人工神经网络在大冶市湖泊水质评价中的应用

人工神经网络(ANN)是复杂非线性科学和人工智能科学的前沿,其在水质评价的应用研究在国内外尚处于初创阶段。目前得到普遍应用的是采用BP算法的多层前馈神经网络。文中运用人工神经网络的反向传播(BP)算法对大冶市两个湖泊水质进行了评价,与模糊数学等方法相比,评价精度较高,方法简单易行。     

应用BP神经网络实现环境监测的优化布点

环境监测的合理布设关系到只有用量测点的监测数据就能客观、准确地反映区域环境的质量,采用传统的优化统计模型对监测数据进行处理一限较繁。基于人工神经网络应用于模式分类与人有适应能力强、客观性好的特点,提出将人工神经网络ＢＰ与逐步聚类分析物思想相结合,实现对环境测点的逐步聚类优选,用该方法对贵阳市１９９２－１９９３年期间的１６个大气环境测占煌监测数据进行优选,得到的６个优点选点符合实际结果。     

遗传神经网络在水质监测点优化布局中的应用

为科学全面地掌握湖泊水域的水质指标分布状况,以广西大学镜湖为实验研究对象,以无人船为平台将RBF神经网络与遗传算法相结合,对监测点的优化选择进行了讨论研究。分别对水质参数的单目标与多目标进行优化实验,并绘制拟合分布图。结果表明:遗传神经网络比传统的等距监测在水质参数的分布误差上具有明显优势,并在优化后至少6周内,其结果反映的数据依旧准确有效,说明遗传神经网络可明显提高水质监测的效率。     

基于神经网络模型的水质监测与评价系统

对水环境的监测与评价，可以掌握水质现状及其发展趋势，为水资源的开发利用和管理提供科学依据。水质评价是建立在水质监测基础之上的。首先结合我国水环境监测技术规范与标准，合理地选择监测项目与监测仪器，建立水质监测系统。然后在水质监测所获数据基础上，运用人工神经网络的理论和方法，通过BP网络不断的学习与训练，归纳出评价标准与评价结果间复杂的非线性关系，建立水质评价的BP神经网络模型系统。经实际应用表明，该系统具有很强的学习、联想和容错功能。为水质监测与评价提供了一条新的途径。     

BOD-DO耦合人工神经网络水质模拟的研究

将人工神经网络的理论和方法引入河流水质模型的建筑中，提出了BOD－DO耦合BP人工神经网络水质模型，应用长江干流重庆段的实测水质样本对模型进行训练与 检验表明：该模型用于水质模拟可行且精度较高，为河流水质模拟开辟了一条简便可行的新途径。     

水质评价模式识别的BP神经网络方法

水质受多个因素的影响，而且这些作用多是非线性的。其水质评价的实质是实现一个非线性映射。由于具有任意个隐层节点的前馈神经网络可以以任意精度逼近一个连续函数，因此，目前得到普遍应用的是采用BP算法的多层前馈神经网络。文中运用人工神经网络的反向传播（BP）算法进行了实例评价，与其它方法相比，评价精度较高，方法简单易行。     

BP模型在河流水质预测中的误差分析

为验证BP模型在河流水质预测中的有效性，利用仿真技术模拟一条河流污染物变化趋势，产生大量的河流水质参数数据。用上游已知河段的水质数据预测该河流下游10个检测断面的水质状况。预测过程分2种情况进行：长距离预测（一次连续预测下游10个河段）和短距离预测（每次连续预测下游2个河段）。并以MSE函数生成均方误差作为对2种预测方法性能的检验，结果显示，长距离预测的性能低于短距离预测，2种方法对溶解氧预测的均方误差为0.432和0.035，对生化需氧量预测的均方误差分别为0.243,0.055。     

