人工神经网络在化学和环境科学中应用的若干问题

讨论了人工神经网络中最常用的多层前馈网络 ( BP网络 )及误差反向传播算法应用于化学和环境科学时要考虑的几个问题 :网络的输入与数据的归一化 ;隐含层数、隐含层节数和学习速率 ;训练集与监控集 ;网络误差 ;初始权重     

GIS在环境科学中的应用

文章结合地理信息系统(GIS)和环境科学的特点,阐述了GIS在环境管理、环境规划、环境决策、环境评价及环境监测等多方面的应用,对GIS在环境科学中的应用及其发展趋势作了简要论述.由于GIS技术和环境科学在研究对象上的相似性和互补性,GIS广泛应用于环境科学领域必将会推动环境科学的迅猛发展.     

人工神经网络在水环境质量评价中的应用

为了将人工神经网络应用于水环境质量评价,应用了人工神经网络Ｂ—Ｐ算法,构造了水环境质量评价模型,该模型应用于实例评价结果表明,人工神经网络用于环境质量评价具有客观性,通用性和实用性。     

人工神经网络在深圳市水库富营养化评价中的应用

对富营养化评价标准进行插值获取大量的样本,建立了基于BP人工神经网络的富营养化评价模型。将模型应用于评价深圳市13座主要水库的富营养化状况,对其成因进行分析,并提出了对策与建议。研究结果表明,石岩水库与深圳水库为轻度富营养化,占评价水库总数的15.4%;西丽水库等11座水库为中营养,占评价水库总数的84.6%。人工神经网络用于建立湖库富营养评价模型是适合的。     

高分辨质谱在环境科学领域应用综述

探究复杂环境介质中有机污染物分析检测新方法,建立复杂环境介质中可疑和非目标化合物的快速筛选及确证方案,已成为环境科学领域的研究热点。高分辨质谱仪（HR-MS）具有质量范围宽、扫描速度快、灵敏度高等优点,使其在环境科学领域得到广泛应用。综述了混合高分辨率质谱（Q-TOF/Q Orbitrap）等HR MS技术的特点和工作原理,基于目标化合物分析、可疑化合物分析以及非目标化合物分析这3类研究策略,阐述了HR-MS在环境研究、药品监管及生物代谢物研究等领域的应用现状,进而分析了现阶段HR MS在环境科学领域中的应用局限性和发展前景。     

BP人工神经网络模型在西鞍山铁矿地下水水质评价中的应用

以西鞍山铁矿为例,采用BP人工神经网络模型对区内12个监测点的水质进行评价。以枯水期水质监测的主成分总硬度、溶解性总固体、硫酸盐、氯化物、铁和锰、硝酸盐、氟化物指标作为评价因子,建立地下水评价指标体系,并将评价结果与模糊综合评价法及综合质量评价法的评价结果比较。结果表明,8、9、10、11号监测点属于Ⅰ类水,1、2、3、4、6、7、12号监测点属于Ⅱ类水,5号监测点属于Ⅲ类水,西鞍山铁矿的开采未对地下水造成影响;该方法与模糊综合评价法及综合质量评价法的评价结果基本一致,可以客观、合理性地评价水质。     

兰州市SO2排放总量预测的BP人工神经网络模型

依据兰州市大气污染复杂的特点,首次将BP人工神经网络用于兰州市SO2排放总量的预测,结果表明,BP人工神经网络能较好地用于污染物排放总量的预测,且具有预测精度高,对数据数量和精度要求不高和客观性较强等优点。     

《宁波环境科学》征稿启事

《宁波环境科学》是经浙江省新闻出版局批准(浙内准字第B046号),由宁波市环境保护局主管,宁波市环境保护科学学会主办,是宁波市环保专业中、高级职称(不含教授级)评审的论文确认期刊。刊物立足宁波,面向全国,开辟的主要栏目有:局长(管理)论坛、学术研究、学科动态、交流争鸣等,内容涵盖节能减排、环境管理、环境规划、环境监测、环境科研、污染治理、环境执法、环境评价、环境健康、环境教育、生态文明、循环经济、清洁生产、综合信息等。规格为A4,页码为64,季刊。2008年6月创刊。为办好刊物,面向社会征稿。征稿简则如下     

