BP神经网络在降水酸度预测中的应用

本文利用南昌市城市大气中SO2、NOX、TSP等浓度数据及降尘数据建立了BP神经网络的降雨酸度预测模型，结果表明：BP神经网络的预测模型不仅能较好地反映致酸因素与降水酸度的相互关系，而且预测精度也高于多元回归等模型。     

ELCOM模型在流溪河水库水温模拟中的应用

水温是湖泊水库生态系统的重要驱动因子,其结构特征对水生态系统中的物理、化学和生物过程起着重要作用。流溪河水库是位于北回归线上的大型山谷型深水水库,一座典型的热带亚热带过渡区水库。本文运用西澳大利亚大学水研究中心开发的三维ELCOM水动力学模型模拟了流溪河水库2008年7月23日到8月24日共32d的水温变化状况,并通过水温实测值进行了验证,模拟值与实测值的相关性R2值达到了0．8342,模拟值与实测值较为接近,ELCON模型较好地模拟了水温的日变化。最后对水温变化的原因和趋势进行了分析。     

基于Matlab的BP神经网络在大气污染物浓度预测中的应用

为了寻求有效控制和改善环境质量的相应措施,选用了英国伦敦Bloomsbury监测站的PM10小时平均浓度监测资料,采用“提前终止法”泛化改进的BP神经网络模型,预测PM1024 h内的小时平均浓度。结果表明：采用BP神经网络法对大气污染物浓度进行预测,预测相对误差在2%-48%之间,且绝大部分在2%-17%之间,预测精度较高,泛化能力较好,为大气污染物浓度预测提供了一种全新的思路和方法。     

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。     

BP神经网络在水处理工艺中的应用研究

在污水处理系统中进行了基于BP神经网络的活性污泥系统、臭氧活性炭系统建模方面的研究,这些模型的建立使得污水处理系统在线智能控制成为可能。在膜分离系统中进行的基于BP神经网络的膜通量、膜透压的预测模型研究,为膜过滤单元和水厂的优化设计提供了一种简便的方法。     

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。     

浅谈流溪河水库水质的保护

通过对流溪河水库地位、现状及周边整体环境的分析,同时结合现有环境保护政策和实际可行性,就如何开展流溪河水库水质保护工作作了初浅的探讨,并提出了若干保护与防治措施。     

基于BP神经网络的大气污染物浓度预测

利用BP神经网络结合变量筛选的方法建立了SO_2、NO_2、O3、CO、PM_(10)、PM_(2.5)等6种污染物的浓度预测模型,并选取2014-01-01至2015-11-28时段,昆明市区5个环境监测点以上6种污染物浓度的监测数据建立了昆明市污染物日均浓度预测模型.采用平均影响值(Mean Impact Value,MIV)的方法筛选出分别对6种污染物日均浓度值有主要影响的变量,作为BP神经网络的输入变量,利用建立的预测模型分别对6种污染物的日均浓度进行预测.结果表明,在关上监测点利用浓度预测模型对SO_2、NO_2、O3、CO、PM_(10)、PM_(2.5)等6种污染物浓度进行预测,污染物浓度预测值和实测值趋势吻合度较高.变量筛选后SO_2、PM_(2.5)预测效果比变量筛选前的预测效果好.O3的均方根误差和PM_(10)的标准化平均偏差,变量筛选前的预测效果比变量筛选后的预测效果好.变量筛选前的NO_2和CO的预测结果比变量筛选后的预测效果好.其他4个环境监测点的污染物浓度预测结果与关上监测点的结果相似.     

