太湖富营养化指标BP人工神经网络预测模型的建立

富营养化是太湖面临的一个重大环境问题。富营养化预测是湖泊水质变化的有效预警手段。本文选择TN、TP和叶绿素a(Chl-a)三个富营养化重要评价指标,基于Minitab软件的相关性分析,利用MatlabR2010b软件建立了太湖TN、TP和Chl-a变化的BP人工神经网络预测模型。结果表明,在对TN、TP、Chl-a的预测中,训练的均方差在0.02以下,相关系数在0.88以上,测试的均方差在0.17以下,相关系数在0.70以上,具有较强的相关性;Chl-a、TN的模型预测的结果最为理想,TP的预测结果次之,总体结果较好。因此,建立的BP神经网络能较好地预测太湖富营养化指标的变化情况,可作为太湖富营养化管理的一个有效工具。     

基于小波分析与BP神经网络的PM_(10)浓度预测模型

应用小波分析和BP神经网络相结合的方法,建立大气污染物浓度预测模型。首先,利用静态小波分解将原始的大气污染物浓度序列分解为不同频段的小波系数序列;其次,将重要的气象因子和各尺度上的小波系数序列作为BP神经网络的输入;最后,对输出的各序列预测值重构,得到最终的预测结果。使用该模型对重庆市主城区某国控监测站点的PM_(10)浓度预测,结果表明,与传统的BP神经网络模型相比,该预测模型的推广能力强、预测精密度高,具有良好的应用前景。     

基于人工蜂群算法的BP双隐含层神经网络水质模型

采用人工蜂群算法优化BP神经网络的初始权值和阈值,同时采用双隐含层来提高网络精度,选取DO、IMn、COD、BOD5和NH3-N作为评价指标,建立一个基于人工蜂群算法的BP双隐含层神经网络模型,并应用该模型对2012年黄河水系下河沿断面的各月监测数据进行水质评价,同时与BP神经网络、模糊层次评价方法作比较。结果表明:基于人工蜂群算法的BP双隐含层神经网络在水质评价时,均方误差小,多次运行的结果始终一致,评价结果合理有效。     

基于粗糙集和AFSA-BP的水电机组故障诊断

将粗糙集和人工鱼群优化-神经网络算法引入水电机组故障诊断中,利用人工鱼群优化算法中聚类的特点改进粗糙集属性约简方法并对水电机组故障的检测信息进行约简,提取对故障分类起主要作用的信息,并用BP神经网络对粗糙集处理后的故障信息进行诊断。实验结果表明:该方法降低了神经网络的输入信息空间维数,简化了神经网络结构,有效提高了故障诊断的准确性。     

基于GA-BP算法的含油污泥处理 工艺参数优化

在含油污泥进行资源化处理过程中,针对处理目标受多个因素影响的实际,为了解决工艺之间的耦合问题,采用正交实验的方法来解决,并把主要参数作为优化对象,把含油污泥的脱水率作为评价目标,通过采用GA-BP算法对含油污泥耦合工艺正交实验参数进行了线性与非线性分析.在采用遗传算法优化神经网络的权值和阈值的基础上,用优化后的权值和阈值对测试样本和训练样本进行了预测.预测结果表明,预测误差都有明显减小,分别由0.34211减少到0.031549和0.15476减少到0.040682,可见耦合参数趋向于非线性优化.     

神经网络模型在北海市空气日报污染指数计算中的应用

根据空气质量日报的实际需要,引入了Excel软件神经网络技术建立空气质量日报污染指数计算模型,采用LM算法提高了计算精度,并将模型应用于北海市空气日报。结果表明:此法较之实际公式计算法更加快捷方便,并且计算结果相当吻合。     

前馈神经网络在环境评价和预测中的应用进展

本文针对水环境中复杂的不确定性及非线性关系,在水环境不确定性分析的基础上,详细阐述了以BP网络和RBF网络为代表的前馈神经网络法的基本原理,分析了两种方法的优点。同时,本文对两种方法在水环境影响评价工作中的应用现状进行总结,分析了两种方法的研究发展趋势。     

基于人工神经网络的街道峡谷NOx浓度的数值模型研究

通过对反向传播人工神经网络的算法和网络结构的研究,发现拟牛顿算法训练速度较快,能够较好地接近误差目标值,同时建立了包括输入层、隐含层、输出层的人工神经网络三层拓扑结构。通过对街道峡谷人工神经网络的训练,模拟计算了街道峡谷NOx浓度分布值。结果显示,训练误差和测试误差比为1．11,训练样本的模拟值与实测值的相关系数为0．93,测试样本的模拟值与实测值的相关系数为0．87,模拟值与实测值的相关系数均高于显著水平为α=0．05与α=0．01所对应检验性表的相关系数临界值。该模型能够用于街道峡谷污染物浓度的模拟计算,具有较好的泛化能力。     

支持向量机在城市震后火灾损失预测中的应用

针对地震火灾的复杂性和多变性的特点,在综合分析了各种震后火灾损失预测方法的基础上,提出了基于支持向量机的城市震后火灾损失预测模型。以地震火灾的历史资料为依据,建立学习样本和测试样本,并与BP神经网络预测方法相比较,验证了其可行性,也为其它自然灾害的损失预测提供了简单、有效的方法。     

基于BP神经网络的城市旅游环境质量评价

城市旅游环境质量与城市旅游可持续发展之间存在着极为密切的关系,实现可持续发展的关键就是要解决好城市旅游环境质量问题。而旅游资源环境、旅游自然生态环境、旅游社会服务环境、旅游信息环境是城市旅游环境质量评价的主要因素,利用BP神经网络的方法对城市旅游环境质量进行评价是十分科学有效的。