受到其他诸多因素的影响,而且,CEO报酬与其决定因素之间往往存在着非线性关系。本文以2003-2005年沪深股市的A股上市公司为样本,采用BP神经网络对CEO总报酬、CEO年薪、CEO持股价值及其决定因素分别进行训练和学习,结果表明：（1）网络训练输出值与实际值的拟合度分别达到91.09%、97.23%和78.44%;（2）网络的预测能力相对于传统的线性回归模型分别提高了92.72%、92.08%和53.89%。因此,本文认为在分析和确定CEO报酬水平时引入神经网络模型是可行的。     

BP网络应用于长江水质研究

运用我国地面水环境质量标准(GB3838-88)作为学习样本,选取了包括氧平衡参数、营养元素、重金属离子、油类等14个指标,运用人工神经网络BP模型对长江干流和主要支流(含湖泊)的水环境质量进行分类研究。将计算结果与GIS数字化图形相结合,表明长江干流和大部分支流水质状况基本良好,上游支流沱江、下游支流大运河及太湖已受到较为严重的污染;长江干流城镇区段已经受到一定程度的污染。      

基于BP模型的大气污染预报方法的研究

BP模型是目前最为广泛应用的神经网络模型之一,它是一种简单而又非常有效的算法.笔者将BP网络模型引入到大气污染预报领域,并根据大气污染物含量与气象要素的关系建立了大气污染物含量的神经网络预报模型.计算结果表明,BP模型应用于大气污染预报具有较高的预测精度和良好的泛化能力,它为信息社会的城市空气污染预报工作提供了一种全新的思路和方法.      

基于优化模型的抚仙湖营养物标准技术经济评估方法

在对美国水质标准经济分析研究的基础上,结合我国环境管理的实际情况,构建湖泊营养物标准的技术经济评估框架。计算标准建议值条件下的湖泊营养物容量及入量湖,得到削减量。通过不确定性优化模型对削减量进行分配,核算湖泊富营养化控制成本,并假设标准执行后,对流域经济造成的影响进行评估。将该方法应用于抚仙湖营养物标准的技术经济评估系统,结果表明,通过优化模型对削减量进行分配的削减成本较原规划低,通过构建的技术经济评估框架对该成本进行评估,标准执行后,对流域经济影响适中。     

利用复介电常数和BP人工神经网络进行浓度预测的研究

制备了一定含水率不同浓度的CuCl2的PVA样品,用微波矢量网络分析仪和微波传感器测量S11参数,计算得到相对复介电常数。以样品相对复介电常数的实部、虚部及对应频率作为输入,以CuCl2溶液的浓度作为输出,建立BP人工神经网络模型。用训练样本集对网络训练后,检验样本的预测结果与实际值最大误差为0.97%。结果表明,利用复介电常数和BP人工神经网络进行浓度预测是一种很好的方法,进而为环境监测提供了方法依据。     

适于水质评价的AdaBoost-NN模型研究

AdaBoost即自适应Boosting算法,它可以提高任意给定弱分类器的分类精度。文章将AdaBoost算法与神经网络结合,提出了AdaBoost-NN水质评价模型。实例样本水质评价结果表明:与传统的水质评价方法相比,AdaBoost-NN水质评价模型的准确度更高,结果更加客观、合理。     

东湖沉积物中氮磷形态分布的研究

武汉东湖是具有代表性的城市浅水型湖泊.在2004年采用现场调查、布点检测和实验室化学性质分析等方法,对东湖西南部的子湖--庙湖的沉积物柱芯的氮和磷进行了形态分析,对其垂直剖面分布和季节性变化进行了调查.研究表明,沉积物中氮的赋存特征和变化规律为:总氮平均含量1.62～3.17g/kg,在垂直剖面上表现为随沉积深度的增加而降低的趋势;其含量随季节变化有周期性的规律,春季沉积物中总氮的含量是1 a中最少的,夏季开始增加,秋冬季总氮量达到最大.因受沉积物总氮和埋藏环境的双重影响,沉积物中铵态氮平均含量的季节性变化规律与总氮相似,春季铵态氮的含量最少为117.66mg/kg,夏秋季含量达到最大为216.20mg/kg,冬季稍有减少.沉积物中各形态磷的垂直赋存特征为:在0～10em沉积深度内,总磷(TP)含量0.255～3.36g/kg、不稳态磷(LP)含量0.192～11.00mg/kg、铁结合磷(Fe-P)含量13.47～1379.91mg/kg和铝结合磷(Al-P)含量7.77～317.64mg/kg,均有明显的"表层富积"现象,其含量随深度的增加而迅速减少,通常>10 cm后这些磷形态的含量保持稳定.结果表明,造成湖泊水体富营养化的污染源有外源和内源,当外源截污后,内源沉积物中的营养盐仍可能使湖泊处于富营养化状态;磷仍然是东湖最主要的限制性营养元素,春季湖区沉积物中铁结合磷比例最大,占沉积物TP的44.30%,说明庙湖水域污染程度严重.