基于自组织映射与哈斯图方法的地表水水质评价研究

地表水水质评价是水资源管理与保护中的非常重要的问题.本研究主要目的是应用自组织映射(Self-Organizing Map,SOM)与哈斯图方法(Hasse Diagram Technique,HDT)对地表水水质监测数据集进行分类、建模、解释与评估.以西苕溪流域为例,对其50个断面于2010年6月-2011年5月进行月频率的水质监测.应用SOM分析发现,水质参数可分成10个聚类组,反映了西苕溪流域水质丰、平与枯水期特征,pH、高锰酸盐指数(CODMn)在各个水期变化不大;溶解氧(DO)在枯水期与平水期相对较高,水质具有一定的自净能力;丰水期的氨氮(NH4+-N)、总氮(TN)与总磷(TP)值相对较小;西苕溪流域TN:TP(氮磷质量比)平均为46,监测期间变幅较大为2～482,监测期内有66.7％的水质样本处于磷限制状态,仅有3.2％处于氮限制状态,存在氮限制与磷限制交替出现的状态,表明流域总体处于磷限制状态.选取CODMn、NH4+-N、TN 与TP指标进行HDT综合分析,反映流域上游水质较好,中、下游水质相对较差;敏感性分析结果表明,CODMn敏感性数值最大为235,其次是TN为156,、NH4+-N与TP分别是61与34,表明西苕溪流域的CODMn、TN存在较大的环境风险.建议在西苕溪流域即将开展的环境整治与规划时应考虑开发相关的削减技术与制定相关措施政策以减少CODMn、TN污染.     

区域PERE系统的通用自组织演化模型

分析了区域人口－经济－资源－环境系统的自组织过程，建立了区域ＰＥＲＥ系统的通用自组织演化模型，并把模型应用于山西省某市，预测了市未来的人口、经济和环境状况试图解决在区域ＰＥＲＥ系统中应用自组织理论时建模困难的问题。     

河流水质时间序列分析的自组织预测方法及应用

应用前苏联学者伊万年科基于生物控制论中的自组织原理提出的一种数据组合处理方法，有效地解决复杂非线性系统预测。以汾河某段的水污染时间序列监测数据为基础，建立了一个河流水质污染预测的自组织模型，其建模样本的拟合值和检验样本的预测值相对误差分别在３．１％和５．３％以内。结果表明，自组织模型能较好地描述水污染时间序列数据之间的非线性关系，适合复杂水环境污染系统的预测工作。     

基于BP神经网络的义水河水环境质量评价研究

水质质量涉及多个影响因子,因子间大多具有非线性相关性,因此,水质评价是一个具有多因子的非线性系统。人工神经网络具有非线性映射的特点,能够有效地处理非线性相关问题,将其应用于水质评价中能够获得更为准确的信息。文章以溶解氧、高锰酸盐指数、化学需氧量、氨氮、总磷、石油类等6个指标作为评价因子,通过构造BP网络模型对义水河水质进行评价,分析了义水河4个断面的水质状况,并与单因子评价法结果进行了比较分析。     

基于人工神经网络的行业无害化生产能力评价模型研究

利用BP前向人工神经网络方法 ,建立了一种全新的基于人工神经网络的行业无害化生产能力评价模型 ,该模型采用动量梯度下降反向传播和学习速率自适应调整相结合的训练学习算法。最后 ,以造纸及纸制品业为例 ,对中国各省市造纸行业的无害化生产能力进行评价 ;并进一步分析中国各省造纸行业无害化生产能力的时空分布规律 ,为我国行业规划、布局决策提供科学依据。     

基于自组织映射与随机森林耦合模型的流域水质空间差异性评估

流域水环境质量空间分布特征分析是推进流域精细化管理的基础.本研究基于流域特征指标与水质的关联性,以子流域为分析单元,利用自组织映射人工神经网络模型（SOM）对苕溪流域水质数据聚类分析为3类后与随机森林模型（RF）进行耦合,对全流域水质进行了空间差异性评估.研究结果显示,上游山地区域水质较好,而平原河网人口集聚区的COD_Mn、NH₃-N及TP浓度较高,山地与平原过渡地带水质则主要受到COD_Mn和TN的影响.采用自然环境、社会经济及土地利用/覆盖指标作为流域特征进行水质分级模式识别,SOM与RF模型耦合模型的准确率稳定在80%左右;在对强相关性特征进行筛选识别后,将蒸发蒸腾量、坡度、人口密度、大于10℃积温、旱地占比、城镇用地占比及景观多样性指数为作为输入特征,准确率可达83%,可以有效地开展全流域水质分级评估.     

