基于BP神经网络的表层土壤重金属分布模拟

以新疆克拉玛依人工碳汇林为研究区,利用采样点实测数据及理化试验得出的表层土壤重金属含量数据,借助Matlab实现双隐层BP神经网络预测模型,并结合GIS技术分析模型误差,最终实现研究区域土壤重金属含量的三维空间分布格局的可视化表示。结果表明:用双隐层BP神经网络模型拟合精度达90%左右,检验精度以及实际评价效果均较好,说明利用BP神经网络模型对土壤重金属污染进行空间分析与评价具有可行性;整个研究区中部区域Cu、Zn、Fe、Mn、Ni 5种重金属含量相对较低,对环境的负面影响较小,而在研究区周边区域这5种重金属含量相对较高,对环境的负面影响较大。     

我国东北黑土丘陵区小流域土壤有机质空间分布模拟

为探索小流域w(SOM)(SOM为土壤有机质)空间分布模拟的最佳方法,以我国东北黑土丘陵区海沟河小流域为例,借助地统计学和3S技术提取与w(SOM)显著相关的地形及环境因子,对海沟河小流域表层(0~20 cm)w(SOM)分别进行协同克里格插值、回归克里格插值和地理加权回归克里格空间插值模拟,并进行精度验证. 结果表明:我国东北黑土丘陵区海沟河小流域表层w(SOM)平均值为12.96 g/kg,空间变异程度为中等. 海拔、距水系距离均与w(SOM)显著相关,能够用来辅助w(SOM)的空间分布插值;与协同克里格插值结果相比,回归克里格对w(SOM)的插值精度提高了56.09%;地理加权回归克里格插值精度提高了90.87%;对地理加权回归克里格插值所产生的残差进行二次统计分析及合理插值,能够进一步提高插值模拟精度;将人类干扰因素纳入插值模型,是未来提高w(SOM)空间分布模拟精度的关键. 研究显示,地理加权回归克里格插值有效提高了w(SOM)空间插值模拟的精度,并且存在改进和提高的空间.      

基于BP神经网络的北京城区公园土壤PAHs含量预测

城市公园是城市生态环境的重要组成部分,其环境质量与人类健康息息相关.选择北京市121个城区公园,采集公园土壤样品并分析其中7种多环芳烃（PAHs）含量,评价城区公园土壤中PAHs的含量水平,并基于BP神经网络预测了2020年和2023年土壤PAHs含量.结果表明:北京城区公园土壤中w（PAHs）（7种PAHs总含量）范围为0.033~4.182 mg/kg,低于GB 36600—2018《土壤环境质量建设用地土壤污染风险管控标准（试行）》土壤污染风险筛选值,且7种PAHs的毒性当量浓度（TEQ）均低于世界卫生组织标准值（1 mg/kg）,对人体健康的毒性风险较小.将14个影响指标（8个社会经济因子与6个公园特征因子）作为输入层、土壤w（PAHs）作为输出层,建立BP神经网络的拟合优度达0.845.预测结果显示,2020年和2023年北京城区公园土壤中w（PAHs）范围分别为0.008~0.969 mg/kg和0.022~1.988 mg/kg,整体均低于GB 36600—2018土壤污染风险筛选值,但随时间推移呈上升趋势,尤其朝阳区和海淀区将有大幅增长.研究显示:城市化发展因素对土壤w（PAHs）的增加有明显影响,城市发展进程影响不容忽视;至2023年,北京城区公园土壤若不加管理,其w（PAHs）将持续增长.      

