基于BP模型的十溴联苯醚分散液液微萃取条件优化

采用正交试验研究萃取剂类型、萃取剂体积、分散剂类型、分散剂体积、溶液pH值、离子强度和萃取时间对水样中痕量十溴联苯醚(decaBDE)分散液液微萃取(DLLME)回收率的影响.结果表明,离子强度对萃取回收率(ER)的影响非常显著,而分散剂体积与萃取剂体积交互作用的影响不显著.通过极值法确定的decaBDE分散液液微萃取条件下的萃取回收率为88.24%.以正交试验数据为训练样本,以分散剂体积、萃取剂类型、pH值、离子强度及萃取时间为输入,萃取回收率为输出,建立了影响decaBDE分散液液微萃取的BP神经网络模型.模型检验样本预测输出值和试验值的决定系数为0.873 4,表明模型可以预测水样中decaBDE分散液液微萃取的回收率.采用遗传算法工具箱对建立的BP神经网络模型进行优化求解,得到的优化分散液液微萃取条件下的decaBDE萃取回收率平均值为99.94%,比通过极值法确定的萃取回收率提高10%以上.     

BP神经网络在矿井本质安全程度评价中的应用

采用BP神经网络对矿井本质安全程度进行评价。介绍了矿井本质安全程度评价方法以及BP神经网络的结构及原理;按照BP神经网络训练的步骤,以matlab6．0为平台,利用其内嵌的神经网络工具箱,生成通用的神经网络评价模型;输入经过标准化后的矿井本质安全程度指标的评价分数,投入神经网络运算,就可以得出该矿井的本质安全程度。     

基于神经网络的土壤重金属预测及生态风险评价

采用单隐层RBF神经网络模型预测土壤重金属Cr、As、Ni、Pb、Zn 5种元素的含量,实测35组数据做为训练数据,另用6组做验证数据,该模型是以利用采样的10组数据预测其后的连续5组数据,输入层的神经元个数是10,输出层是5,隐含层的传递函数为径向基函数radbas,输出层的传递函数为线性函数Purelin,其结果表明:采用RBF神经网络模型预测有较高的精度。通过多元统计分析采样样品与预测样品,研究区域As、Ni、Zn的均值超过了上海市土壤环境背景值,As元素达到高度变异,Pb、Zn、Ni 3种元素达到中度变异。通过因子分析,前2个因子基本包含了全部元素变量的主要信息,第1因子中载荷最高是元素Ni(0.946),第2因子中则为元素As(0.930)。通过潜在生态风险指数评价,研究区域整体呈轻度生态风险水平。采用RBF神经网络模型可以降低采样分析成本,更好的评价区域土壤重金属的生态风险。     

基于神经网络的某型飞机的人-机-环境系统可靠性分析

提出了利用神经网络,对某型飞机人-机-环境系统的可靠性进行了分析的方法。该方法利用已有飞机本身的可靠性数据,综合考虑了飞机本身、环境条件影响、人为操作因素的影响。全面反映了各种因素共同作用下的系统可靠性,建模简单,对飞机系统可靠性分析具有现实意义。     

基于多尺度卷积神经网络的两阶段火灾识别算法研究

基于机器视觉的火灾识别技术对于智慧消防具有极为重要的意义。针对火焰容易受到复杂背景、不同摄像角度等因素影响,本文提出一种基于多尺度卷积神经网络的火灾高精度识别算法。算法将火灾识别任务分解成前景提取与精准识别两个阶段。在前景提取阶段,算法结合火焰运动性特点,使用帧差法对火灾候选区域进行快速提取。在精准识别阶段,算法引入空间金字塔池化模块,设计多尺度卷积神经网络进行火灾识别,实现对不同火焰尺度图像的高精度检测。在实际数据集上进行仿真实验,本文所提出算法在图像和视频领域分别取得93.6%和94.9%的火灾识别准确率,这有力证明了本文算法的有效性。     

土地整治区典型林地土壤贮水量预测方法比较

在长期田间试验基础上,分别利用数值模拟方法（Numerical Simulation,NS）和人工神经网络（Artificial Neural Network,ANN）模型构建江南平原土地整治区典型林地的土壤水分运动模型,并对土壤贮水量进行预测。[JP2]NS模型校正结果表明,该模型虽能较好地预测林地土壤含水量动态变化,但是NS模型对训练期和验证期0~60 cm[JP]土层贮水量预测的均方根误差（Root Mean Square Error,RMSE）分别为1109和829 mm,而ANN预测的RMSE分别为417和408 mm,说明ANN的预测效果好于NS模型。最后,敏感性分析结果表明ANN预测精度对输入参数的敏感程度由高到低依次为：前期土壤贮水量>降水量>最高气温>最低气温     

基于改进混合遗传-支持向量机的CMF产水预测研究

将模拟退火思想和加速遗传特性相结合,改进选择策略和遗传算子,建立加速遗传模拟退火算法（AGSA）;基于支持向量机（SVM）的非线性回归和改进混合遗传算法的因子筛选,构造了支持向量机模型参数的自适应优化算法,提出连续微滤系统（CMF）产水预测模型;通过实测中试规模连续微滤系统产水量变化对模型进行验证,结果表明：该模型较好...     

B-P网络用于环境质量分类研究

用全国２５个湖泊的水质指标资料作为训练样本,应用人工神经Ｂ－Ｐ算法,分别建立了３参数和４参数的水质分类模型,并用所建立的模型对６个湖泊水质进行分类检验效果。结果表明Ｂ－Ｐ模型应用于环境质量分类是可行的,且由于Ｂ－Ｐ网络有学习,自适应的能力,因而与其它的环境质量分类法相比具有优越性。     

基于神经网络模型的校园楼梯间踩踏事故预警研究

校园楼梯间作为踩踏事故的主要发生场所,该场所踩踏事故预警研究具有重要的现实意义。本文利用校园楼梯间事故案例分析踩踏的影响因素,结合多维度因素,建立BP神经网络模型,计算踩踏事故发生的可能性,以达到有效预警的目的。本文随机选取4所样本校验证预警模型的准确性,结果表明：准确率达到90%以上,验证本研究有效,可为有效预警预防校园楼梯间踩踏事故提供参考依据。     

基于CARS算法的湖滨绿洲土壤表层有机碳估算

文章以博斯腾湖西岸湖滨绿洲为研究区,将实测的土壤有机碳含量数据与土壤高光谱数据结合,对原始光谱R进行数学变换及微分变换,应用竞争自适应重加权采样（CARS）筛选特征波段,并采用其筛选的特征波段构建BP神经网络模型估算土壤表层有机碳含量。结果表明：（1）研究区土壤表层有机碳含量范围在0.80～63.15 g/kg,平均值为17.57 g/kg,变异系数为71.48%,呈中等变异性。（2）CARS算法将建模输入波段压缩至全波段数目的2.76%以下,R、R’、1/R、(1/R)’、log(1/R)、log(1/R)’、1/log R、(1/log R)’光谱形式下筛选的特征波段,较多集中于近红外长波1 500～2 500 nm与可见光波段380～760 nm;R’’、(1/R)’’、log(1/R)’’、(1/log R)’’光谱形式下筛选的特征波段,较多集中于近红外波段760～2 500 nm。（3）二阶微分变换构建的CARS-BP估算模型精度优于一阶微分,R’’-CARS-BP估算效果最好,训练集和验证集R2分别为0.81、0.83,RPD分别为2.30、2.45,RMSE分别为5.75...