基于BP神经网络的水质评价及水质时空演变趋势研究

根据2011年~2015年水质逐月监测数据,采用BP神经网络模型和综合指数评价法对嘉陵江南充段干流的水质进行评价,并分析水质演变规律的主要影响因子;探讨嘉陵江南充段地表水最适评价方法以及水质的演变规律。结果表明:(1)BP神经网络与综合指数评价法的评价对比结果表明,BP神经网络具有评价客观、应用方便的优点。(2)2011~2015年间,南充市重点河流的水温、p H、TN及Chl-a具有夏季较高,冬季较低的季节变化趋势;BOD_5、NH_4^+-N和TP存在明显的年际变化,2012年后,超标的监测指标有所下降且变化趋势平稳。(3)相关性分析表明,NH_4^+-N是影响水质的主要因子,而水温、DO、BOD_5、COD_(Mn)、TN、TP具有较强的相关性。(4)空间聚类分析表明,沿下游方向河流水质污染加重。水质评价指标中NH_4^+-N、Chl-a、COD_(Mn)、BOD_5与沿岸的城镇宅基地和工业用地、农村宅基地和鱼塘的面积呈显著正相关,且具有较强的相关性。最后提出污染减排、生态修复的水体污染的防治策略,为嘉陵江及我国的水污染防治与管理提供参考。     

事故出流时河流综合水质的计算机预测方法研究

河流上游的污水排放口或倒虹管等污水构筑因有可能发生事故出流而对下游的取水口存在着潜在的威胁，常规的单参数模型不能就事故出流对下游的影响作出公正评价。本文以QUAL－Ⅱ模型为骨架，以生动形象的动画形式演示出在整个排污过程中多个水质参数沿河道分布的变化全过程，并且，在模型中融入隶属度BP神经网络综合评价水质的模块，用它来对发生事故出流时下游取水口水域的水质变化进行综合评价，最后通过一个例子说明了该方法的优越性和合理性。     

IPSO-BP神经网络在渭河天水段水质评价中的应用

水质评价是进行水环境容量计算和实施水污染控制规划的重要基础,能为改善河流水资源污染程度,保护河流水资源提供方向性、原则性的方案和依据。文章通过改进的PSO算法优化BP神经网络的权值和阈值,获得最优权值和阈值后建立IPSO-BP神经网络水质评价模型,针对关中-天水经济区中天水段地表水质,利用2003-2009年渭河天水段4个控制断面的监测数据,选取BOD5、DO、氨氮、总磷、高锰酸盐指数5个指标进行综合评价,并分析了污染现状及时空变化规律。结果表明,改进的PSO-BP神经网络泛化能力强,评价更客观;7年间水质有一定程度的改善,但总体变化不大,水质类别主要为Ⅱ类和Ⅲ类,其中北道桥断面污染最为严重。研究旨在有效控制渭河流域天水段污染,为渭河水资源的保护提供科学依据。     

珠三角某镇农村内河涌污染现状及控制策略

目前珠江三角洲地区相当一部分内河涌,受到农村生活污水及工业废水的污染,呈现出黑臭的状况。以珠三角某镇为研究对象,根据该镇农村地区内河涌的水质化验结果,利用水质标识指数评价法对农村内河流的水体污染现状进行评价。结果表明,该镇农村内河涌污染严重,62%的内河涌水质为劣Ⅴ类,38%的内河涌形成黑臭;氨氮、总磷为主要污染指标,其中氨氮超标的断面占95%,总磷超标的占64%,64.3%的内河涌氨氮单因子水质指数较其他指标大,且均属劣Ⅴ类水质;溶解氧浓度普遍偏低,容易形成黑臭。根据评价结果,分析内河涌污染现状,提出了污水分散处理,生活垃圾倾倒管理控制,鱼塘废水集中处理等污染控制策略,以期为该地区河涌污染的综合治理以及环境保护提供科学依据。     

基于MATLAB的BP神经网络模型在漠阳江水质评价中的应用研究

为提高水质评价的准确性,基于MATLAB及人工神经网络理论,采用误差反向传播的BP算法建立漠阳江水质评价模型,充分利用神经网络的非线性映射特性,取7项常规地表水水质评价指标对漠阳江水质进行评价,并将BP神经网络评价结果与单因子评价法及综合指数法的评价结果进行比较,网络运行结果表明一致效果良好.同时较传统的水质评价方法,该网络具有较高的识别精度,提高了水质评价等级的准确性,使评价的结果更具有科学性.     