基于MGWR的滨海区土壤盐渍化分布空间预测及影响因素分析

定量分析土壤盐渍化影响因素的空间非平稳性特征,预测其空间分布,对于合理利用滨海盐渍土资源和制定局部针对性防控措施具有重要意义. 以山东省东营市河口区为研究区,通过经典统计学方法对土壤盐渍化状况进行描述性统计分析;利用空间自相关理论探讨研究区土壤盐渍化全局与局部空间结构特征;选取与土壤盐渍化相关的影响因素,采用多元线性回归（MLR）、地理加权回归（GWR）和多尺度地理加权回归（MGWR）方法对研究区土壤盐渍化空间分布进行建模预测,分析不同影响因素与土壤盐渍化的空间非平稳性特征. 结果表明：① 研究区土壤含盐量均值为5.84 g·kg^-1,整体表现为重度盐渍化,全局Moran''s I指数为0.19 （P<0.00）,空间聚集特征明显;② 3种模型中,MGWR模型建模精度最高. 与MLR模型相比,GWR和MGWR的R_adj²分别提高了0.05和0.07,RSS分别减少210.13和179.95;③ MGWR回归结果表明,从不同影响因素标准化回归系数均值看,表层土壤盐渍化空间分布主要受中层土壤含盐量、黏粒含量和植被覆盖度影响. 不同影响因素对土壤盐渍化的空间非平稳性特征较为显著;④ MGWR土壤盐渍化空间分布预测结果表明,土壤含盐量高值区域（≥6 g·kg^-1）主要分布于研究区北部,空间上整体呈现从沿海向内陆降低的趋势. 研究结果可为县区及更大范围利用MGWR开展土壤盐渍化影响因素分析与预测制图提供参考.     

黑土丘陵区小流域土壤有机质空间变异及分布格局

土壤有机质的空间变异和分布格局是土壤科学领域研究的热点.在经典统计学和地统计学的基础上,结合"3S"技术,对黑土丘陵区海沟河小流域土壤表层(0~20 cm)中有机质的空间变异、分布特征及影响因子进行深入探讨.结果表明,海沟河小流域土壤有机质含量在黑土区处于较低水平,变异程度为中等变异,且存在空间自相关性;土壤有机质的空间变异受人类活动、耕作措施等随机因素影响很小,受结构性要素影响较大,空间上各向异性显著;土壤有机质含量从东向西逐步减小,以高程为协变量的协同克里格插值能够提高空间插值精度.土壤有机质空间分布受地形地貌等自然因素以及受其制约的土地利用的影响较大,受交通道路、居民点等要素的影响较小;采样点周边环境会增加有机质的空间变异和分布的不确定性.以流域为单元,进行SOM的空间变异、分布及影响因子研究具有重要意义和科学价值.     

基于BP神经网络预测北京市加油站周边土壤多环芳烃含量

随着我国城市化进程的迅速发展,城市中加油站数量越来越多,加油站油品的成分含量复杂多样,在石油逸散过程中会生成一系列污染物.加油站产生的多环芳烃(PAHs)会污染其附近土壤,同时对人体健康产生影响.收集了北京市117个加油站附近的土壤样品(0～20 cm),分析了7种PAHs的含量,基于BP神经网络模型,预测了2025年和2030年北京市加油站土壤PAHs含量.结果表明,7种ω(PAHs)范围在0.01～3.53 mg·kg^-1之间,与《土壤环境质量建设用地土壤污染风险管控标准(试行)》(GB 36600-2018)中土壤污染风险筛选值比较,PAHs含量低于该指标,同时上述7种PAHs的毒性当量(TEQ)均低于世界卫生组织(WHO)的标准值(1 mg·kg^-1),表明它们对人体健康有较低风险.预测结果显示,快速发展的城市化与土壤PAHs含量的增加具有正相关的关系,至2030年,北京市加油站土壤PAHs的含量将持续增长.2025年和2030年北京市加油站土壤中ω(PAHs)的范围分别为0.085～4.077 mg·kg^-1和...     

