基于神经网络的污水处理指标软测量研究

污水处理厂目前广泛使用序批式活性污泥法.该方法处理污水过程是一种典型的复杂动态生物反应工程系统,具有非线性、时变性、随机性和不确定性等特点,难以建立准确的数学模型.同时,该方法的污水处理指标在线测量仪表价格昂贵.为从工程应用角度将人工神经网络软测量方法应用于污水水质指标的实时检测,分别建立BP神经网络和RBF神经网络污水指标软测量模型.仿真结果表明,建立的神经网络软测量模型能很好地实现污水处理指标的COD、BOD、N等参数的实时测量和估计,为污水指标的实时检测提供了新的思路.     

RBF与Elman神经网络在人工湿地复合基质去污效果预测中的应用

人工湿地的去污机理复杂、呈高度非线性,故利用神经网络技术构建模型预测其长期运行效果。通过构建人工湿地复合基质模拟槽系统进行为期4个月的实验,监测得到56组COD去除率数据样本,经Matlab小波去噪后分别利用RBF和Elman网络构建动态神经网络模型,预测该系统对生活污水中COD去除效果。结果表明,RBF和Elman神经网络预测值的均方根误差分别为0.0186和0.0163,精度较高,该系统后期的COD去除率在49.4%～59.0%之间。     

基于RBF模型的太湖北部叶绿素a浓度定量遥感反演

以大型内陆浅水湖泊一太湖为例,采用RBF(Radial Basis Function)神经网络建立该研究区域的叶绿素a浓度与同步影像数据的反演模型,较分析现今应用最广泛使用的BP(Back Propagation)神经网络模型,并通过对模型的验证、稳定性和鲁棒性分析评价了两种模型的泛化能力。结果表明,常规的BP神经网络模型收敛速度慢,极容易陷入局部最优解,而RBF比BP模型有更加优异的函数逼近、分类和模式识别能力,对反演叶绿素a浓度具有很强的泛化能力。     

模糊综合评价在天然水体水质评价中的应用研究

采用模糊数学方法,对河网地区面源污染影响较大的代表性河流的水质状况进行综合评价研究。根据监测断面水质污染特点,确定了8个指标作为评价因子,建立了评价因素矩阵,计算出影响因子的权重。在此基础上,提出了模糊综合评价的水质级别,证明该河网地区的污染物主要是氮、磷和有机物。     

模糊神经网络控制在污水处理中的应用研究

对模糊神经网络(FNN)技术应用于污水处理进行了研究,提出了一个具有五层的模糊神经网络控制器,仿真实验表明,该控制系统具有很强的鲁棒性与容错性.该控制器能够自动调整隶属度函数、动态优化控制规则,将其应用于溶解氧控制和出水水质预测,结果表明可以快速、有效地使溶解氧浓度达到期望值,实际出水水质预测结果也具有很好的收敛性和预测精度.     

模糊神经网络控制在污水处理中的应用研究

对模糊神经网络（FNN）技术应用于污水处理进行了研究，提出了一个具有五层的模糊神经网络控制器，仿真实验表明，该控制系统具有很强的鲁棒性与容错性。该控制器能够自动调整隶属度函数、动态优化控制规则，将其应用于溶解氧控制和出水水质预测，结果表明可以快速、有效地使溶解氧浓度达到期望值，实际出水水质预测结果也具有很好的收敛性和预测精度。     

基于卡尔曼滤波融合算法的空气质量指数预测

分析了卡尔曼滤波算法的基本原理及其对空气质量指数(AQI)的预测机制。利用自回归滑动平均模型(ARMA)为卡尔曼滤波建立数学模型,提出了将径向基函数(RBF)神经网络融合于卡尔曼滤波,实现了新的融合算法对AQI进行预测。根据AQI时间序列的特点,建立了自回归预测模型,进而建立卡尔曼滤波的状态方程和测量方程。采用随机梯度逼近训练算法训练RBF神经网络,用RBF神经网络的输出作为卡尔曼滤波测量方程的观测值。仿真结果表明,融合了RBF神经网络后的卡尔曼滤波预测算法改善了单一方法预测滞后的现象,减小了误差,提高了预测精度。     

模糊综合评价在天然水体水质评价中的应用研究

采用模糊数学方法，对河网地区面源污染影响较大的代表性河流的水质状况进行综合评价研究。根据监测断面水质污染特点，确定了8个指标作为评价因子，建立了评价因素矩阵，计算出影响因子的权重。在此基础上，提出了模糊综合评价的水质级别，证明该河网地区的污染物主要是氮、磷和有机物。     

改进属性识别法在水质评价中的应用

为克服水质综合评价过程中指标权重带有主观性的弱点,提出了基于数据驱动技术确定权重的改进属性识别法,综合利用分类标准信息和样本信息进行迭代确定权重.采用浮桥河水库枯水期水质监测资料进行水质评价,验证了该模型用于水质综合评价的可行性.     

