基于BP神经网络的天线识别

本文比较研究了BP神经网络中的几种常用算法,针对这些不同算法下的BP神经网络进行训练,并得出了各自网络的性能。在此基础上,针对经典BP算法和LM算法进行对比研究,找到LM算法的改进之处。此外,在实际的应用中表明,不仅不同的BP算法对网络的运算速度、泛化能力等有较大的影响,而且BP神经网络对隐含层神经元数目也很敏感。我们希望在BP神经网络的基础上,构建一种合适的天线模型,来应用于天线的分类识别,这将具有很大的现实意义。     

前馈神经网络在环境评价和预测中的应用进展

本文针对水环境中复杂的不确定性及非线性关系,在水环境不确定性分析的基础上,详细阐述了以BP网络和RBF网络为代表的前馈神经网络法的基本原理,分析了两种方法的优点。同时,本文对两种方法在水环境影响评价工作中的应用现状进行总结,分析了两种方法的研究发展趋势。     

基于BP神经网络模型的城市土地集约利用中观评价研究

中观层次的城市土地集约利用评价是以城市功能区为研究对象,通过建立各功能区的评价单元,对城市土地的投入产出效益进行定量分析研究的过程。从土地利用、土地投入、土地产出三个方面构建评价指标体系,借助BP神经网络模型从中观层次对淮安市清河区城市土地进行集约利用评价。结果显示,清河区土地集约利用水平总体较高,仍需加强土地的投入产出效益。研究表明,BP神经网络模型是一种较客观的评价方法,中观评价则能更详细地了解城市内部各个区域的土地利用情况,为政府决策提供更好的依据。     

基于BP神经网络的空调性能预测研究

针对空调系统传统设计所需的匹配试验量大,严重浪费公司水电以及人力资源的问题,本文提出BP神经网络对空调系统的性能进行预测的方法,以设计参数压缩机冷量、冷凝器和蒸发器面积和实验参数室内外环境温度、负荷量等为输入,以空调的能力和能效比为输出,对BP网络进行训练、测试。结果表明:BP神经网络算法的均方误差为0.005 8,预测结果的总相关系数为0.974 47,可用于空调系统的设计选型,减少实验成本。     

基于BP神经网络的地表水环境质量评价

将水环境质量标准作为样本模式提供给BP网络，按照BP网络的学习规则对网络进行训练．经过7272次学习后，网络达到预先给定的收敛标准。应用该网络对长春市伊通河4个监测点位的水质量状况进行了评价，操作过程简便易行。     

基于BP神经网络模型的城市自然生态型河流景观方案质量评价

城市自然生态型河流的景观设计方案质量评价受多种因素的影响,这些因素之间存在着复杂的非线性关系,有些甚至是随机的、模糊的,利用传统的方法难以表达它们之间的内在关系.研究建立三层次BP神经网络模型,以30份河流景观设计方案为样本,分别根据水质、水量、水空间、植被、经济、设施、交通等7项指标对景观方案的质量进行评价.结果表明,BP神经网络模型具有极强的非线性逼近能力,能真实反映景观质量与影响因素之间的非线性关系,预测结果与实测值之间误差小,相对误差小于5%.该方法操作性强,结果可靠.     

基于BP神经网络模型在珊溪水库水华预测中的应用

在珊溪水库藻类暴发期间应急监测数据的基础上,建立pH值、高锰酸盐指数、总氮、总磷、叶绿素a数据矩阵。运用MATLAB R2015b GUI可视化界面模块,将应急监测数据样本空间分为训练样本、验证样本、测试样本,建立珊溪水库BP神经网络模型,预测了珊溪水库藻类暴发期间叶绿素a浓度。BP神经网络建模结果显示:输出数据与实测数据相关系数0.978,平均相对误差-0.19%,标准方差18.54%,模型稳定性较好,叶绿素a预测结果符合预期。BP神经网络预测模型为珊溪水库饮用水水源地环境保护提供了科学依据。     

