B-P网络用于环境质量分类研究

用全国２５个湖泊的水质指标资料作为训练样本,应用人工神经Ｂ－Ｐ算法,分别建立了３参数和４参数的水质分类模型,并用所建立的模型对６个湖泊水质进行分类检验效果。结果表明Ｂ－Ｐ模型应用于环境质量分类是可行的,且由于Ｂ－Ｐ网络有学习,自适应的能力,因而与其它的环境质量分类法相比具有优越性。     

基于B－P网络的水质营养状态评价模型及其效果检验

选取与ＴＳＩ＿ｃ为０．５０，１００相应的水质营养状态作为３个建模样本，以ｃｈｌ－ａ，ＴＰ，ＴＮ和ＳＤ４个水质参数作为样本的输入特征，建立Ｂ－Ｐ网络的水质营养状态评价模型。该模型应用于全国３０个湖泊水质的营养状态评价，获得了较好的检验效果。     

基于B－P网络的水质营养状态评价模型及其效果检验

选取与ＴＳＩｃ为０，５０，１０相应的水质营养状态作为３个建模样本，以ｃｈｌ－ａ，ＴＰ，ＴＮ和ＳＤ４个水质参数作为样本的输入特征，建立了Ｂ－Ｐ网络的水质营养状态评价模型。该模型应用于全国３０个湖泊水质的营养状态评价，获得了较好的检验效果。     

综合环境质量的B－P网络二级评价

为了探索人工神经网络应用于环境质量评价的可行性和合理性，应用人工神经网络的Ｂ－Ｐ模型，构造了大气、水质和噪声的综合环境质量的Ｂ－Ｐ网络二级评价模型。并将该模型应用于实例作效果检验。结果表明Ｂ－Ｐ网络用于环境质量评价适应性强，方法可行，结果合理。     

大气环境质量的人工神经网络决策模型

为了对环境质量进行综合评价，运用误差反向传播算法的人工神经网络方法建立了环境质量评价的Ｂ－Ｐ决策模型，用此模型研究实例的大气环境质量，结果表明Ｂ－Ｐ网络用于环境质量评价具有客观性和实用性     

大气环境质量综合评价的B－P网络模型

选取大气环境质量的三级标准作为３个学习样本，以ＳＯ＿２，ＮＯ＿ｘ和ＴＳＰ三种污染物的三级标准浓度限值作为样本的输入特征值，建立了三参数的Ｂ－Ｐ网络大气环境质量综合评价模型，用该模型对３１个测点的大气环境质量进行评价，并与模糊数学和灰色系统法的评价结果比较，表明Ｂ－Ｐ网络用于大气环境质量评价具有优越性。     

人工神经网络在高原湖泊水质评价中的应用

本文应用人工神经网络方法，建立了高源湖泊水质ＢＰ神经网络模型，对湖泊水质进行综合评价，通过实例检查结果表明，ＢＰ神经网络方法能准确反映水体污染程度，具有较强处理相互矛盾影响样本的能力，方法可行，结果客观合理。     

大气环境质量综合评价的B—P网络模型

选取大气环境质量的三级标准作为３个学习样本，以ＳＯ２，ＮＯｘ和ＴＳＰ三种污染物的三级标准浓度限值作为样本的输入特征值，建立了三参数的Ｂ－Ｐ网络大气质量综合评价模型，用该模型对３１个测点的大气环境质量进行评价，并与模糊数学和灰色系统法的评价结果比较，表明Ｂ－Ｐ网络用于大气环境质量评价具有优越性。     

肇庆星湖水质模型研究

根据星湖水污染特点，建立包括ＮＨ＾＿４－Ｎ，ＮＯ＾－２－Ｎ，ＮＯ＾－３－Ｎ，ＣＢＯＤ，ＤＯ的多元耦合氧平衡模型，Ｐ平衡模拟以及Ｃｈｌａ－Ｐ关系统计模型。模型中的参数采用实验法，经验公式法以及利用实测资料率定等方法，经实测资料验证，模型精度达到基本要求，可用于星湖水质管理实际工作。     

浅水湖泊群水质模型的近似解析解法

为了实现在一般微机上也能模拟浅水湖泊群的水质变化，从水质变化的基本控制方程出发，根据浅水湖泊群的水流特征与污染物迁移特性，首先建立了浅水湖泊群ＢＯＤ－ＤＯ模型，然后针对恒定水流和污染源稳定排放污水的情形，把处于湖泊边界上的污染源所面临的湖面视为半无限区域，并考虑到浓度的可叠加性，提出了浅水湖泊群ＢＯＤ－ＤＯ模型的近似解析解法。实例结果表明，这种解法计算工作量和存储量都较小，在一般微机上即能进行，且计算准确度基本上能满足工程实际要求。     

综合环境质量的B－P网络二级评价

为了探索人工神经网络应用于环境质量评价的可行性和合理性,应用人工神经网络的B－P模型,构造了大气、水质和噪声的综合环境质量的B－P网络二级评价模型。并将该模型应用于实例作效果检验。结果表明B－P网络用于环境质量评价适应性强,方法可行,结果合理。      

B－P网络用于水质综合评价方法的研究

本文应用误差反向传播（Ｂ—Ｐ）算法的人工神经网络建立了水质综合评价模型。该模型应用于实例的水质评价结果表明Ｂ—Ｐ网络用于水质综合评价具有客观性和实用性。     

B－P网络用于水质综合评价方法的研究

本文应用误差反向传播（Ｂ—Ｐ）算法的人工神经网络建立了水质综合评价模型。该模型应用于实例的水质评价结果表明Ｂ—Ｐ网络用于水质综合评价具有客观性和实用性。     

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。     

水质富营养化程度的人工神经网络决策模型

为了对水质富营养化程度进行综合评价,提出水质富营养化决策的人工神经网络模型,用此模型研究我国17个湖泊的富营养化状况,通过期望输出值的选取和对未知水体的评价原则充分体现了水质富营养化各等级之间的模糊性,正确地反映了水质富营养化作用的内部机理。