BP模型在河流水质预测中的误差分析

为验证BP模型在河流水质预测中的有效性,利用仿真技术模拟一条河流污染物的变化趋势,并得到大量的河流水质参数数据.用上游已知河段的水质数据预测该河流下游10个检测断面的水质状况.预测过程分2种情况进行:长距离预测(一次连续预测下游10个河段)和短距离预测(每次连续预测下游2个河段),并以MSE函数生成均方误差作为对2种预测方法性能的检验.结果显示,长距离预测的性能低于短距离预测,2种方法对溶解氧预测的均方误差为0.432和0.035,对生化需氧量预测的均方误差分别为0.243、0.055.     

神经网络模型用于数值水质模型逼近的适用性及非敏感参数的欺骗效应

水质模型被广泛应用于水环境管理和决策,但却面临着计算时间和模型应用效率等多方面的问题;利用函数映射和逼近等方法来建立水质模型的输入-输出响应关系,可有效减少计算成本并显著改善模型效率.水质模型的输入-输出响应函数关系有多种形式,本文以其中的2种为例,并分别基于2个水质模型(零维总磷模型、WASP/EUTRO5)的案例,分析和验证了神经网络模型在响应关系逼近中的适用性.案例的结果表明:神经网络函数可以有效地用于水质模型输入-输出响应关系的逼近;当网络规模超出阈值大小时,神经网络函数逼近的准确度和泛化度对网络规模不敏感.在案例研究的基础上,推导和讨论了在神经网络模型函数映射过程中所可能出现的非敏感参数的欺骗效应,以及可能由此导致的过度预测或过低预测问题;并建议在神经网络函数逼近中,应只包含水质模型的敏感参数,以防止降低神经网络模型的准确度.     

基于多核LS-SVM的河涌水质预测模型

研究了多变量非线性河涌水质预测问题,提出了多核最小二乘支持向量机河涌水质预测模型。模型采用协同结构的非线性函数将水质时序样本映射到高维特征空间,进行多元线性回归。然后将该回归问题转化成半无限线性规划问题,运用交换集法求解。文章利用东江流域河涌水质数据进行了拟合预测实验,结果表明,与单核最小二乘支持向量机河涌水质预测模型相比,多核模型的预测误差减小了23%以上,它较单核模型具有更高的预测精度和更好的泛化推广性能。     

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.      

基于随机样本的BP模型在水质评价中的应用

运用BP(误差反向传播)模型对水环境质量进行综合评价,主要针对以前BP模型在水质评价中存在的学习训练样本过少,没有检验样本等问题,用随机数发生器在每个级别范围内产生大量的数据作为训练样本和检验样本,并尝试以MSE函数生成均方误差作为检验样本的输出值与期望输出值的比较,检验网络评价未知样本的能力,大大提高了神经网络评价水质时的精度。     

典型感潮内河涌水质污染特征调查研究

以佛山市容桂街道典型的感潮闸控内河涌为研究对象,进行了连续3个月的水文和水质监测,测试指标包括CODCr、BOD5、总氮、氨氮、总磷及溶解氧等.调查结果显示,内河涌水质总体状况及污染物的浓度随河涌水位发生规律性的变化,在涨落潮和人工闸控水位等不同水位条件下,监测指标的最高浓度是最低浓度的8.3～49.4倍;河涌水体总体...     

人工神经网络在高原湖泊水质评价中的应用

本文应用人工神经网络方法，建立了高源湖泊水质ＢＰ神经网络模型，对湖泊水质进行综合评价，通过实例检查结果表明，ＢＰ神经网络方法能准确反映水体污染程度，具有较强处理相互矛盾影响样本的能力，方法可行，结果客观合理。     

基于T-S模糊神经网络的大沽河水质变化特征分析研究

基于T-S模糊神经网络,利用大沽河2010年-2015年水质监测数据,选取溶解氧、化学需氧量、高锰酸盐指数、氨氮、总氮、总磷对水质具有重要影响的6项指标,建立适用的水质评价模型,对大沽河水质变化特征进行分析.结果显示:上游水质评价结果明显优于中游、下游水质评价结果,网络评价水质等级变化趋势同真实指标数据变化趋势一致.验证结果充分表明了T-S模糊神经网络用于水质变化特征分析是可行、有效的.