BAF组合工艺处理含油废水研究进展

阐述了含油废水的来源和特点,以及含油废水的现有处理方法。含油废水属于污染物浓度高、成分复杂、较难处理的工业废水,难以用单一的处理技术净化。从CAST-BAF组合、A/O-BAF和A2/O-BAF组合、水解酸化—BAF组合、气浮—BAF组合、臭氧—BAF组合、MBR-BAF组合、EGSB-BAF组合、BAC-BAF组合、SF-BAF组合、ABR-BAF组合和超滤反渗透—BAF组合11个方面综述了BAF组合工艺处理含油废水的最新研究进展。针对BAF组合工艺在含油废水处理中存在的问题,提出应加强对脱氮除磷的微生物学机理研究,继续探索现有含油废水BAF组合技术的工艺参数,对某些工艺进行深入研究,全面掌握可能存在的问题,积极开发新型含油废水BAF组合工艺。同时为完善BAF组合工艺的除油和降解有机污染物的机理做出努力。     

基于BP模型对城市交通噪声的数据处理和预测

城市交通噪声的预测和评价技术是城市交通可持续发展的重要研究内容,直接为城市交通规划中环境容量分析和环境影响评价服务。本文通过实测的大量数据,运用神经网络中的BP模型及其算法建立车辆数、道路宽度和交通噪声之间的关系,对城市道路交通噪声数据进行处理和预测。     

ANN模型对污水处理系统性能的评价

作者基于B－P算法的人工神经网络，对污水处理系统的性能作了预测和评价，并通过所建立的一个生物转盘处理系统的人工神经网络预测模型实例，验证了人工神经网络用于污水处理系统性能评价方面的可行性与准确性。     

基于BP神经网络的垃圾堆放场稳定化程度的综合判别

分析和判别垃圾堆放场的稳定化程度直接关系到是否需要采取加快稳定化进程，缩短垃圾堆放场的稳定化周期以及是否需要采取措施减少它们对环境的不利影响。本文根据我国垃圾堆放场的具体情况，提出稳定化程度的判别评价指标体系，并且确定稳定化程度的判别标准，运用BP神经网络建立垃圾堆放场稳定化程度的综合判别模型。以三峡库区的一个小型垃圾堆放场为例，采用本文所提出的综合评价模型确定它的稳定化程度，演示模型的运行过程，并为三峡库区的环境保护提供帮助。     

BP神经网络预警在旅游安全预警信息系统中的应用

将BP神经网络预警技术应用于旅游安全预警信息系统的开发实践，研究建立了一个基于BP神经网络的旅游安全预警模型。该模型有4个子系统构成，即预警知识提取子系统、预警信息库、报警系统和人机互动设备，分析总结了包含旅游地灾害频度、出游设施安全度和旅游地区域安全度三大类10个子因子为内容的旅游安全预警影响因素。在旅游安全预警的影响因素和安全预警的报警判别模式的基础上，进行了旅游安全预警应用的实验设计。实验结果显示，该模型应用效果良好。     

修正的BP神经网络森林火灾成灾面积预测研究

以1997-2012年《中国林业统计年鉴》的全国森林火灾成灾面积为依据,应用BP神经网络模型对成灾面积进行了预测,对预测方法进行了检验.在此基础上,利用残差提出了修正的BP神经网络模型,并对预测方法进行了改进.研究结果表明,修正的BP神经网络预测精度高于BP神经网络,预测相对误差平均为7.2％,可应用于森林火灾成灾面积的预测.     

基于因子分析的BP神经网络对成都市需水量的预测

在对四川省成都市的水资源进行综合规划与评价的过程中,通过主成分因子分析可知人口、GDP、给排水管道长度等因素对需水量预测有较大影响,如何建立这些因素与需水量之间的数学关系是预测工作的重点。本文将介绍通过MATLAB数学分析软件建立BP神经网络预测模型,并对模型的预测结果进行评价。     

滇池水污染物浓度预测的人工神经网络模型

本文针对滇池日益严重的水污染现状,根据云南昆明西苑隧道断面2004年-2010年的监测资料,建立了基于BP神经网络的主要污染指标预测模型,并对其进行训练检验,研究结果表明：独立样本中pH、溶解氧、氨氮、高锰酸盐浓度的预测值与监测值的线性相关系数分别为0．952、0．967、0．945、0．936。结果证明该模型预测精度满足要求,通过准确地预测湖泊水污染物可以为治理湖泊营养化和综合利用水资源、规划管理、决策提供重要的科学依据。