应用BP神经网络预测嵌岩桩竖向承载力的研究

利用BP神经网络,建立了嵌岩桩竖向承载力预测的BP神经网络模型,采用嵌岩桩竖向承载力的实验数据对网络进行了训练,并以此训练好的BP神经网络对嵌岩桩承载力进行了预测。预测结果表明,该模型具有很高的预测精度,为预测嵌岩桩承载力提供了一种新的方法。     

流溪河水库水环境容量研究

研究在流溪河水库水质现状调查的基础上,结合历史调查资料,采用了Vollenweider模型、OECD模型对流溪河水库水质进行了模拟并对TN、TP水环境容量进行了计算。结果表明,水库的TN、TP水环境容量在2005-2009年间分别是364.21-661.49 t/a、25.37-44.15 t/a,水环境容量与降雨量呈正相关,由于水库的降雨量年际变化比较大,导致水库的水环境容量的年际变化也较大。从流溪河水库4年的平均状况来看,水库总氮没有剩余容量,应削减负荷22.53%,总磷的剩余容量为2.27t/a,占其总环境容量的比重为18.27%。     

广州流溪河水库叶绿素a遥感反演研究

叶绿素a是衡量水体初级生产力和富营养化程度的一项重要指标。本研究在讨论分析反演水体叶绿素a浓度的半分析生物光学模型理论基础上,利用Landsat TM数据及中巴资源卫星02星CCD相机高分辨率数据,结合实测数据建立广州流溪河水库叶绿素a浓度的波段比值型反演模型。该模型对两个不同监测日期的叶绿素a浓度反演效果较好,拟合系数(R2)分别达到0.860和0.715,均方根误差分别为0.102μg/L和0.198μg/L。反演结果表明,流溪河水库叶绿素a浓度整体较低,均在2.0μg/L以下,空间分布在湖库区较均匀,入库支流玉溪河水域叶绿素a浓度略高于湖库区。     

基于BP神经网络的三峡库区土壤侵蚀强度模拟

降雨侵蚀力变化是一复杂过程,其变化存在一定的随机波动性,土壤侵蚀是三峡库区生态环境脆弱最主要的影响因素之一,查明库区土壤侵蚀强度的演化过程及未来趋势是库区生态文明建设过程中急需解决的关键科学问题。论文基于三峡库区1990年侵蚀降雨特征,利用BP神经网络对2010年75个站点降雨侵蚀力进行模拟、验证,预测2030年75个站点降雨侵蚀力。选取2030年预测结果中位于库区周围的27个站点,结合2030年库区自然增长、生态保护情景下土地利用模拟数据,使用RUSLE计算2030年土壤侵蚀强度。结果表明：1）2010年库区降雨侵蚀力模拟相对误差为15%,测试样本数据相对误差为14.67%,预测相对误差为19.65%,NE系数为0.85,说明BP神经网络对库区降雨侵蚀力具有良好模拟效果;2）2010年库区土壤侵蚀强度的Kappa指数为0.75,计算结果能满足模拟与预测需求;3）在土地利用不变情况下,2030年库区轻度、中度侵蚀面积均有所增加,微度及强烈以上侵蚀面积均呈减少趋势,且侵蚀强度转变中的58%来源于相邻侵蚀强度,跨侵蚀等级区的较少;4）在降雨侵蚀力不变情况下,自然增长、生态保护情景下未来土地利用变化所导致的土壤侵蚀均呈下降趋势,后者下降的趋势更为明显;5）在降雨侵蚀力及土地利用均变化的情况下,自然增长、生态保护情景下土壤侵蚀均呈下降趋势。     

县级生态农业建设的人工神经网络模型

引入人工神经网络的评价识别方法，建立了ＢＰ模型，以前人建立的县级生态农业建设评价指标体系评价标准，和某县生态农业综合评价指标数据为实例，比较ＢＰ模型的有效性，得到的评价分类结果和指标优先发展顺序决策与实际情况相吻合。     

基于BP神经网络的空气污染指数预测模型研究

BP神经网络已成为研究空气污染预测的有效工具之一。文章利用近十年北京市地面气象观测资料和空气污染指数数据,通过BP神经网络技术构建了不同季节的空气污染指数预测模型,对北京市空气污染指数进行了预测。通过相关系数分析法,对比分析了预测结果与实际监测结果,研究结果表明:春、夏、秋、冬季的预测值与监测值线性相关系数分别为0.81、0.84、0.89、0.85。北京春季常伴随有沙尘天气,而文章并没有考虑沙尘天气对预测模型的影响,因此春季BP神经网络预测精度在四季中最低,其预测值与监测值的线性相关系数为0.81。由于秋季不同空气质量级别的数据都有较多分布,因此该季节构建的网络更具有代表性,其预测精度在四季中最高,预测值与监测值的线性相关系数高达0.89。总之,BP神经网络模型对于北京空气污染指数预测是行之有效的。     

