神经网络在空气污染预报中的应用研究

空气污染预报是一项复杂的系统工程,是当今环境科学研究的热点,国内外已有将神经网络法应用于大气污染预报的研究。本论文以PM2．5为例,采用伦敦市PM2．5的小时平均浓度数据,使用传统的BP神经网络建立预报模型,定量预测伦敦市PM2.5的小时平均浓度,探讨了大气污染预报网络的建模过程中,扩大样本集、去除样本集数据噪声和在输入向量中加入气象变量等因素对建模所产生的影响。最后得出结论,适当的选择样本集、气象变量,有利于提高所建立网络模型的预测精度。     

常州市燃气管网破坏的人工神经网络预测模型

作为一种高效清洁的能源,燃气已经成为城市能源中的重要一员,燃气管网破坏亦成为城市所面临的重大安全隐患。城市埋地燃气管网的破坏风险,往往受到多种影响因素的共同作用。通过分析常州市埋地燃气管网破坏的影响因素,确定了地面沉降、地裂缝、城市内涝、土壤腐蚀等4个风险评价因子。运用MATLAB中的人工神经网络工具,通过人工神经网络计算,优化了模型网络结构,建立了常州市埋地燃气管网破坏风险预测的人工神经网络模型。分析计算结果,并为常州市埋地燃气管网的安全防护提供了建议。     

基于人工神经网络算法的大气污染统计预测模型研究进展

人工神经网络算法(ANNs)能够对影响大气污染物各变量间的非线性关系进行较好描述,因而在空气质量预测、重污染预警工作中得到了广泛的应用。随着算法结构的不断发展,基于ANNs的大气污染统计预测模型在其预测精准性上得以显著提升。对近年来的相关研究成果进行归纳,从变量的选取与预处理、算法结构的调整与优化等方面总结提升模型预测性能的主要方法,最终形成构建基于ANNs的大气污染统计预测模型的方法体系。     

水质综合评价的么工向基函数网络模型

针对目前水质综合评价中常规方法存在的问题,提出了径向基函数模型（简记为RBF－ANN）。以吉林省白城市地下潜水水质资料为例,运用该方法对监测样点进行了综合评价。通过与其它方法对比。结果表明,利用RBF－ANN模型进行水环境质量综合评价不仅方法简便,而且结论更接近客观实际。     

BP人工神经网络对长春市土壤质量评价

本文针对城市土壤重金属污染问题,以长春市为例运用人工神经网络理论及方法,建立土壤环境质量评价的BP人工神经网络模型,通过实例分析,并将评价结果与模糊综合评判结果进行了比较,说明运用该模型评价土壤环境质量不但能使评价结果精度大大提高,而且是切实可行的。     

BP人工神经网络模型在西鞍山铁矿地下水水质评价中的应用

以西鞍山铁矿为例,采用BP人工神经网络模型对区内12个监测点的水质进行评价。以枯水期水质监测的主成分总硬度、溶解性总固体、硫酸盐、氯化物、铁和锰、硝酸盐、氟化物指标作为评价因子,建立地下水评价指标体系,并将评价结果与模糊综合评价法及综合质量评价法的评价结果比较。结果表明,8、9、10、11号监测点属于Ⅰ类水,1、2、3、4、6、7、12号监测点属于Ⅱ类水,5号监测点属于Ⅲ类水,西鞍山铁矿的开采未对地下水造成影响;该方法与模糊综合评价法及综合质量评价法的评价结果基本一致,可以客观、合理性地评价水质。     

基于人工神经网络的二元液体闪点预测

建立了一个基于人工神经网络的理论模型,用于预测二元混合液体的闪点.根据所研究混合液体的物理性质,选择了相关黏度、表面张力等物理参数来表征闪点,以这些参数作为输入参数,二元混合液体的闪点作为输出值,应用反向传播(BP)人工神经网络方法对两者之间的内在定量关系进行模拟.结果表明,闪点预测值与实验值符合良好,优于传统的计算方...     

廊坊市2015年燃煤锅炉改造成效评估分析

为改善京津冀地区空气质量,2015年北京市安排专项资金支持廊坊市大气污染治理工作。到去年底,廊坊市超额完成相关治理项目,淘汰改造燃煤锅炉1 315台,实现SO2年减排量6 799 t,NO_x减排3 547 t,烟尘减排5 178 t,为廊坊本地及京津冀地区空气质量改善做出了贡献。针对2015年廊坊市燃煤锅炉淘汰改造工作进行了环境经济效益分析及空气质量改善效果评估。结果表明:该项大气污染治理工作具有较大的环境效益及显著的污染削减效果,从长远角度有利于京津冀地区的大气污染防治工作顺利开展及区域空气质量的改善。     

人工神经网络在湟水水质综合评价中的应用

将“前向人工神经网络技术”应用于水质综合评价，提出了水质综合评价BP模型，并将该模型应用于实例进行效果检验，结果表明：人工神经网络BP模型用于水质综合评价是可行的，该方法适应性强，评价结果客观、合理。