英国BP助推广东 可再生能源利用

英国石油公司（BP）与中山大学日前合作启动了中山大学——BP液化天然气教育培训与研究中心。同时，为推广可再生清洁能源的利用，BP公司将在广东科学中心建设一个大型的太阳能展示项目——太阳能风帆。为支持这些项目的开展，BP公司此次共投入了500万美元。     

BP网络应用于大气环境监测点的优选

为了对大气环境监测点进行优化选择 ,以大气质量分级标准为训练样本 ,构造BP网络进行训练 ,用训练好的BP网络对某地的大气环境监测采样点进行了优选 ,并与物元分析法优选结果进行比较。结果表明 ,BP网络用于环境测点优选具有较好的客观性和应用性     

一体化A_mO_n工艺BP神经网络数学模型研究

讨论基于BP神经网络一体化AmOn污水处理工艺数学模型的构建。在分析神经网络和一体化AmOn污水处理工艺各自特点的基础上,建立了具有11个输入层节点、5个输出层节点以及包含两层隐含层的BP神经网络,并确定了各隐含层的节点数、网络的权值和阈值。对模型的验证结果表明:BP神经网络模型基本反映了AmOn一体化工艺的主要特点,网络预测出水结果与实测结果相差不大,神经网络模型具有较好的泛化能力。     

我国季风区5 ka BP气候事件

5.0 ka BP前后全球普遍经历了一次快速的降温事件,对世界范围内很多地区的环境产生了显著影响。本文利用公开发表的有高精度年代控制的、高分辨率石笋和湖沼沉积记录,系统回顾了5 ka BP气候事件在我国不同地区的降雨表现。这次气候事件在我国季风区不同区域都有记录,其中在季风区北方和青藏高原地区记录的最为清楚,体现为显著的干旱。事件起始于5.6—5.5 ka BP,在5.0 ka BP左右达到峰值,其后快速回升。5 ka BP气候事件对我国新石器文化的发展产生了重要影响。太阳辐射减少导致的赤道辐合带南移和大西洋经向翻转环流减弱导致的亚洲夏季风减弱可能驱动了此次气候事件。然而,不同地区、特别是南方地区的不同记录在此次事件的表现形式和开始时间有所差异。云南和湖北的泥炭记录显示此次事件为突变事件,发生于4.7—4.9 ka BP,不同于其他地质记录的渐变状态。未来还需加强在南方地区,特别是华东地区重建涵盖5 ka BP气候事件的有绝对定年的高分辨率可靠降雨记录。进一步厘清这些记录的差异是由于不同气候代用指标和记录分辨率的不同以及测年误差导致的,还是对气候事件的响应存在着区域差异。     

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。     

BP自然保护计划

BP自然保护计划是一项企业支持全球自然保护工作的奖励计划，旨在帮助和鼓励学生小组积极投身于具有开创性和实践性的自然保护项目，以抢救世界上一些最濒危的动物及其栖息地。BP自然保护计划面向全世界各地的全日制在校或半工半读学生。项目评选程序十分严格，要求项目具有很高科研标准，并与项目所在国和当地社区进行充分合作。今年该计划收到了三百多份申请，并通过一个由科学家及自然保护工作者组成的国际评选小组来审查，从中选出18个获胜小组。今年，为庆祝该计划创办17周年，BP自然保护计划与野生动植物保护组织—鸟类国际（Bird…     

BP神经网络在北京市API预报中的应用

对大气污染进行预测具有十分重要的意义。以北京市为例,综合考虑BP网络的逼近能力和泛化能力,将时间序列作为BP神经网络的输入,对空气污染指数的预测做了建模研究。实验结果表明:BP神经网络的输出值与实际值之间的误差在可以接受的范围,特别是对骤升骤降趋势也能得到准确度较高的预报结果。因此在实际应用中,可以将BP网络方法作为一种考虑采用的方法。     

氯消毒中有机防晒剂BP9的去除转化与风险评价

对典型有机防晒剂二苯甲酮-9（BP9）在氯消毒过程中的氧化反应进行研究,考察BP9初始浓度、余氯初始浓度、溶液pH值和氨氮浓度对反应的影响,探究BP9氯氧化降解机理,评估其生态风险.结果表明,在BP9初始浓度5mg/L、余氯初始浓度5mg/L的条件下,90s内BP9去除率达到91.3%,符合准一级反应动力学.降解速率常数随着BP9初始浓度及氨氮浓度增加而减小,随余氯初始浓度增大而增大,中性条件下有利于BP9氯氧化反应.基于HPLC-MS/MS和GC-MS解析出7种中间产物,提出可能降解路径.发光细菌毒性分析和ECOSAR预测均表明,BP9氯氧化反应生成了比母物质毒性更高的中间产物,对饮用水水质安全造成潜在风险.     

