基于神经网络的喀斯特石漠化预警分析模型研究——以广西都安为例

阐述了人工神经网络的基本工作原理,分析BP算法在神经网络中的应用,并具体介绍了BP算法过程。在此基础上,以都安石漠化预警分析为例,提出了基于神经网络的石漠化预警模型的结构。人工神经网络模型实现了石漠化预警分析,确定石漠化危险性指数,并把分析的结果以专题图的形式来表现,从而验证石漠化预警分析模型的可靠性和可行性。     

基于ARIMA和BP神经网络组合模型的我国碳排放强度预测

预测我国碳排放强度的长期变动趋势, 对国家进行宏观经济管理和节能减排工作具有重要的参考价值。运用深入分析自回归移动平均模型和神经网络的特性,并在此基础上建立ARIMA模型和BP神经网络组合模型,将碳排放强度的时间序列的数据结构分解为线性和非线性残差部分,对我国碳排放强度的变化趋势进行了综合分析与预测。结果显示:今后10 a我国碳排放强度总体是逐步下降的,但到2020年我国碳排放强度仅比2005年下降34%,比我国政府提出碳排放强度下降40%~45%的目标还有一定的差距。因此,要在2020年实现我国碳排放强度目标,必须要调整宏观经济政策,采取各种政策措施以实现目标     

大坝下游定点区域溶解氧饱和度预测

大坝通过坝身泄流时,巨大的洪水卷吸空气中的大量气体直泻到下游河床,造成下游河道特别是近坝区域气体含量过饱和,给下游水生生物带来不利影响,其中鱼类气泡病就是水体气体过饱和造成的典型病症。为探明大坝泄流对坝下河道溶解氧饱和度的影响,以三峡 葛洲坝区域坝下近坝区定点区域的溶解氧实测资料为基础,建立溶解氧饱和度的BP网络预测模型,对大坝不同运行工况进行下游溶解氧饱和度的预测仿真计算,并将仿真预测值与实测及数值模拟结果进行比较分析。结果得出BP网络模型能很好地逼近坝下近坝区指定区域的溶解氧饱和度,可根据大坝运行工况对下游水体溶解氧饱和度进行快速预测,为有效控制坝下水体溶解氧饱和度提供借鉴     

基于BP神经网络的鄱阳湖水位模拟

考虑到鄱阳湖水位受流域五河与长江来水等多因素的共同作用而表现出高度非线性响应,采用典型的三层BPNN神经网络模型来模拟鄱阳湖水位与其主控因子之间的响应关系。分别将湖口、星子、都昌、棠荫和康山水位作为目标变量进行BPNN模型构建和适用性评估。结果显示：综合考虑流域五河及长江来水（汉口或九江）的BPNN水位模型,空间站点水位模拟精度（R2和Ens）可达090以上,各站点的均方根误差（RMSE）变化范围约050～10 m,若忽略长江来水的影响作用,仅将流域五河来水作为湖泊水位的主控影响因子,模型训练期与测试期的纳希效率系数（Ens）和确定性系数（R2）显著降低,且低于050,均方根误差（RMSE）也明显增大（124～288 m）,意味着综合考虑流域五河与长江来水是获取结构合理、精度保证的鄱阳湖水位模型的重要前提。同时建议针对鄱阳湖湖盆变化对水位的影响,尽可能选择一致性较好的长序列数据集来训练和测试BPNN模型。所构建的BPNN神经网络模型可进一步结合流域水文模型,用来预测气候变化与人类活动下流域径流变化对湖泊水位的潜在影响,也可作为一种有效的模型工具来回答当前鄱阳湖一些备受关注的热点问题,如定量区分流域五河与长江来水对湖泊洪枯水位的贡献分量,为湖泊洪涝灾害的防治和对策制定提供科学依据     

