基于RBF网络模型的混凝投药智能决策支持系统

介绍了基于径向基函数网络模型的混凝投药智能决策支持系统的机构、功能及其核心系统:径向基函数网络模型子系统和专家子系统的原理和实现方法.在实际水厂中的运行结果表明:与传统的SCD系统相比,该智能决策支持系统能实时确定混凝剂投加量,且沉淀池出水水质较好.     

基于BP神经网络方法的引滦入津工程黎河段水质预测研究

根据引滦入津工程黎河段前毛庄断面水质监测数据,采用BP神经网络与非线性时间序列相结合的方法,建立BP网络非线性时间序列水质模型.应用该模型对氯化物和氨氮水质指标进行预测.结果表明,模型预测精度较好.通过预测结果验证了模型的可靠性.与机理性模型相比,提出了该模型的应用条件及优缺点.     

基于MATLAB的BP神经网络在空气质量预报中的应用

选用上海市环境监测中心发布的PM10空气污染指数(PM10API)数据和中国气象局公布的有关气象资料,分别建立了未改进BP网络模型和采用"提前终止法"泛化改进的BP网络模型,用于预报上海市19个区县的PM10API指数.结果表明,改进BP网络模型预测值和实际值的线性回归显著,其预测相对误差为1.76%～29.45%,预测效果优于未改进BP网络模型,预测精度较高,推广能力较强.本研究为空气质量日报和预报提供了一种全新的思路和方法.     

基于PSO优化BP神经网络的水质预测研究

为快速准确地预测河流水质,结合汾河监测数据,使用粒子群算法(PSO)优化BP神经网络模型(PSO-BP)进行水质预测.通过灰色关联度分析确定输入变量,利用PSO算法修正BP网络的初始权值、阈值,优化神经网络结构及算法全局收敛性.采用该模型对汾河主要污染物指标COD、BOD5、氨氮、挥发酚等进行预测和验证.结果表明,与传统的BP神经网络模型相比,PSO-BP模型使最大相对误差从15.43％减小到1.46％,其平均误差由4.00％减小到1.01％,预测均方根误差从5.956×10-3减小到1.605×10-4.因此,基于PSO-BP神经网络模型的预测更加精确,可用于水质预测.     

烃类沸点的定量构效关系研究

应用CODESSA软件计算296种烃类物质的分子结构描述符,分别用启发式回归（HM）和最佳多元线性回归（B-MLR）筛选计算出的所有分子描述符,并建立沸点的线性回归模型。用B-MLR方法筛选出的4个描述符作为支持向量机（SVM）的输入建立了非线性模型。预测结果表明：所建立的模型稳健,泛化能力强,预测误差小。非线性模型（R2=0.9905,RMSE=10.2295）的性能优于线性回归模型（HM：R2=0.9819,RMSE=14.0606;B-MLR：R2=0.9842,RMSE=13.1058）,预测效果令人满意。     

引滦入津工程黎河段机理与非机理水质预测模型对比分析

根据引滦入津工程黎河输水河道水文水质监测资料,分别建立河道机理水质模型和非机理水质模型,对2005年前毛庄断面的氯化物和氨氮进行了预测.两种水质模型建立的理论基础、求解方法、参数验证、模拟所需的数据种类和时段、适用状况、预测精度均不同.对两种河道水质模型预测结果精度进行了比较,结果表明,预测误差均小于20%,机理水质模型较非机理精度高.研究表明,机理水质模型适合于短时间内黎河河道水质变化的精细模拟,非机理模型适合于中长期水质变化趋势预测.     

基于半参数分析的电力需求预测算法

市场经济对电力需求预测提出了更高的要求。在简要介绍和评论以往国内外常用电力需求预测方法优缺点基础上,为了提高电力需求预测的准确度及预测方法的适应性,建立半参数回归模型预测电力需求。半参数回归模型分为线性和非线性两部分。线性部分反映了负荷预测可知的部分规律,非线性部分反映了负荷预测的不确定因素的影响。用偏残差方法估计半参数回归模型,估计结果由两步得到。首先估计线性参数部分,然后再估计非线性参数部分。通过示例计算,半参数回归模型对电力需求预测的估计误差数值小于二元线性回归法对电力需求预测的估计误差。结果表明:利用半参数回归法预测电力需求是一种预测精度高、计算容易、普适性强的算法。     

交变电磁场在混凝技术中的运用

电磁场变化对聚合硫酸铁(PFS)的混凝性能有明显影响。利用自制的交流变频电磁感应磁化装置对PFS溶液进行磁化处理,以Zeta电位为指标,分析对比了磁化前后PFS的稳定性以及磁化效应的消滞时间;以黄河水为试验水样,以交变电磁场的电压、电流、频率、磁化时间及投药量为影响因素,进行了单因素及优化工艺研究。结果表明,PFS溶液静置0.5 h后进行混凝试验效果较好,磁化后PFS的稳定性提高27%,磁化效应能保持2.5 h。电磁场能明显增强聚合硫酸铁的混凝效果,PFS磁化混凝的最佳反应条件为:2%的PFS溶液投药量4 mL,电压100 V,频率150 Hz,电流0.7 A,磁化时间60 s。与常规处理相比,此条件下进行混凝试验的出水浊度由3.26 NTU降至0.27 NTU,COD由38 mg/L降至21 mg/L,且最佳投药量由7 mL降至4 mL。各因素影响混凝出水效果的主次关系为加药量、频率、电压、电流、磁化时间。     

城市大气污染物浓度预测方法研究

城市大气污染物浓度预测方法主要有2类,即以污染物排放为基础的模型和以与污染相关的环境因素为基础的模型.本文分析了后者中的3种预测模型,并利用BP神经网络模型对城市的SO2浓度进行预测,对不同预测模型的结果进行比较分析.     

基于支持向量机的脂肪族化合物急性毒性的QSAR研究

基于定量结构-活性相关性(QSAR)原理.研究了106种脂肪族化合物结构与其急性毒性LC50(半数致死浓度)之间的内在定量关系.应用遗传算法从大量结构参数中优化筛选出与LC50最为密切相关的4个参数作为分子描述符,分别采用支持向量机(SVM)方法和多元线性回归(MLR)方法建立了相应的QSAR预测模型.分别采用内部验证及外部验证的方式对所建模型性能进行了验证.研究表明,2种模型均具有较高的稳定性、预测能力及泛化性能.其中支持向量机模型对训练集和预测集样本的预测平均绝对误差分别为0.336和0.364,优于多无线性同归方法所得结果.