绿色地产回归和谐的新地产时代

2005年，中房协提出了“绿色地产年”，这标志着国地产将走上一条产业发展和居住环境优化的可持续展的新地产之路。     

应用BP神经网络预测嵌岩桩竖向承载力的研究

利用BP神经网络,建立了嵌岩桩竖向承载力预测的BP神经网络模型,采用嵌岩桩竖向承载力的实验数据对网络进行了训练,并以此训练好的BP神经网络对嵌岩桩承载力进行了预测。预测结果表明,该模型具有很高的预测精度,为预测嵌岩桩承载力提供了一种新的方法。     

人工神经网络在湖泊富营养化评价中的应用研究

运用人工神经网络技术评价湖泊富营养化程度。详细阐述了神经网络的结构设计，样本生成及学习算法，给出了通过训练得出的网络权和阈值，最后将此神经网络用于１２个湖泊的富营养化评价，取得了较好的评价结果。     

化学强化一级处理系统BP神经网络建模研究

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系统进行辩识。辩识结果表明：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。     

常压塔塔顶腐蚀关键参量相关性分析与预测

预测常压塔顶回流罐切水的关键离子浓度可以为常压塔顶系统工艺防腐提供技术指导。收集了某炼厂2014-2016年常压装置的生产实时工艺参数、原料及产品采样数据、水质分析化验参数,采用线性插值方法对不同时间尺度的数据进行补全。通过线性相关性分析获得了影响常压塔顶回流罐切水总铁离子浓度、pH的主要因素,并基于深度学习、支持向量机回归、粒子群优化方法建立了腐蚀关键参量预测模型。结果表明,pH值和总铁离子浓度的相关因素大部分重叠,与原料性质及产品馏出温度较强相关;建立的回归模型预测精度高,在训练集和预测集上,总铁离子浓度预测值与测量值最大偏差分别为4. 4%和9. 8%,pH值预测值与测量值最大偏差分别为0. 9%和1. 1%。     

春季人工湿地常用植物对总氮去除效果的数学模型研究

选取芦苇、菖蒲、美人蕉和香蒲等4种南京地区常见的人工湿地常用植物作为供试植物,对其在春季对生活污水总氮(TN)去除效果的数学模型进行研究.通过监测引种植物后污水中TN浓度,利用回归分析建立湿地植物去除污染物的数学模型.结果表明:在毒季种植植物后污水中的TN浓度按线性关系减少,其中芦苇、菖蒲和香蒲对污染物的去除效果明显,其直线的相关系数分别达到0.927,0.929和0.979;美人蕉在春季对TN的去除能力较差,其线性仅为0.561.     

瓦里关山大气CO2及其δ13C本底变化

利用 1991— 2 0 0 1年期间实测资料 ,分析了瓦里关全球基准站大气CO2 及其δ13 C本底特征 ,并探讨了与源汇过程的关系 .结果表明 ,瓦里关大气CO2 及其δ13 C本底变化主要反映了北半球中高纬度大陆自然生态系统源汇的周期性季节特征 ,而海洋的作用相对较弱 ;大气CO2 及其δ13 C本底浓度范围与所处纬度带平均状况基本吻合 ,年平均值以及年际间涨落与全球水平的一致性反映出化石燃料燃烧等人为排放对大气圈的全球性影响 ;瓦里关站提供的主要温室气体本底观测资料 ,既能体现亚洲内陆地域特点又具有全球代表性 ,配合以其它相关资料 ,还可进一步揭示中国内陆高原大气CO2 及其δ13 C本底特征的成因 .     

事故出流时河流综合水质的计算机预测方法研究

河流上游的污水排放口或倒虹管等污水构筑因有可能发生事故出流而对下游的取水口存在着潜在的威胁，常规的单参数模型不能就事故出流对下游的影响作出公正评价。本文以QUAL－Ⅱ模型为骨架，以生动形象的动画形式演示出在整个排污过程中多个水质参数沿河道分布的变化全过程，并且，在模型中融入隶属度BP神经网络综合评价水质的模块，用它来对发生事故出流时下游取水口水域的水质变化进行综合评价，最后通过一个例子说明了该方法的优越性和合理性。     

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。     

县级生态农业建设的人工神经网络模型

引入人工神经网络的评价识别方法，建立了ＢＰ模型，以前人建立的县级生态农业建设评价指标体系评价标准，和某县生态农业综合评价指标数据为实例，比较ＢＰ模型的有效性，得到的评价分类结果和指标优先发展顺序决策与实际情况相吻合。