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。     

基于遗传算法的改进BP神经网络模型在水质评价中的应用

为了确定水体类别，引入人工神经网络理论并通过建立BP神经网络模型对水体的质量、利用价值和处理要求进行评价。针对BP网络应用中存在的问题，建立了基于遗传算法的改进BP神经网络模型，并阐述了训练样本产生、数据归一化、构建网络拓扑结构、初始权重及阀值确定等应用过程。通过实例分析表明，该模型应用于水质评价具有客观性和实用性。     

BP人工神经网络预测邻苯二甲酸酯光化学降解

将反向传播人工神经网络（BP－ANN）用于邻苯二甲酸酯类化合物的光化学降解的预测中，选取正交设计的试验点作为反向传播人工神经网络的训练集，实现对全实验域试验点的预测，并与实测的试验数据比较。结果表明反向传播人工神经网络（BP－ANN）具有良好的预测能力。     

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.      

BP神经网络在再生水补给密云水库水质评价中的应用

基于环境质量基本模型,将补给的再生水视为点源污染,建立了再生水补给后的湖库污染物浓度变化模型.在得到补给后主要污染物稳定浓度的基础上,建立BP神经网络模型,使用随机数发生器生成随机数据作为模型的学习样本和检验样本以满足BP模型对样本数量的需求.使用BP模型对再生水补给后的水质进行评价,评价结果证明了再生水补给的可行性与相对安全性.     

城市空气质量的BP和RBF人工神经网络建模及分类评价

根据MATLAB提供的人工神经网络模型,将其应用到城市空气质量评价,研究并对比分析BP和RBF两种人工神经网络的建模方法及评价结果。首先构建BP神经网络模型,确定输入层、隐含层和输出层的神经元数,选择Sigmoid型函数作为激励函数,应用内插扩展出的训练样本对BP网络进行学习,再用训练成熟的BP网络对待评价样本进行仿真;其次构建RBF神经网络模型,确定其输入层和输出层的神经元数,选择Gauss函数作为隐含层激励函数,再用同样的训练样本进行学习和仿真;最终进行归一化论证,验证归一化预处理在空气质量评价中的必要性。结果表明:应用BP和RBF人工神经网络可以得出较好的城市空气质量分类评价结果,其中RBF神经网络模型与改进的灰色聚类法评价结果一致,具有较高的准确率,是一种快捷、有效的综合评价方法。     

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。     

基于BP神经网络的Falcon分选电子废弃物预测模型

Falcon分选电子废弃物的影响因素主要有水压、转动频率、入料浓度,为了进一步研究影响因素与分选效果的关系,文章利用Design-Expert 7.1软件设计出三因素三水平的实验条件,利用Falcon分选得出数据。将实验数据和BP神经网络相结合,将影响因素作为神经网络的输入,品位和产率作为输出,经过BP训练后得到输入与输出的关系。对实验影响因素与分选效果的关系进行分析,结果与实际情况比较吻合。运用MATLAB实现BP神经网络仿真,仿真结果与最小二乘法下的结果相比较误差较小,输出向量与实际实验结果接近。     

BP网络在环境监测中的应用

本文介绍了BP网络的结构和学习规则及其在环境监测中的应用，指出人工神经网络在环境监测中的优越性。     

基于最佳范化能力的BP网络隐节点数反比关系式的环境预测模型

网络结构和样本集复杂性是影响BP网络泛化能力的两个最重要因素.对一个给定的训练样本集,为了构造一个与样本集复杂性相匹配的网络结构,使BP网络具有最佳泛化能力,在分析BP网络的泛化能力(用检测误差E2表示)与网络结构和样本集复杂性之间关系的基础上,建立了含参数的BP网络检测误差E2与网络隐节点数H、样本的因子数n、样本数...     

基于BP神经网络算法的混凝土单层框架损伤识别

基于BP神经网络算法,采用框架结构损伤前后固有频率的变化率作为网络的输入参数,分别对框架梁的单处损伤、框架柱的多处损伤进行损伤位置的识别.数值仿真结果表明,BP神经网络算法对混凝土框架结构损伤位置的识别效果很好.