人工神经网络模型和公路复垦土地适宜性评价

提出了人工神经网络用于公路临时用地复垦土地适宜性评价，利用该模型对京大高速公路山西段复垦山西段复垦土地进行了适宜性评价，探讨了人工神经网络在土地复垦适宜性评价时的特点和注意问题。     

大气环境数据分析预测方法对比研究

以西安市2006年9月27日至2008年5月3日每日的SO2平均浓度时间序列为例,应用时间序列分析对前555个数据进行拟合,得到合适的时间序列模型ARIMA(1,1,2);利用神经网络中的BP神经网络和RBF神经网络对同样的样本进行训练,用这三种方法对2008年4月4日至2008年5月3日的SO2日均浓度值进行了预测,并用同样的方法分析预测了同期PM10日均浓度值,最后比较了它们的预测效果。结果表明,利用这三种方法进行浓度预测都是可行的,其中RBF神经网络法的预测误差最小,效果最好。     

变权组合模型在景观水体水质模拟中的应用

针对景观水体的水质模拟与预测问题,在BP神经网络和支持向量机模型的基础上,建立了权重随输入量变化的变权组合模型。该模型既能充分利用各个单一模型的优点,又能避免固定权重分配的弊端。经实例验证,与单一的BP神经网络和支持向量机模型相比,变权组合模型拟合精度更高,预测结果更为准确。     

改进的QGA-BP模型在弥苴河总氮量预测中的应用

水质预测对水环境规划、评价和管理十分重要。构建一种改进的量子遗传算法（QGA）优化BP神经网络的模型,即在量子遗传算法中引入了旋转角的动态改进策略和遗传算法的交叉变异操作,并以改进的QGA作为进化操作准则优化BP模型的权值和阈值。以弥苴河复杂水环境水质预测为实例,选取一组历史观测数据作为训练样本,对其进行分析。将结果与BP模型、QGA-BP模型仿真结果进行了对比,改进后的QGA-BP模型在进化代数、收敛速度和预测结果的准确率有较大提高。对弥苴河水质的预测结果表明,将改进QGA-BP模型用于水质预测是可行、有效的预测方法。     

基于无人机高光谱和BP神经网络的城市水体污染监测

我国大多数流域存在不同程度的水体污染,城市水体污染防治与监测是一项艰巨而漫长的任务,而传统水质监测和卫星遥感方法在水体面积较大、水流运动不稳定、周边地形复杂的河流或城市湖泊的水质监测表现为适用性差、准确度低。基于无人机的高光谱遥感技术具有覆盖范围广、数据获取快速等特点,对城市水体污染监测具有一定的应用价值。以珠海市城市水域为研究对象、无人机高光谱数据为数据源,利用线性回归模型和BP (Back Propagation) 神经网络模型方法,分别建立了波段组合反射率与水体叶绿素a、氨氮和磷酸盐3种水质指标之间的最优反演模型,并通过实际样品验证了该模型在城市水体中的适用性。该研究结果不仅为大数据驱动的水质分析提供了重要的技术支持,也为无人机技术应用于城市水体污染程度评价和动态监测提供新方法。     

人工神经网络在预测深基坑周边地表沉降变形中的应用研究

深基坑开挖引起的周边地表变形预测是一个复杂非线性问题,引起地表沉降的影响因素很多,各因素之间呈高度的非线性关系。传统的基坑用边地表沉降变形预测方法存在着一定的局限性,其预测精度有待提高,而人工神经网络是一种多元非线性动力学系统,可以灵活方便地对多成因的复杂未知系统进行高度建模,实现全面考虑各种主要影响因素的深基坑周边地表沉降变形预测。本文介绍了误差反向传播(BP)网络模型的结构、学习过程及其算法的改进,径向基函数(RBF)网络模型的结构及其学习过程;分析了影响深基坑开挖周边土体沉降变形的主要影响因素;以25个基坑工程的地表沉降实测资料为训练样本,建立了11个输入影响因素的BP神经网络模型和RBF神经网络模型,通过对样本的学习训练过程及对5个检验样本的预测精度,说明了人工神经网络用于预测基坑周边地表沉降的可行性和准确性。     

上覆岩层瓦斯卸压范围及流动规律的应用研究

为合理、高效地治理朱家店煤矿巷道掘进和煤层开采过程中瓦斯浓度多次超限的技术阻力,本文针对该煤矿不同煤层上覆岩层瓦斯卸压范围及流动规律进行了较为深入的研究,建立了其BP神经网络破坏高度的数学预测模型。通过合理地计算,本文确定了该矿开采煤层上覆岩层的走向及倾向卸压长度、卸压上限和卸压范围,最后提出了有效控制上覆岩层瓦斯大量流向工作面及采空区的技术策略,从而达到了遏制矿井瓦斯事故发生的目的。     

基于BP模型的土壤重金属对其生物毒性的贡献分析

通过BP神经网络模型对石油开采区土壤重金属的部分缺失试验数据进行补齐,并采用主成分分析法对石油开采区土壤中重金属进行源解析。结果表明,土壤中重金属的来源包括自然来源、农业来源、交通来源和燃煤来源。以不同来源重金属作为输入条件、土壤生物毒性作为输出条件构建不同来源重金属土壤发光菌生物毒性神经网络模型,模型验证结果表明,在0.05显著性水平下,25组验证样本模拟值和试验值之间的相关系数r为0.396,满足模型验证要求。结合相对灵敏度计算,获得不同来源重金属对土壤生物毒性的贡献率分别为自然来源26.68%、农业来源52.71%、交通来源4.67%、燃煤来源15.94%,即农业来源为石油开采区土壤中发光菌生物毒性的最主要来源。     

PSO-RBF耦合神经网络在水质评价中的应用

径向基函数神经网络(RBF)中,连接输出单元的权重是影响径向基函数神经网络学习精度的主要参数,采用粒子群算法(PSO)对模型参数(权值)进行优化,建立了PSO-RBF耦合神经网络模型,避免权重的人为设定,具有客观性。并在Matlab环境下编程计算,构建了用于地下水环境质量评价和海水富营养化评价的径向基函数网络评价模型。将模型应用于黑龙洞泉域5个地下水监测点和某海水富营养化评价。评价结果和其他方法的评价结果一致,与实际情况符合,评级结果是合理的。评价结果表明,RBF网络简便有效,收敛速度快,有较强的分辨能力,优化确定模型参数后,便可对评价样本进行评价,具有较好的实用性和通用性。     

基于概率神经网络的西安地区地下水水质评价

为了检验概率神经网络在地下水水质评价中的适用性,论文分别采用综合评价法和概率神经网络评价法对西安地区地下水水质进行了评价,结果表明概率神经网络法能综合考虑各因子对水质的影响,剔除不良数据造成的干扰,能很好地反应地下水的水质状况。同时分析了西安地区地下水水质变化趋势和空间分布情况,结果显示：西安地区地下水水质年际变化不大,大部分地区水质较好;2001~2004年潜水多为Ⅱ类和Ⅲ类水,承压水多为Ⅰ类水。