机动车比功率在高排污车辆鉴别中的应用

机动车尾气遥感监测是I/M制度的有益补充.以2004年广州市机动车尾气遥感监测实验为基础,对实验数据作了深入分析.结果表明,占全体车辆10%的高排污车辆所排放的一氧化碳(CO)、碳氢化合物(HC)和氮氧化合物(NOx)分别占当日该污染物总量的36.81%,41.80%和48.52%,证明了高排污车辆是造成机动车排放污染的最主要污染源.进一步引入机动车比功率概念研究了机动车比功率与污染物排放之间的关系,并对15次实验结果进行了对比研究.结果表明,在不同测量中,CO、HC和NOx的排放与机动车比功率区间分布具有较好的一致性.分布规律还表明,在遥感监测中,在机动车比功率区间高值部分,机动车的CO或者HC的高排放为瞬间高排放,此时,不能将其判别为高排污车辆.将此结论用于基于神经网络的高排污车辆鉴别模型中,使高排污车辆的正确判断率达到95%.     

用TM影像进行湖泊水色反演研究的人工神经网络模型

利用人工神经网络技术进行了湖泊水色遥感的反演研究,在同步实验的基础上了构造了包含一个隐含层的BP神经网络模型,利用TM卫星影像反演悬浮物、COD_Mn、溶解氧、总磷、总氮和叶绿素浓度反演精度较高,相对误差基本在25%以下,同时分析了该人工神经网络反演模型的误差来源,改进措施以及应用前景.研究表明,在进行小规模的同步监测的基础上,此模型可用于湖泊水质调查、分析和评价.     

基于ANN分类的农田遥感动态监测模型研究

保护基本农田是我国农业可持续发展的基础和前提,动态监测基本农田在时间和空间上的变化能够为农业开发政策的制定,农业经济发展的规划与管理提供有效的辅助决策手段。论文利用人工神经网络的BP算法实现了对两个时期的遥感影像进行基本农田类型的分类提取,在保证精度的前提下,探索了一条把单要素监测和多要素监测相结合的遥感动态监测模型,并详细描述了模型实现的算法与步骤。最后利用该模型对实验区进行了监测,并对监测结果进行了分析,结果表明模型很好地评估了研究区基本农田的数量和发展潜力,定性、定量、定位地揭示了研究区基本农田类型在时空上的变化规律。     

自适应人工鱼群-BP神经网络算法在径流预测中的应用

为了提高水库和河流中长期径流预测精度,提出了弹性自适应人工鱼群算法(RAAFSA)。应用RAAFSA算法训练BP神经网络,实现BP神经网络参数优化,形成弹性自适应人工鱼群-BP神经网络混合算法(RAAFSA-BP),对石泉水库进行中长期径流预测。仿真计算表明,弹性自适应人工鱼群优化的BP神经网络算法收敛速度快于BP神经网络算法、人工鱼群-BP神经网络算法和RBF神经网络算法。该混合算法克服了BP神经网络和人工鱼群算法易陷于局部极值、搜索质量差和精度不高的缺点,改善了BP神经网络的泛化能力,输出稳定性好,预报精度显著提高,每次预测相对误差绝对值都小于6%,合格率达到100%。该算法成功地解决了石泉水库中长期径流预测精度不高的难题,可有效用于水库和河川中长期径流预测。     

用BP神经网络模型定量估算石化企业炼油废水处理中的VOCs

将BP神经网络理论引入石化企业炼油厂废水处理中的VOCs挥发量估算。在分析影响VOCs挥发因素的基础上,利用基于MATLAB神经网络工具箱的图形用户界面GUI,建立了石化企业炼油废水处理中VOCs挥发量估算的BP神经网络模型。用该模型对样本集进行了学习训练和仿真测试,并将训练好的神经网络应用于相关实例的估算。结果表明,应用BP神经网络方法进行石化企业炼油废水处理中VOCs挥发量估算结果与美国环保局推荐软件WATER9的计算结果误差在1.49%~17.46%之间,为石化企业炼油废水处理中VOCs挥发量估算提供了一种较为可靠的方法。     

基于神经网络的碳排放预测及影响因素分析

基于新疆1995—2014年农业生产碳排放源,建立碳排放关系数据库。应用广义神经网络(generalized regression neural network,GRNN)构建了排放量预测模型,结合平均影响值(mean impact value,MIV)方法对碳排放影响因素进行量化。结果表明:1)GRNN模型预测碳排放的平均绝对百分误差和拟合优度分别为2.7860%和0.8720;2)新疆人口、人均GDP、农业贡献值、农机总动力和农户固定资产投资等因素对农业生产碳排放的影响程度分别为0.6210、0.2377、0.3698、0.8500和0.1000。该成果可为新疆碳排放总量分析和影响因素量化方面提供参考。     

