构建径向基函数神经网络模型预测沙尘暴对上海的影响

以全国47个城市的空气污染指数(API)为输入变量，翌日上海API值为响应输出，建立径向基函数神经网络模型预测沙尘暴影响上海的情况：结果表明，选取合适的模型结构可以取得较好的预测效果。     

城镇污水处理服务费定价研究

合理的污水处理定价是污水处理服务费科学拨付的重要保证。由于信息的不对称性,目前污水处理服务费经常不够真实合理。故以广东省35座采用A~2/O及其变形工艺的城镇污水处理厂为对象,分别运用成本费用函数模型和神经网络模型进行成本拟合,建立城镇污水处理服务费定价模型,以期为广东省城镇污水处理服务费定价提供指导。结果显示,神经网络模型拟合精度整体高于成本费用函数模型,两种模型均可用来确定污水处理服务费价格。     

基于BP神经网络的北京城区公园土壤PAHs含量预测

城市公园是城市生态环境的重要组成部分,其环境质量与人类健康息息相关.选择北京市121个城区公园,采集公园土壤样品并分析其中7种多环芳烃（PAHs）含量,评价城区公园土壤中PAHs的含量水平,并基于BP神经网络预测了2020年和2023年土壤PAHs含量.结果表明:北京城区公园土壤中w（PAHs）（7种PAHs总含量）范围为0.033~4.182 mg/kg,低于GB 36600—2018《土壤环境质量建设用地土壤污染风险管控标准（试行）》土壤污染风险筛选值,且7种PAHs的毒性当量浓度（TEQ）均低于世界卫生组织标准值（1 mg/kg）,对人体健康的毒性风险较小.将14个影响指标（8个社会经济因子与6个公园特征因子）作为输入层、土壤w（PAHs）作为输出层,建立BP神经网络的拟合优度达0.845.预测结果显示,2020年和2023年北京城区公园土壤中w（PAHs）范围分别为0.008~0.969 mg/kg和0.022~1.988 mg/kg,整体均低于GB 36600—2018土壤污染风险筛选值,但随时间推移呈上升趋势,尤其朝阳区和海淀区将有大幅增长.研究显示:城市化发展因素对土壤w（PAHs）的增加有明显影响,城市发展进程影响不容忽视;至2023年,北京城区公园土壤若不加管理,其w（PAHs）将持续增长.      

融合Lamb-Jenkinson分型法和LSTM神经网络的PM2.5预测研究

文章采用NCEP/NCAR逐日海平面气压场资料,利用Lamb-Jenkinson环流分型法对张家口大气环流进行分型,分析环流型与PM_(2.5)质量浓度之间的关系,并针对PM_(2.5)浓度的预测,提出一种融合Lamb-Jenkinson环流分型和LSTM神经网络混合模型的方法,即以环流指数为预测因子基于LSTM方法搭建PM_(2.5)质量浓度的预测模型。结果表明:影响张家口地区的主要环流型有反气旋型、气旋型、偏北平直型、西南平直型、偏西平直型、东北平直型等、西北平直型、偏东平直型。PM_(2.5)污染日出现的主要环流型为南气旋平直型、东南平直型、偏南平直型、偏东气旋型、西南气旋平直型、偏东平直型、气旋型等,而反气旋型和反气旋式平直环流型不利于污染出现。张家口地区的PM_(2.5)污染与地面环流有着密切的联系,当存在PM_(2.5)污染时,张家口地区处于日本海高压后部的均压场区域,污染越严重,日本海高压中心强度越强。模型预测结果的均方根误差为9.88、平均绝对误差为5.84、拟合优度达0.80,表明该模型具有一定的预报能力。     