深圳市区空气污染的人工神经网络预测

利用深圳市2006至2013年的大气污染物监测浓度数据和气象资料,分析深圳市空气质量的逐月分布变化特征。采用Pearson相关分析,选择显著相关因子,分别以BP神经网络和RBF神经网络构建空气质量预测模型,对该市2013年SO2、NO2、PM103种空气污染物的月均值进行预测。实验结果表明,通过Pearson相关分析建立的预测模型有更高的预报精度。BP和RBF 2种网络预测效果都比较理想,对不同污染物的预测精度各有高低。但BP网络的构建和参数优化过程较为复杂且网络训练结果不稳定,而RBF网络构建和训练简单,时间短而结果稳定。在综合性能上,RBF网络用于环境空气污染物浓度的预测具有更强的适用性。     

基于灰色模型和模糊神经网络的综合水质预测模型研究

水质状态变化趋势预测研究对水资源管理和维护具有重要的现实意义。提出了一种将灰色模型和模糊神经网络相结合的水质预测模型。首先基于改进的灰色模型预测出水体中各理化因子在未来一段时间内的指标变化,然后采用T-S模糊神经网络对各单因子的预测值进行数据融合,构建水质变化综合趋势预测模型,预测出下一时间段的水质整体状态指标。实验表明,这种方式用来预测湖泊水质变化趋势具有可行性;与BP网络模型相比,基于T-S模糊神经网络系统的模型具有预测精度高、模型系统稳定等优越性。     

三角模糊数优化的贝叶斯水质模型评价方法研究——以太湖竺山湾缓冲带湿地水质评价为例

用三角模糊数表征参评的水质指标浓度,并进行α截集处理,将经过处理的区间数代入传统的贝叶斯水质模型,建立了三角模糊数优化的贝叶斯水质模型评价方法。该方法综合了三角模糊数和贝叶斯水质模型的共同优点,考虑了水质监测过程中的误差,通过计算各采样点水质对不同水质级别的隶属度,再判定水质级别。将该方法应用于太湖竺山湾缓冲带湿地,结果表明:竺山湾缓冲带湿地水体水质为Ⅲ~Ⅳ类,未能达到Ⅰ类水质目标的要求;水体TN和COD污染较严重,在缓冲带生态建设和功能修复工作中应重点关注氮和有机物污染。     

基于时域权重矩阵的模糊综合水质评价法及其应用

水质评价作为合理开发和保护水资源的一项重要工作,越来越受到人们重视。传统的模糊综合水质评价方法因未考虑到水质指标权重的季节变化而可能影响评价结果,故对水质指标权重向量进行了改进,提出了时域权重矩阵的概念,并将实测权重向量与时域权重矩阵相结合,进行组合赋权,得到综合权重向量。应用改进的模糊综合评价方法对某引水明渠水质进行综合评价,结果相比于传统模糊综合水质评价法更符合实际。     

改进的QGA-BP模型在弥苴河总氮量预测中的应用

水质预测对水环境规划、评价和管理十分重要。构建一种改进的量子遗传算法(QGA)优化BP神经网络的模型,即在量子遗传算法中引入了旋转角的动态改进策略和遗传算法的交叉变异操作,并以改进的QGA作为进化操作准则优化BP模型的权值和阈值。以弥苴河复杂水环境水质预测为实例,选取一组历史观测数据作为训练样本,对其进行分析。将结果与BP模型、QGA-BP模型仿真结果进行了对比,改进后的QGA-BP模型在进化代数、收敛速度和预测结果的准确率有较大提高。对弥苴河水质的预测结果表明,将改进QGA-BP模型用于水质预测是可行、有效的预测方法。     

生物标志物在水源地风险评价中的作用与展望

针对肿瘤高发区饮用水污染和南水北调水质的风险评价问题,提出了可用生物标志物检测水中的“环境诱变剂量”来作为评价水体中有毒有害污染物潜在遗传危害的综合指标。简要介绍了生物标志物在国内外的研究动态及其在环境监测、环境风险评价中的应用前景。     

灰色聚类法在地面水质综合评价中的应用

应用灰色聚类法对１９９５年南通市濠河水质进行单因子污染等级评价，评价结果表明灰色聚类法用于地面水质综合评价具有计算简便，能客观反映水质的污染状况，是一种较好的评价方法。     

基于聚类分析和水质标识指数的水质评价方法

为探讨一种适用于大尺度、多断面和长时间的水质评价方法,用层次聚类分析将2006~2008年海河5个监测断面的165个水质样本分为20组,并用方差分析验证了结果的可靠性。用综合水质标识指数表示水质样本的综合特征,与单因子评价法相比,该方法充分考虑了最差水质因子的影响,避免了单因子评价法以偏概全的缺陷,且分辨率高。将评价结果分解到各断面,结果表明:密云水库、官厅水库和于桥水库的水质处于II~III类水之间,可满足作为饮用水水源水的要求,三岔口断面大部分时间为IV~V类水,张家口八号桥断面全年有6个月以上水质属于劣V类。     

有机物污染综合指数在水源水质评价中的应用

在对两自来水公司水源水进行为期１年的水质检测基础上，采用水质类别法和有机污染物综合指数法对各点水源水质进行评价，其结果两种评价方法得出一致的结论，综合指地能直接反映水体受污染的性质和程度，在基层单位具有实用性。     

对双指标水质指数的探讨兼谈几种水质指数的实际应用

前言为了能从大量的水体监测数据中,整理出一种综合评价水体质量的计量尺度——水质综合评价指数,以判断水质污染状况和变化趋势,近十多年来,国内外相继提出了几种水质综合评价的数学模式,取得不少研究成果。为了考察其中几种水质指数的实际应用效果,我们     

神经网络在次级河流回水区叶绿素a浓度预测中的应用

以长江次级河流之一的临江河为研究对象,探讨神经网络应用于次级河流回水区叶绿素a浓度短期预测的可行性。利用主成分分析法（PCA）选取对叶绿素a浓度影响较大的指标,在这些指标数据的基础上建立RBF神经网络模型。网络训练和测试的结果表明,模型模拟精度较高,说明RBF神经网络模型可以用于次级河流回水区叶绿素a浓度的短期预测。通过对临江河回水区叶绿素a影响因子的分析,表明控制水体中磷含量应是临江河回水区富营养化防治的重点。