基于RS的城市土地集约利用评价方法研究

论文建立了以遥感数据为主要数据源的城市土地集约利用评价指标体系,对城市土地利用遥感影像(IKONOS)特征进行分析,介绍评价指标遥感信息解译方法。在以遥感为主结合调查获取所有指标信息的基础上,应用综合评价和人工神经网络(ANN)模型对城市土地集约利用进行评价,通过评价结果比较,发现人工神经网络模型能够反映自变量和因变量之间的复杂非线性关系,是一种可行的评价方法。因此,论文构建基于遥感和人工神经网络(ANN)作为城市土地集约利用评价的方法体系,并应用其对石家庄市土地集约利用水平进行了评价。实践证明,这种体系构建评价方法更具时效性,实用性更强,工作更快捷、方便,评价结果更为客观。     

基于综合主成分及径向基网络的环境质量评价

运用综合主成分分析对监测数据进行处理,集成径向基函数人工神经网络(RBF-ANN),参考国家环境质量评价标准设定RBF的学习样本,从而构建区域环境质量综合评价模型,对安徽省合肥市新站综合开发试验区进行环境质量综合评价。实例分析结果表明,运用综合主成分法可以精准的统计出一个区域的环境综合数据,而且在matlab环境下运用RBF-ANN模型既可以准确,客观的评定环境质量的等级,又可以表现其环境污染的具体程度,能在同一评价等级内对不同环境质量的评价对象进行更加细微的污染程度的比较。结果表明,合肥市新站综合开发试验区环境综合质量介于轻度污染和中度污染的标准极限值之间,属于中度污染。     

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。     

基于多源辅助数据和神经网络模型的稻田土壤砷空间分布预测

合适的方法和多源的辅助数据对于准确预测土壤重金属的空间分布具有重要意义.该研究提出一种径向基函数神经网络结合普通克里格法的模型(RBFNN_OK),由主成分分析(PCA)提取的地形因子、遥感数据和邻近信息等多源辅助数据作为自变量,预测江西省都昌县稻田土壤砷空间分布.为验证RBFNN_OK的可行性:首先在全县范围内采集144个稻田表层(0～20 cm)土壤样品,运用ArcGIS地统计模块随机抽取115个(80%)采样点作为测试集,29个(20%)采样点作为验证集.其次多源辅助数据包括地形因子、遥感数据和邻近信息等14个定量因子作为预测变量,将预测变量进行主成分分析,得到前10个主成分的累积贡献率达到97.62%.再次一个特定的RBFNN_OK被用来预测土壤砷空间分布.最后将RBFNN_OK模型的预测结果与径向基神经网络模型(RBFNN)、回归克里格模型(RK)和多元逐步线性回归模型(MSLR)进行比较.结果表明,RBFNN_OK的测量值标准偏差与均方根误差的比值(RPD)较其它3种方法分别提高了14.92%、35.71%和44.67%.此外,RBFNN_OK还提供了更加真实且有关土壤砷空间分布的细节信息.RBFNN_OK取得最优效果可能归因于引入多源辅助数据,考虑多源辅助数据和土壤砷之间的多重共线性和非线性关系.该方法可为稻田土壤砷调查与环境保护提供更为精准的信息.     

GA-BP神经网络在铜合金海洋腐蚀预测中的应用

目的 充分利用海洋腐蚀数据,深入分析数据规律.方法 在BP神经网络的基础上引入遗传算法,以克服神经网络模型固有缺陷,提高预测精度和训练速度.结果 对GA-BP人工神经网络进行了简要阐述,并以铜合金在海水中的腐蚀数据为例,应用GA-BP人工神经网络建立了海水腐蚀预测模型,对预测结果进行了评价.结论 预测结果表明,模型能满足设计要求,具有较好的泛化能力.     