B－P网络用于水质综合评价方法的研究

本文应用误差反向传播（Ｂ—Ｐ）算法的人工神经网络建立了水质综合评价模型。该模型应用于实例的水质评价结果表明Ｂ—Ｐ网络用于水质综合评价具有客观性和实用性。     

B－P网络用于水质综合评价方法的研究

本文应用误差反向传播（Ｂ—Ｐ）算法的人工神经网络建立了水质综合评价模型。该模型应用于实例的水质评价结果表明Ｂ—Ｐ网络用于水质综合评价具有客观性和实用性。     

河流水环境有机污染物的自组织预测模型及应用

自组织预测模型是前苏联学者伊万年科提出的一种非线性建模预测方法,它能有效地解决复杂非线性系统的数据处理和建模问题。该文应用它进行水环境有机污染物预测,以实际监测数据为基础,建立了一个河流有机物浓度预测的自组织模型,其检验样本的预测误差在５％以内      

基于自适应遗传小波神经网络的水质评价建模

水环境污染过程的非确定性和非线性,使得传统的水质评价方法存在局限性。为了提高水质评价的准确性,提出了一种基于改进小波神经网络(wavelet neural network,WNN)的水质评价模型。采用自适应遗传算法(adaptive genetic algorithm,AGA)对小波神经网络的初始权值进行优化,再通过小波神经网络算法对网络进行训练,最后对训练好的网络展开测试。仿真结果表明,自适应遗传算法和小波神经网络的结合提高了网络的训练效率,该方法可以用于水质评价建模,并且评价结果具有较高的精度和准确性。     

基于B－P网络的水质营养状态评价模型及其效果检验

选取与ＴＳＩ＿ｃ为０．５０，１００相应的水质营养状态作为３个建模样本，以ｃｈｌ－ａ，ＴＰ，ＴＮ和ＳＤ４个水质参数作为样本的输入特征，建立Ｂ－Ｐ网络的水质营养状态评价模型。该模型应用于全国３０个湖泊水质的营养状态评价，获得了较好的检验效果。     

BP神经网络在水处理工艺中的应用研究

在污水处理系统中进行了基于BP神经网络的活性污泥系统、臭氧活性炭系统建模方面的研究,这些模型的建立使得污水处理系统在线智能控制成为可能。在膜分离系统中进行的基于BP神经网络的膜通量、膜透压的预测模型研究,为膜过滤单元和水厂的优化设计提供了一种简便的方法。     

基于B－P网络的水质营养状态评价模型及其效果检验

选取与ＴＳＩｃ为０，５０，１０相应的水质营养状态作为３个建模样本，以ｃｈｌ－ａ，ＴＰ，ＴＮ和ＳＤ４个水质参数作为样本的输入特征，建立了Ｂ－Ｐ网络的水质营养状态评价模型。该模型应用于全国３０个湖泊水质的营养状态评价，获得了较好的检验效果。     

基于人工神经网络的森林资源管理模型研究

介绍了人工神经网络方法，建立了森林资源管理的三层前馈反向传播神经网络模型，并与Ｌｏｇｉｓｔｉｃ函数进行了比较。仿真结果表明，人工神经网络模型优于Ｌｏｇｉｓｔｉｃ模型，可应用于森林资源动态模拟。     

径向基函数网络在水环境质量评价分区中的应用

为探讨水环境质量综合评价的客观方法 ,以江西抚州地下潜水水质资料为例 ,建立了该区地下潜水水环境质量综合评价的RBF ANN网络模型。通过与其它方法对比 ,结果表明 ,利用用RBF ANN方法进行水环境质量评价不仅方法简便 ,而且结论更接近客观实际     

基于人工神经网络的森林资源管理模型研究

介绍了人工神经网络方法，建立了森林资源管理的三层前馈反向传播神经网络模型，并与Ｌｏｇｉｓｔｉｃ函数进行了比较。仿真结果表明，人工神经网络模型优于Ｌｏｇｉｓｔｉｃ模型，可应用于森林资源动态模拟。