基于BP人工神经网络的闽江口水厂水质模拟

近年来闽江感潮河段水厂多次发生咸潮入侵威胁城市供水安全,评估其影响机制及适应性管理策略显得尤为迫切。文章研究基于BP人工神经网络模型和情景分析方法,构建闽江感潮河段水厂盐度与氨氮模型,并定量模拟闽江感潮河段水厂咸潮入侵的影响机制与应对措施。所构建的模型总体表现良好,情景模拟结果表明,闽江上游水电开发对南港地区的盐的影响较大,特别是对城门水厂的水质的影响较大,其咸潮发生的频率出现了明显的上升。河口地区的采沙挖沙活动使得河口地区的最小潮位水平下降、河口各水厂咸潮发生的持续时间和频率有明显的增加,尤其是5、6月份发生咸潮的风险增加。进一步分析表明,当采沙挖沙活动停止时,闽江口地区的盐度开始慢慢下降,6年左右闽江口地区各水厂的盐度可维持在一个可接受的水平上。该研究增进了对闽江感潮河段水厂咸潮入侵影响机制的认识,研究结果可为流域水资源管理与区域饮用水安全提供科学依据。     

基于Sentinel-2的平寨水库叶绿素a浓度反演

为实现对平寨水库叶绿素a的遥感监测,选取平寨水库2017年11月17—18日的实测叶绿素a浓度数据和准同步的Sentinel-2数据,通过选取最佳波段组合建立BP神经网络模型,对平寨水库叶绿素a进行反演,并分析其空间分布特征。结果表明:Sentinel-2红边波段对叶绿素a的敏感性优于可见光波段,在叶绿素a浓度反演方面具有较大潜力。相关系数最大的波段组合方式是:B5/B4、[1/B4-1/B5]*B6、[1/B4-1/B5]*B7和[1/B4-1/B5]*B8;BP神经网络模型可决系数R²为0.9160,平均相对误差为29.87%,反演精度优于三波段模型;平寨水库叶绿素a浓度空间分布差异明显,水面开阔的中心库区浓度较高,各支流上游河段浓度较低。Sentinel-2数据可较好地应用于喀斯特高原湖泊叶绿素a浓度反演,BP神经网络模型估测结果合理、可靠;研究结果可为平寨水库水环境治理提供科学依据。     

BP 神经网络模型在环境气象灾害预测中的应用研究--以湖南省为例

依据环境气象数据与自然灾害统计数据,建立BP神经网络模型,对湖南主要气象灾害（洪灾、旱灾、冰冻灾）及受灾经济损失进行实例预测,将在MATLAB7软件中的仿真结果与传统的多元线性回归模型分析结果进行比较和误差分析。结果表明,BP神经网络模型在洪灾、旱灾受灾率方面的预测效果和精度优于多元回归模型,而由于冰灾训练样本不足及经济损失与输入因子的线性相关程度高,在冰灾与受灾经济损失率方面稍逊于多元回归模型。     

基于BP神经网络优化制备Cu-Ce/TiO_2及其光催化活性研究

采用Cu和Ce对TiO2进行改性,基于正交实验设计和BP神经网络研究了Cu-Ce/TiO2中Cu-Ce对TiO2的摩尔百分数、Cu-Ce/TiO2中CuCe摩尔比及Cu-Ce/TiO2烧结温度对Cu-Ce/TiO2光催化降解甲醛溶液性能的影响.同时,对Cu-Ce/TiO2制备方案进行了优化,并运用X射线衍射仪、扫描电子显微镜和紫外-可见分光光度计对最佳条件下制备的Cu-Ce/TiO2进行表征.结果表明,优化的制备条件为Cu-Ce/TiO2中Cu-Ce对TiO2的摩尔百分数为2.88%,Cu-Ce/TiO2中Cu-Ce的摩尔比为1∶1,Cu-Ce/TiO2的烧结温度为570℃.共掺杂Cu离子和Ce离子能有效避免掺杂TiO2晶格内部表层和近表层产生较多的位错,从而抑制晶格畸变增大;诱导TiO2中锐钛矿型晶体向金红石型晶体转变的能力增强,有效抑制电子-空穴对的复合,产生介电局域效应.     

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。     

用神经网络辨识化学强化一级处理系统

运用实验室得到的数据为样本 ,选取了CODCr和絮凝剂投加量为指标 ,采用三层结构的神经网络 ,利用Matlab的神经网络工具箱中的批处理梯度下降法对CEPT系统经行辨识。辨识结果表明 :模型的预测值与实测值的平均误差在 3 .7%左右 ,具有较高的精度。同时 ,该模型还具有适应性强 ,使用方便 ,高效的特点 ,为CEPT系统的在线实时控制提供了一条有效的途径。