遥感法用于车辆实际道路行驶污染状况评估

为了评估满足不同排放标准的在用车在实际道路行驶条件下的污染状况,以2013年3-11月间在北京市朝阳区收集的16.5×104组在用汽油车排放遥感测试大数据为基础,对北京市的在用车实际道路排放水平进行分析和评价.结果表明:新车排放标准升级明显降低了在用车的CO、HC和NO平均排放浓度.从国Ⅰ/国Ⅱ到国Ⅲ以及从国Ⅲ到国Ⅳ/国Ⅴ,每次标准升级使得在用车的CO排放浓度平均降低12%~15%,HC和NO排放浓度分别降低13%和40%左右.与2003年相比,北京市2013年机动车CO、HC和NO排放的平均浓度分别下降了52.1%、82.1%和65.3%,排放标准升级带来的减排效果十分明显.未来排放标准升级过程中应当强化对在用车实际驾驶过程排放的监管,同时积极引导老旧车辆的淘汰更新,加大对排放造假行为的执法和处罚力度.      

基于遥感技术的贵州省PM10浓度年际变化监测与分析研究

文章选取MODIS数据,利用暗像元算法反演得到气溶胶光学厚度,利用BP神经网络算法通过网络训练和验证,得出PM10浓度遥感监测模型。利用该模型反演得到贵州省2014年3、7、10、12四个典型月份的PM10浓度值。结果表明模型训练和验证PM10浓度模拟值与实测值相关性系数（r）分别为0.76和0.62,利用此模型监测贵州省PM10近地面浓度是可行的;贵州省夏、秋季PM10浓度较低,春、冬季PM10浓度较高;贵州省的PM10浓度整体较低,空气质量较好。     

结构应力逆向推演模型及其不确定度定量分析

目的 针对现有结构安全在线监测与评估方法存在的短板,结合人工智能方法探索新的解决方案。提出一种基于有限测点应力逆向推演整体结构应力分布的方法,以数据驱动的模式,基于神经网络技术搭建算法模型。方法 以结构有限元仿真数据为基础,运用相关性分析方法,获取代表结构响应特征的有限个测点,利用神经网络方法构建基于有限测点应力推演结构全场应力分布的算法模型。结果 以科学试验平台的连接器结构为对象,开展该算法模型的应用研究,并且对该应用实例下的算法模型开展不确定度分析,推演结果的相对不确定度u95rel为8.6%。结论 该算法模型的推演结果正确反映了结构总体响应特征。从建模过程角度分析,该算法模型的不确定度来源主要包括相关性分析方法、神经网络建模以及模型收敛条件3个方面。     

基于实时交通信息的道路机动车动态排放清单模拟研究

以上海市为例开展了实际道路车流分布、行驶工况和车辆技术的实地调查,建立了道路车流、VSP分布和车辆技术数据库.在此基础上,基于实时的车流、车速等交通信息,构建了动态化的道路机动车污染物排放清单模拟方法,并开展了城区典型道路的机动车小时排放模拟案例研究.调查结果表明,上海市城区道路车流以轻型客车和出租车为主,分别占各时段车流总量的48%～72%和15%～43%;VSP分布与平均车速存在较好的规律,各车型VSP峰值随平均车速的上升向高负荷去移动,且峰值逐渐降低;当前上海市车辆以国2和国3车型为主,经过年检站调查结果的校正,国2和国3车型分别占各车型的11%～70%和17%～51%.模拟案例结果显示,道路机动车CO、VOC、NOx和PM日排放峰谷比可达3.7、4.6、9.6和19.8左右,CO和VOC排放主要来自轻型客车和出租车,与车流变化的相关性较好,而NOx和PM排放主要来自重型客车和公交车,且主要集中在早晚高峰时段.采用建立的动态排放模拟方法可实时反映实际道路的机动车排放变化,获取高排放路段和时段,为交通环境管理提供重要的技术手段和决策依据.     

建立土壤硫释放过程的人工神经网络模型

以温度、土壤含水率、胱氨酸添加量和土壤pH值作为土壤释放挥发性含硫化合物的主要影响因素,采用正交实验方法分析这些因素与土壤硫释速率的关系,利用BP神经网络算法对实验结果建模,并用模型对不同影响因素下的土壤硫释放情况进行预测。结果表明,网络模型对学习过的样本有较高预测精度,预测结果相对误差在2％以下,对未学生过的样本,误差为10％左右,表明人工神经网络方法建立的模型适用于土壤硫释放预测。     

水质综合评价的人工神经网络模型

为探讨水质综合评价的客观方法,以成都市金堂县东风水库水质资料为例,建立了地面水水质综合评价的BP网络和Hopfield网络模型。BP网络模型以单输出代替多输出可保证评价结果的唯一性。Hopfield网络更优于BP网络,既适用于定量指标的水质参数又适用于定性指标的水质参数,而且使水质评价形象化     

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。