地理信息系统在环境领域中的应用

简要介绍了地理信息系统在环境领域中的应用,它将成为社会可持续发展的有效辅助决策的支持工具。     

人工神经网络用于铅的化学形态模拟计算

用前馈线性网络法求解水体系中Ｐｂ（２＋）与ＯＨ－之间的反应常数，不同训练算法对求解结果的精度、收敛速度及权值均有影响．结果表明，批处理算法的精度最好，权值不出现负值，但运算时间最长；在线算法的精度虽不如批处理算法，而比数据变换－在线算法好，权值有时会出现负值．运算时间较长；数据变换－在线算法的优点是运算时间短，但相对误差较大，权值出现负值的机会多。采用反馈网络模拟计算铅的各种化学形态的浓度．用物料核算的方法对反馈网络模型进行检验表明，此种模型用于平衡计算是可行的，详细分析了理论模拟和实验曲线的差异的原因，温度的影响最小，在４＜ｐＨ＜９时，ＣＯ有重要的影响．在国代检验时，ｎ值取整所引入的误差的影响亦不可忽视。从本文的结果可以看到，采用前馈网络和反馈网络相结合的方法考察水体中的化学形态是可行的．从而为解决这一类问题提供了一种可能的途径．     

BP人工神经网络对长春市土壤质量评价

本文针对城市土壤重金属污染问题,以长春市为例运用人工神经网络理论及方法,建立土壤环境质量评价的BP人工神经网络模型,通过实例分析,并将评价结果与模糊综合评判结果进行了比较,说明运用该模型评价土壤环境质量不但能使评价结果精度大大提高,而且是切实可行的。     

基于人工神经网络的巢湖富营养化分时分区评价

应用人工神经网络方法,以温度、高锰酸盐指数、总磷、总氮作为评价参数,对巢湖湖区12个点位的营养状态进行了分时段评价,一共评价了2000年至2003年四个年度的各月份的营养状态。因为湖泊的营养状态水平是变化的,不同区域、不同时段营养状态水平是不同的,因此采用分区分时评价更能全面客观地反映巢湖的营养状态水平及其变化特征。     

电感耦合等离子体质谱技术在环境监测中的应用进展

电感耦合等离子体质谱技术(ICP-MS)是目前发展最快的痕量元素分析测试技术之一。由于该技术提供了极低的检出限、极宽的动态线性范围,干扰少、分析精密度高,可进行多元素同时快速分析,可与多种分离技术及样品前处理方法和进样方法相结合等优点,得到了迅速的发展。介绍了ICP-MS的基本原理及仪器构造、与其他分析测试技术的比较及发展趋势,并着重介绍了其在环境监测和环境科学研究领域的应用。     

智能算法及其在环境预警中的应用

智能算法具有学习非线性问题的能力,可有效优化环境模型结构与参数,是环境预警的重要工具。重点分析了遗传算法和人工神经网络的相关特征,并以太湖蓝藻水华预报预警为例,介绍其在提高环境模型精度中的应用。     

计算机在环境预测中的应用

详细介绍了常用于定量预测的多元线性回归法，以及回归系数的精确解法－高斯按比例消元法；并依据此算法，给出用数据库管理系统编制的通用型环境预测系统的源程序。结合实例预测，达到预测效果。     

突变理论在环境预测中的应用

以某市七年来环境治理投资状况为序列建立多项式预测模型 ,尽管其拟合精度较高 ,但其预测结果偏离现实情况较大 ,通过突变理论分析知其原因在于有突变因素存在之故     

遥感技术在湖泊叶绿素ａ 监测中的应用研究———以太湖为例

水质遥感技术在湖泊水质监测领域内的应用具有十分积极的意义。在总结现有水质遥感反演方法的基础上,选取了遥感指数法和神经网络法两种理论完全不同的反演方法,构建太湖叶绿素a与MODIS影像波段间的函数关系,并从反演能力和反演精度两个角度对上述方法进行了比较研究。结果表明,神经网络模型的非线性特征能够敏感地把握住叶绿素a浓度变化在反射波谱信息上的微小响应,较为成功地反演出叶绿素a与反射光谱信息间的非线性关系。神经网络模型的反演能力和反演精度均优于遥感指数方法,具有较好的应用前景。     

曲线拟合在环境空气污染物浓度预测中的应用

从分析环境空气污染物月均值的时间变化规律入手 ,找出与污染物变化特征相对应的数学函数 ,应用曲线拟合的方法 ,结合统计回归分析 ,建立曲线拟合方程。该方程可应用于污染物浓度的中长期预测     

太湖富营养化指标BP人工神经网络预测模型的建立

富营养化是太湖面临的一个重大环境问题。富营养化预测是湖泊水质变化的有效预警手段。本文选择TN、TP和叶绿素a(Chl-a)三个富营养化重要评价指标,基于Minitab软件的相关性分析,利用MatlabR2010b软件建立了太湖TN、TP和Chl-a变化的BP人工神经网络预测模型。结果表明,在对TN、TP、Chl-a的预测中,训练的均方差在0.02以下,相关系数在0.88以上,测试的均方差在0.17以下,相关系数在0.70以上,具有较强的相关性;Chl-a、TN的模型预测的结果最为理想,TP的预测结果次之,总体结果较好。因此,建立的BP神经网络能较好地预测太湖富营养化指标的变化情况,可作为太湖富营养化管理的一个有效工具。