基于BP神经网络的污染场地土壤重金属和PAHs含量预测

受土壤检测成本和项目周期等因素制约,污染场地土壤经常存在检测数据缺失的现象,如何利用有限的检测数据获得更全面的信息成为当前研究热点.以某金属加工厂污染场地为研究对象,运用多元统计方法分析土壤样品中重金属(As、Zn、Cu、Pb、Ni、Cd、Cr)和多环芳烃(polycyclic aromatic hydrocarbons,PAHs)〔苯并[a]芘(BaP)、二苯并[a,h]蒽(DBA)、苯并[k]荧蒽(BkF)、苯并[b]荧蒽(BbF)、苯并[a]蒽(BaA)、萘(Nap)、?(Chr)〕之间的关联性,并以此为基础,利用已知数据建立BP神经网络模型,预测缺失土壤样本中重金属和PAHs的含量.结果表明:与GB 36600—2018《土壤环境质量建设用地土壤污染风险管控标准(试行)》中的风险筛选值对比,重金属超标率表现为w(Ni)>w(Cu)>w(As)>w(Pb)>w(Zn)=w(Cd)>w(Cr),除w(Chr)未超标外,其他6种PAHs按超标率排序为w(BaP)>w(DBA)>w(BbF)=w(BaA)>w(Nap)>w(BkF).重金属Zn与Pb、As与Cd关联性较好,Cu与Ni关联性较好,Cr与其他6种重金属关联性较差,PAHs中除Nap外,BaP、DBA、BkF、BbF、BaA和Chr彼此关联性均较好;构建的BP神经网络模型的污染物浓度预测值与实测值的决定系数(R₂)范围为0.812~0.993,模拟效率系数(NSE)范围为0.779~0.959,均方根误差(RMSE)和平均绝对误差(MAE)均较小.研究显示,研究区土壤重金属和PAHs含量整体存在不同程度的超标现象,构建的BP神经网络模型对污染物浓度预测结果准确可靠,利用该模型对土壤污染进行空间分析与评价具有可行性,且关联性较弱的因子作为输入参数能进一步提高预测模型的精度.      

陕西渭北旱塬区农田土壤有机质空间预测方法

准确预测土壤有机质(SOM)含量的空间分布对于改善土壤质量、提高区域土壤管理水平具有重要意义.为探索预测陕西渭北旱塬区农田SOM含量的最优模型,借助地理探测器选取与SOM含量密切相关的影响因子作为建模的协变量,选用普通克里格方法(OK)、地理加权回归模型(GWR)、偏最小二乘回归模型(PLS)、地理加权回归扩展模型(G...     

基于贝叶斯最大熵的黑土区小流域土壤有机质空间分布预测

进行w（SOM）空间预测研究,对掌握区域w（SOM）空间分布现状、实施精准农业以及保护区域生态环境都有着重要意义.以土地利用类型为辅助变量,将不同土地利用类型所对应w（SOM）的概率分布作为“软数据”,采用BME（贝叶斯最大熵）方法对我国东北黑土丘陵区海沟河小流域表层w（SOM）的分布情况进行空间预测,并与以w（TN）和土地利用类型为辅助变量的CK（协同克里格）方法进行比较,探讨两种方法的可行性与精度.结果表明:我国东北黑土丘陵区海沟河小流域表层w（SOM）平均值为24.04 g/kg,空间变异程度为中等.w（SOM）与w（TN）呈极显著正相关,与土地利用类型存在较强的相关性,不同土地利用类型w（SOM）差异明显,w（TN）与土地利用类型能够用来辅助w（SOM）的空间分布插值.相较于CK方法,BME方法能更好地利用“软数据”进行空间插值,使对w（SOM）预测结果的平均误差（ME）、平均绝对误差（MAE）和均方根误差（RMSE）均有所降低,精度大幅提高,空间插值效果明显优于CK方法.研究显示,研究区w（SOM）以阶梯状自东向西依次递减分布,在南北方向上变化不大,空间变化特征较为明显,BME方法利用“软数据”插值后的结果能较好地反映研究区w（SOM）空间分布的实际情况.      