基于神经网络模型的千岛湖清洁水体叶绿素a遥感反演研究

叶绿素a浓度值是水体水质评价的重要指标,研究基于高分一号(GF-1)卫星遥感影像,利用神经网络模型,选用6节点的隐含层设置,构建了千岛湖清洁水体叶绿素a浓度反演模型,对其叶绿素a浓度值时空特征进行分析,并与其他常规反演方法精确度进行比较.研究结果表明,利用神经网络模型对千岛湖清洁水体叶绿素a浓度值进行反演是可行的,且与其他常规方法相比,该模型对于叶绿素a含量低的内陆清洁水体反演有着更高的相关性(R2 = 0.921 8);在空间分布上,千岛湖区域水体叶绿素a浓度整体较低,高叶绿素a浓度区域主要集中易受人类活动干扰的西南及东北区域;年际变化分析表明,千岛湖区域水体叶绿素a浓度稳定,且波动较小,平均叶绿素a浓度值皆维持在1.70～1.75 pg/L之间,清洁水体特征显著.     

环氧化合物分子结构与致变活性的关系

由化学物质毒性效应登录(RTECS)1998年光盘系统检索获得86种环氧化合物对鼠沙门氏菌致变活性数据.应用主成分分析法从11种分子描述符中选择出5种对致变活性有明显影响的描述符:碳原子数,苯环数,氢原子数,烷基数和氧原子数.通过样本学习集训练并优化神经网络结构,建模分类预报:对于86个样本,低和高2类活性,正确分类率达到92%.结果表明:3～4个骈接苯环的环氧化物的特殊结构具有很强的致变活性.     

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。     

基于BP神经网络的碳达峰目标下碳汇计量方法研究

为了解决当前碳汇计量方法存在计量误差、准确率低的问题,提出了基于BP神经网络的碳达峰目标下碳汇计量方法的研究。首先,基于碳达峰目标对碳汇数据进行预处理,获取准确度较高的碳汇数据;根据BP神经网络构建碳汇计量BP神经网络模型,输出碳汇数据集;然后综合考虑碳库选择指标,选择与碳汇数据集匹配的碳库;最后,实现碳达峰目标下碳汇计量的目标。实验证明,此种计量方法具有较高的拟合度,计算值与原值更加接近,相对误差在1.01%～1.71%,始终保持在2%以下,证明该方法的碳汇计量结果准确率较高。     

基于ZYNQ图像处理研制便携式水质检测系统

综合光电检测技术和光谱分析技术中的紫外-可见吸收光谱法,研制多参数便携式地表水水质检测系统,能够现场快速检测出磷酸盐、亚硝酸盐、化学需氧量(COD)和NH₃-N水质参数。对水体中吸收特征波长在可见光部分的物质,使用摄像头采集其可见光谱,并对其可见光谱图像的灰度图进行卷积神经网络建模,吸收特征波长在紫外波段的物质,通过光电检测技术测其浓度值,将建立的卷积神经网络模型移植到ZYNQ中,结合紫外光电传感器,将被检测物质的浓度值通过LCD显示出来,以此实现水质检测仪的便携性。结果表明：所得卷积神经网络预测值为样本溶液在8种浓度值输出类型中的倾向值,准确率最高为100%,最低为40%。COD浓度值的最高误差为10%,证实该检测系统具有很好的实用价值。     

基于图神经网络的长江流域经济带PM2.5浓度预测

文章基于长江流域经济带沿线99个城市的PM2.5浓度监测数据,采用转移熵构建出了长江流域经济带大气污染空间交互影响网络,并从整体和局部2个角度分析了长江流域经济带污染物传导方向和传导强度。为了充分利用城市大气污染的空间关联信息,文章使用大气污染空间交互影响网络改进了T-GCN图卷积神经网络,并构建了基于T-GCNTE的预测模型,对长江流域经济带99个城市的污染物浓度进行预测。研究发现长江流域经济带各个城市的大气污染表现出很强的紧密性,整体网络的信息传递以地区间的信息传递为主。另外,T-GCNTE能够捕捉到大气污染的时空依赖性和影响方向,能获得更好的效果。基于上述研究结论,文章从建立大气污染多方联防联控机制、加强产业合作、完善生态补偿机制等方面对深入开展长江流域经济带大气污染协同治理提供了建议。