基于灰色理论与BP神经网络预测成都市生活垃圾产生量

根据成都市中心城区垃圾产生量的历年数据,先用以时间为单变量的灰色GM(1,1)预测模型得到历年数据的拟合值,再分析垃圾产生量与其影响因素之间的灰色关联度,选出关联度最大的4个因素建立多变量的灰色GM(1,5)预测模型与BP神经网络模型,并对垃圾产生量的预测精确度进行了对比,用预测精度最高的BP神经网络模型对未来年份的垃圾产生量进行了预测,为成都市垃圾处理处置规划提供了理论依据。     

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。     

城市垃圾产生量预测研究

通过对城市生活垃圾产生状况的分析，选取我国西部和东部的典型城市成都、上海进行研究。运用线性回归模型对两城市垃圾量进行预测，为城市建设规划和垃圾综合处理提供依据。     

基于BP神经网络的城市总生态足迹预测研究——以武汉市为例

鉴于BP网络在处理非线性复杂系统的优势,以武汉市为研究对象,构建一个10-4-1结构的BP神经网络预测模型,将1978-2002年和2003年的相关数据作为模型的训练和测试样本,以2004年的社会、经济、环境数据作为网络的预测输入,对该年的总生态足迹进行预测。结果表明,BP神经网络预测结果与实际足迹值的相对误差为0.69%,预测精度优于传统的多元回归统计模型。     

北京市生活垃圾产生量的预测研究

分析了影响北京市城市生活垃圾产生量的因素,采用多元回归分析方法建立了城市生活垃圾年产生量的预测模型.并采用该模型,对2013-2015年北京市城市生活垃圾年产生量进行了预测.结果表明,未来2年北京市城市生活垃圾产生量呈缓慢上升趋势,预计到2015年北京市城市生活垃圾产生量将达到662.4t.     

基于预测有效度一致的城市生活垃圾产生量预测

提出了基于预测有效度一致的城市生活垃圾产生量最优组合预测模型,该模型在组合预测之前利用Kendall一致性检验法对参加组合的单项预测模型值的拟合精度进行一致性检验,在通过检验之后再利用方差倒数法求解最优组合权重,建立组合预测模型。通过实例分析,表明其预测精度高于参加组合的各单项模型预测值,在城市生活垃圾产生量的预测工作中有一定的应用价值。     

城市垃圾产生量的预测方法

城市垃圾产生量的预测方法蓬莱市环保局闫庆松城市垃圾产生量的预测对城市规划、城市有关基础设施的设置与管理具有指导意义。其预测方法较多，可分为两大类：一类是依靠调查研究，经验判断的方法；一类是依据统计数据资料，建立数学模型。后一种方法应用较广，且对不同的...     

北京市2002-2007年生活垃圾产生量预测分析

通过对北京市城市和城乡结合部地区生活垃圾产生量现状,以及影响垃圾产生量因素的分析,根据北京市环卫管理规划,运用多元线性回归分析和类比分析法综合预测分析了北京市2002-2007年的生活垃圾产生量.      

上海市城市垃圾产生量因子分析与灰色预测

运用灰色关联度方法，定量分析了上海市城市生活垃圾产生量的主要因子，并利用灰色系统理论建立了城市垃圾产生量的GM（1，1）模型，所建模型经精度检验合格，具有一定的可行性和适用性，为上海市城市垃圾的分析预测和规划管理提供定量依据。     

沈阳市生活垃圾排放现状及产生量预测

随着城市化进程加快、人口数量快速增加及人民生活水平普遍提高,城市生活垃圾管理已成为世界各国,特别是发展中国家城市面临的主要挑战.作为中国东北最大的中心城市,沈阳正面临城市生活垃圾产生量急剧增加的现状.文章通过对沈阳市城市生活垃圾排放现状的分析,发现2002年后沈阳市生活垃圾产生量和清运量逐年增加,生活垃圾成分变化显著....     

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。     

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BP神经网络的安全评价方法研究

阐述了BP神经网络的基本原理,利用机会约束的思想建立了综合安全评价模型．运用反向传播算法和遗传算法对神经元网络进行训练,在此分析基础上对系统综合安全评价模型进行求解,并对运用神经元网络进行综合安全评价的优点进行了分析。     

基于人工神经网络模型预测ABR反应器处理效率

ABR反应器的处理效率受多方面的因素影响，本文通过BP人工神经网络，利用ABR反应器进水CODcr浓度、容积负荷、温度、稳定运行时间四个参数对其反应器处理效率进行预测。结果表明，BP人工神经网络可较好的用于ABR反应器处理效率的预测，具有较高的精度，在实际生产中，可以运用人工神经网络，对ABR反应器的运行参数进行调整，使之达到最优化的运行状态。     

基于BP神经网络的企业HSE管理绩效评估

提出了根据日常HSE过程考核指标,构建基于BP神经网络的评价模型,利用神经网络较强的自培训学习、模糊推理、非线性逼近及容错能力,探索日常HSE过程考核指标与HSE绩效评估之间的函数关系,获得较为满意的绩效评估结果。经过对评估模型的评价及检验,该方法具有较好的操作性和较高的准确性。