垃圾渗滤液生物处理系统BP人工神经网络模型

垃圾渗滤液成分复杂,变化范围大．对其调试及长期持续良好运行存在较大困难。本文针对武汉市二妃山垃圾渗滤液的调试运行数据,利用人工神经网络原理,建立BP人工神经网络垃圾渗滤液生物处理模型来预测处理效果．确定最优反应条件。实验结果显示网络具有良好的收敛特性,模型具有工程实用价值。     

基于BP神经网络的吡虫啉农药废水纳滤分离模型

为了有效控制农药废水纳滤分离工艺运行,基于DK膜预处理吡虫啉废水的试验数据,采用神经网络算法仿真模拟了纳滤系统去除污染物的过程,建立了纳滤分离动态模型,预测了多影响因素作用下的吡虫啉农药废水中污染物去除规律和实时性动态变化,不仅完善了纳滤分离理论系统,而且模型精度满足应用要求,计算的COD、盐分去除率与实测值的相关系数大于0.99,误差在±4%范围内,为农药废水的有效治理提供了必要的技术支持。     

基于神经网络的网络传感器火灾报警系统

为降低火灾报警系统的漏检、误报,本文利用网络化多传感器技术设计了数据融合模块,基于神经网络BP算法良好的非线性映射能力,对温度传感器、烟雾传感器和一氧化碳传感器同时探测的数据进行智能化融合处理。结果表明：该火灾报警系统能准确地识别火灾信号,明显减少了误报和漏报率。     

BP 神经网络模型在环境气象灾害预测中的应用研究--以湖南省为例

依据环境气象数据与自然灾害统计数据,建立BP神经网络模型,对湖南主要气象灾害（洪灾、旱灾、冰冻灾）及受灾经济损失进行实例预测,将在MATLAB7软件中的仿真结果与传统的多元线性回归模型分析结果进行比较和误差分析。结果表明,BP神经网络模型在洪灾、旱灾受灾率方面的预测效果和精度优于多元回归模型,而由于冰灾训练样本不足及经济损失与输入因子的线性相关程度高,在冰灾与受灾经济损失率方面稍逊于多元回归模型。     

基于NARX神经网络的千岛湖藻类短期预测模型构建

局部水域的藻类异常增殖现象逐渐成为千岛湖面临的水环境保护难题. 构建以数据驱动的水华预测模型,实现对重点水域叶绿素a (Chla)浓度短期动态变化的预测,是快速应对潜在水华风险的有效手段之一. 鉴于NARX神经网络在预测非平稳时间序列动态特征方面的优势,以千岛湖国控监测断面小金山2016—2019年Chla的高频时间序列作为研究对象,对Chla剖面数据进行沿深平均、缺失值插补后,分别以连续3 d和连续7 d的Chla浓度作为输入,构建了基于NARX神经网络的藻类预测模型,用于预测未来0.5~7 d Chla浓度的变化,探讨了相关参数设置、训练及评价方法,并针对不同的预见期分析了模型性能. 结果表明:① 模型预测性能稳定,预测值与实测值相关系数保持在0.8~0.9之间,均方误差在15~30之间. ②随着预见期的变化,模型性能不同. 其中,在未来0.5~4 d的预测中,使用连续3 d的 Chla浓度作为输入的预测效果较好;在未来4.5~7 d的预测中,使用连续7 d的Chla浓度作为输入的预测效果较好. 研究显示,该模型可以较为准确地预测未来0.5~7 d的Chla浓度,可为构建以数据驱动的千岛湖水华监测预警系统提供科学依据.