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。     

基于EXCEL的BP网络法在水质评价中的应用

阐述了在Excel平台上建立的BP网络模型水质评价系统的方法和要点，以及网络模型结构的设计、训练数据的处理、网络的训练和评价结果的仿真情况。实例表明Excel建立的BP网络模型水质评价系统的评价结果客观，模型使用方便，有推广价值。     

因子分析法在金泉工业园区地下水水质评价中的应用

根据金泉工业园水源地8个不同监测断面的地下水水质监测数据,采用R型因子分析法对园区水源地地下水水质进行综合评价,在研究地下水中13种化学成分间相关关系的基础上,提取4个主因子进行分析计算。结果表明,Cl-、SO24-、总硬度和可溶性固体对第一主因子贡献明显;第二主因子代表指标是Zn;第三主因子代表指标是As;NO3-、氨氮、NO2-对第四主因子贡献显著。对水质进行综合评价后发现,人民渠、海流图河和乌拉壕监测断面处水质类别为V类,其他断面均为IV类。因子分析法从整体上评价了园区水源地地下水的水质现状,分析结果清晰明确,为日后地下水资源的管理与保护提供科学依据。     

模糊-主成分分析综合评价法在地下水水质评价中的应用

主成分分析法可以在保留数据原始信息的基础上有效地降低数据维度,从而将影响地下水质的多因子简化为几个综合因子,但对地下水的综合水质状况无法直接表达;模糊综合评价法能直接给出水体综合水质情况结论,但评价因子多为人为选取,存在较强的主观性。以辽宁思山岭矿区地下水水质现状评价为例,利用主成分分析法选取影响各断面水质的关键因子,将其作为模糊综合评价的评价因子,建立了模糊?主成分分析综合评价法的地下水水质耦合评价模型。研究结果表明,该模型能很好地体现分析因子对评价结果带来的影响,使得评价结果更科学、合理。     

GIS技术在东昌湖水质评价中的应用

利用GPS定位对东昌湖进行水样采集,把水质数据和坐标联系在一起,测定的结果利用GIS技术进行克里格插值.在用一部分数据验证其准确性之后,把全部水质数据以图的形式呈现出来,进行分析评价,通过与湖泊营养类型标准对比得出东昌湖大部分湖区出现富营养化现象,污染严重.证明GIS技术可以很好地应用于湖泊水质研究.     

基于AHP-CRITIC综合权重的改进物元可拓模型在地下水水质评价中的应用

权重的确定在地下水水质评价中具有重要作用。利用CRITIC方法对地下水指标进行权重修正,探究该方法对地下水质量评价的适用性。笔者选取代表性指标后,按照一般化学指标、毒理学指标2个层次构建地下水污染评价综合指标体系,建立基于AHP-CRITIC综合权重的改进物元可拓模型对研究区地下水开展质量评价。将开发的评价方法应用于工业园区地下水质量评价发现,该方法能够反映地下水质量状况。结果表明:该评价方法在地下水质量评价过程中,能够兼顾不同指标重要程度差异和水质等级的模糊性,研究区5#点位和10#点位有毒有害重金属超标,应进一步查明原因,提出地下水污染阻断措施。     

特征分析方法在江河水质评价中的应用

本文着重介绍了特征分析方法的理论模型,并把该模型具体地运用到了吉林省江河水质评价中,依据其分析结果,对我省的江河水质污染程度进行了分级划分,相信对江河治理会起到一定的指导作用。     

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。     

灰色模型在岩溶地下水水质预测中的应用研究

运用灰色理论建立水质预测模型,通过对水质指标拟合值与实测值差异性分析,判断模型精密度,并预测山东省东阿县下马头水源地未来2年的水质变化趋势,结果表明:在4项水质指标预测模型中,总硬度、氟化物指标的GM(1,1)时间响应预测模型拟合结果较好;溶解性总固体、硝酸盐指标的GM(1,1)时间响应预测模型精密度均为3级,不适合指标的预测;未来2年下马头水源地岩溶地下水水质良好。     

灰色系统GM（1,1）模型在城市地下水总硬度预测中的应用

应用灰色系统GM(1,1)模型,对地下水中总硬度的变化作了预测.检验结果表明,该模型精度较高,是一种较好的预测方法.     

