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。     

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。     

南昌市夏季PM_(2.5)中多环芳烃来源解析

在南昌市设立了5个不同功能区采样点,分别为居民区、工业区、商业区、交通干线区以及郊区,于2008年夏季进行PM2.5采样,对样品进行测定和分析后,通过因子分析法判断PM2.5中多环芳烃(PAHs)的主要污染源,再利用多元线性回归法确定各主要污染源对PAHs的贡献率。结果表明,南昌市夏季PM2.5中PAHs的主要污染源为车辆排放源、高温加热源、燃煤污染源,它们对PAHs的贡献率分别为37.9%、28.2%和22.0%;要控制南昌市夏季PM2.5中的PAHs,主要是要对机动车尾气排放量进行控制,并加强机动车尾气治理工作。     

基于广义加权组合预测法的建设用地需求预测——以苏州市为例

对现行采用的多种常用建设用地需求量预测方法进行了比较,并以苏州市为例,采用5种预测模型进行了对比分析,利用近13年的统计数据进行了验证.结果表明,广义加权组合预测法得到的结果误差最小、精度最高.     

堤防工程综合安全模型和风险评价体系研究及应用

为获得荆南长江干堤的安全特性,在层次分析法及模糊一致理论的基础上,考虑堤防工程水、土两相系材料的特点,建立了模糊综合评判系统结构模型。通过正态型模糊隶属函数,结合两种权值理论实现了对堤防工程的安全综合评判。在模糊综合评判结论的基础上,结合模式识别的间接方法,提出了广义多维加权模糊识别模型,实现了对典型堤身段的安全模式识别,并对模型指标体系作了敏感性分析。所得成果比较全面地反映了干堤在复杂运行条件下的综合安全特性,对指导工程现场管理与监测有现实意义。对于复杂堤防系统,模糊综合评判是实现全面风险分析的有效手段,而广义多维加权模糊识别模型可以为工程安全决策提供有力依据。     

基于夏普里值过程的农村居民收入差距分解

认识农村居民收入差距现状并研究引致收入差距的因素,对缩小收入差距的政策制定有重要意义.本文利用内蒙古和甘肃2个省1500户农户的截面数据,采用夏普里值过程对Gini系数、Theil指数、Atkinson指数这三个不平等指标进行回归分解.分解结果稳健地发现,以县域为代理变量的外部环境因素对收入差距具有重要影响,非农劳动力、培训比和家庭男劳动力比对收入差距的相对贡献度较大,而平均年龄、家庭人口和平均教育对收入差距的相对贡献较小.作为社会网络的人情收支和作为物质资本的人均土地面积对收入差距的贡献极小.从缓解中国西部农村地区间的不平等的角度看,长期而言,支持和促进地区经济发展,增加非农就业机会,提供平等的教育和培训机会,有利于缓解收入不平等.而在城市化进程中,处理好土地问题,避免作为物质资本的土地成为引致不平等的因素,对于未来控制不平等状况有重要意义.     

长江上游月降水人工神经网络预测模型

长江上游月降水量预测对于三峡库区及整个长江流域水资源管理具有重要意义。根据长江上游不同气候区降水差异,选取玉树、九龙和宜宾3个代表性气象站点近60 a的月降水量数据,运用反向传播神经网络、径向基函数神经网络、广义回归神经网络和多元线性回归法,确定降水时滞和降水月份,建立月降水预测模型,来预测未来一个月的降水量,并采用均方误差和判定系数来验证和对比各种模型的模拟效果。结果显示：人工神经网络模型总体上优于多元线性回归,特别是反向传播神经网络的模拟结果各站表现较好,在确定合理的输入变量和网络结构后,可以尝试作为长江上游各站月降水预测模型。〖     

大宁河叶绿素a的因子分值-多元线性回归预测模型研究

自从2003年三峡水库蓄水以后,其支流大宁河水华频发且频率呈上升趋势。叶绿素a(Chla)是指示水体中浮游植物初级生产力的有效指标。采用因子分值-多元线性回归方法研究了大宁河水体11个相关水质因子与Chl a之间的相关关系。因子分析用于简化水质指标之间的相关性,以因子得分（Score values）为自变量用于多元线性回归分析中。结果发现log（Chla）与6个因子分值明显相关,所获得多元线性回归模型为：log(Chl a)=0.579-0191×(Score 1)-0.013×(Score 2)-0.013×(Score 3)+0042×(Score 4)+0134×(Score 5)-0.059×(Score 6),相关系数 R= 0.731、相关系数的平方 R ²=0535,说明自变量可以解释因变量53.5%的差异性。实测数据验证结果表明：该模型能够较好的预测2010年1～10月水体中Chl a浓度的峰值和基本变化趋势     

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。     

基于天气分型的北京地区雷电潜势预报预警系统

对1997-2006年457个雷暴过程的环流形势进行对比分析,将北京地区的雷暴天气分为东北低涡低槽、贝蒙低涡低槽、西来槽等11种雷暴天气型;利用南郊观象台(54511站)的探空资料计算对流有效位能、抬升指数和相对风暴螺旋度等33个对流参数,通过与北京地区SAFAIR3000获取的闪电定位资料进行统计分析,提取BCAPE、BLI、MDCI、BIC、KNEW和SWISS等6个对流参数作为北京地区潜势预报参数;采用事件概率回归(REEP)方法,利用获取的6个对流参数作为变量,形成了11种雷暴天气型下的潜势预报方法。利用WRF模式的预报场,建立适用于北京地区3～36 h雷电潜势预报系统。个例实验结果表明其具有较好准确性。由于该系统建立过程中使用了高分辨率探测资料和中尺度模式的输出结果,实现了雷电潜势预报由点到面,由粗到细的突破,对北京地区雷电预警预报具有一定的应用价值。