基于灰色补偿BP神经网络优化组合模型的车辆装备冷却系腐蚀预测

目的 避免由于腐蚀破坏车辆装备冷却系,使车辆不能维持良好的工作状态,并缩短装备的使用寿命,建立一个准确、高效的预测模型,以实现对车辆装备冷却系腐蚀预测。方法 在传统GM（1,1）模型基础上,结合背景值构造优化与新陈代谢思想,建立一种新陈代谢加权不等时距模型MUGM（1,1,λ）。此外,还引入遗传算法优化BP神经网络模型对MUGM（1,1,λ）模型进行残差修正,建立灰色补偿BP神经网络优化组合模型。结果 基于优化组合模型对冷却系用铸铁材料腐蚀预测的平均误差为0.43%,模型精度为一级,预测精度高。结论 所建立的灰色补偿BP神经网络优化组合模型对于车辆装备冷却系金属腐蚀预测具有可行性。     

基于PSO算法的BP神经网络对水体叶绿素a的预测

BP神经网络(Back Propagation Network)在水体富营养化评价及预测中已广泛应用,但传统BP算法的收敛速度慢并易陷入局部最优. 提出了一种基于微粒群(PSO)算法的BP神经网络模型,利用PSO对神经网络的权值进行修正,优化神经网络结构及算法全局收敛性. 选择最能代表明湖水质状况的5号采样点作为研究对象,把2009年4月—2010年3月的月样本插值为周样本,对明湖ρ(Chla)的短期变化趋势进行了预测,并用6号采样点数据来验证网络的泛化能力. 比较分析基于PSO算法的新模型与传统BP算法模型的预测精度表明,新模型有效克服了传统算法的缺点,提高了网络的预测能力和学习能力.      

BP神经网络组合预测在城市生活垃圾产量预测中应用

文章分析了组合预测理论,在建立由二次指数平滑预测模型、灰色预测模型、BP神经网络预测模型组成的组合预测模型库的基础上,利用以上三种单一预测模型的组合构成BP神经网络组合预测模型。分别应用单一预测模型和组合预测模型对湖南省城市生活垃圾产生量进行预测,通过分析和比较预测结果,验证了该组合预测方法的有效性。     

基于BP神经网络的城市生活垃圾产生量预测研究——以上海市为例

文章总结分析了影响城市生活垃圾产生量的因素,并根据相关性分析结果确定了主要影响因素,然后建立了上海市生活垃圾产生量的BP神经网络预测模型,并将预测值与实际值进行比较,表明该模型具有较好的适用性和准确性,最后对上海市未来几年的生活垃圾产量进行了预测.     

多重密度布点对土壤有机质空间特性的解析

论文以张家港市耕层土壤有机质（Soil organic matter, SOM）为目标变量,通过网格布点建立11种样点密度梯度,运用经典统计学和地统计学方法研究其空间特性随布点密度变化的趋势规律。结果表明,各密度下SOM的变异系数稳定在21.70%~23.12%之间,表现出中等程度变异;随着布点密度降低,SOM的块基比和分维数分别由37.52%、1.838波动降至18.70%、1.714,Moran’s I则由0.485起伏升高至0.857,相应地其空间变异中结构变异组分增多、随机变异贡献减少,空间自相关性也逐渐增强;SOM呈现西南-东北递减分布,随着样点密度减小,其空间格局趋于简化。论文以布点密度为视窗,揭示了SOM的多重空间尺度特征,可为解析土壤属性的层级结构提供参考依据。     

基于灰色神经网络的有机涂层寿命预测研究

暴露于大气腐蚀环境下的有机涂层使用寿命涉及因素繁多,难于精确预测.基于灰色理论和人工神经网络理论,建立了灰色神经网络模型对有机涂层腐蚀面积进行预测,进而预测其寿命.通过飞机结构模拟试验件加速腐蚀试验后的有机涂层寿命预测实例检验,发现灰色神经网络模型预测有机涂层寿命精度较高,结果理想.