基于人工蜂群算法的BP双隐含层神经网络水质模型

采用人工蜂群算法优化BP神经网络的初始权值和阈值,同时采用双隐含层来提高网络精度,选取DO、IMn、COD、BOD5和NH3-N作为评价指标,建立一个基于人工蜂群算法的BP双隐含层神经网络模型,并应用该模型对2012年黄河水系下河沿断面的各月监测数据进行水质评价,同时与BP神经网络、模糊层次评价方法作比较。结果表明:基于人工蜂群算法的BP双隐含层神经网络在水质评价时,均方误差小,多次运行的结果始终一致,评价结果合理有效。     

基于BP神经网络的贵阳市空气质量指数预报模型

采用贵阳市2013年1月1日—2015年12月31日的空气质量指数(AQI)日均值,常规的地面和高空观测资料,基于不同季节,调整BP神经网络的隐藏层个数和隐藏层节点数,建立不同的BP神经网络预报模型,进行参数检验,最终选取预报效果最好的模型带入实况进行检验。结果表明,夏季的预报效果最好,采用的模型TS评分为81.6%,平均绝对误差为9.1,正确率为97.4%,用该模型检验预报效果,实况和预报的相关系数为0.71,平均误差为9;而冬季的预报效果明显低于其他季节,采用的模型TS评分为65.7%,平均绝对误差为19.5,正确率为72.9%,用该模型检验预报效果,实况和预报的相关系数为0.79,平均误差为19。而且BP神经网络模型的预报效果同隐藏层个数与隐藏层节点数没有显著关系。     

基于BP神经网络的藻类水华预测模型研究

以宁波大学校内池塘2009年3—10月间30周的监测数据为基础,运用BP人工神经网络方法构建预测模型,探求颤藻生物量与总氮、总磷、透明度等6项环境因子之间的关系,选出最佳预测模型,并对模型进行敏感度分析。结果显示:①BP神经网络模型对颤藻生物量预测值与实测值之间拟合程度良好,相关系数达到了0.984,说明BP神经网络模型可以用于水体中藻类水华的短期预测。②通过对构建的BP神经网络模型进行敏感度分析,阐明了宁波大学校内池塘藻类水华的主要驱动因素,并指出控制水体的pH是宁波大学校内池塘藻类水华防治工作的重点。     

NARX神经网络模型在昆明市环境空气质量预测中的应用

神经网络模型作为一种重要的手段被广泛应用于数学计算、物理建模、水文模拟、环境预测、人工智能等研究领域。为验证神经网络模型在高原山地城市环境空气质量预测中的作用,以昆明市环境空气自动监测站气象因子和污染物浓度数据为基础,构建NARX神经网络模型,对污染物浓度进行预测。结果表明,基于NARX神经网络建立的预测模型具有很强的非线性动态描述能力,能够对环境空气6参数做出较为准确的预测,其预测浓度相对误差显著低于CMAQ、NAQPMS空气质量数值模式以及LSTM统计模型预测结果。优化后的NARX神经网络对污染物浓度变化趋势的预测较其他几个模式更为敏感。     

美国Surfer 8.0软件在地下水环境质量评价中的应用

通过Surfer 8.0软件在某地地下水环境评价中的应用实例,重点阐述了其在浅层地下水污染物浓度空间分布图绘制、地下水质量分区图绘制、地下水污染分区图绘制、区域地下水污染趋势分析、地下水污染原因分析等方面的应用。     

利用Keras构建神经网络在空气质量预测中的应用

利用python语言搭建了一整套空气质量神经网络预测系统,底层利用Keras设计并建立了基于tensorflow的神经网络模型。选择日平均气压、日平均气温、日平均相对湿度、日降水量、日平均风速、前1日空气质量因子监测数据等因素作为模型输入变量,分别针对广东省所有监测站点和地市的空气质量因子(PM_(2.5)、PM_(10)、NO_2、SO_2、CO、O_3、AQI)进行预测,结果表明,7个因子的地市平均相对误差值为16.15%～27.7%,地市相关系数为0.36～0.77,该模型在城市空气质量预测中具有良好的效果。     

基于BP神经网络的齐齐哈尔地区地下水水质评价

阐述了人工神经网络基本原理,介绍了BP网络的地下水水质评价模型.在传统的评价方法基础上,根据各评价因子对环境和人类影响程度不同,给水质监测指标分组,从实用角度对水质进行评价.与传统评价方法相比,该评价模型在某评价因子数值极大的情况下,也能准确反映地下水的污染情况,并且通过GIS技术利用评价结果得到地下水水质分布图,从空间反映地下水水质变化规律.