基于相空间神经网络耦合模型的径流降尺度分析

基于混沌理论和神经网络理论,研究水文科学的尺度问题,将混沌神经网络分析方法应用于径流的降尺度分析。首先通过对年径流量分解到月径流量的分解系数的分析,证明了分解系数具有混沌特性;其次利用相空间BP神经网络模型对分解系数进行预测,并根据预测结果进行月径流量的降尺度计算。实例研究表明,用神经网络拟合分解系数相空间的相点演化非线性关系和用相空间神经网络模型对径流作降尺度分析是可行的。     

水质污染综合评价的神经网络法

经实际验证表明，水地污染综合评价的神经网络法与模型综合评价及灰色聚类法相比，有计算简便、快速、实用的特点。     

基于Elman神经网络模型的我国农业受灾面积预测研究

农业受灾面积顶测是从以往受灾面积的数据中总结受灾面积变化的规律性，并用这个规律动态地顶测未来的受灾面积．人工神经网络的诸多特性能较好地处理农业灾害顶测问题。为此，介绍了Elman神经网络的结构、算法和基于Elman神经网络的农业受灾面积顶测．实验结果和自回归顶测对照表明，Elman神经网络的顶测方法更精确。     

BP和RBF神经网络在边坡稳定性评价中的应用

基于BP网络和RBF网络理论,选取影响岩质边坡稳定性的一些主要因素,建立了边坡稳定性分析的神经网络模型,并用Matlab7.0神经网络工具箱对一些边坡样本进行训练仿真。对比了两种网络的逼近精度和预测结果,结果表明:两种网络均可以用于边坡的稳定性评价,RBF网络的性能要优于BP网络,网络最优参数的选择要通过反复实验获得。     

应用于水文预报的优化BP神经网络研究

利用广东省滨江流域的水文观测资料，建立了以前期降水量为预报因子、以水位为输出的BP人工神经网络水文预报模型。首先采用了合理的方法进行样本组织，进而利用最优子集回归技术进行输入因子的确定，然后进行了不同隐层节点数、不同转移函数、不同训练算法的组合试验，确定了应用于水文预报中的优化BP神经网络：网络结构为8-9-1；转移函数的组合方式为tansig-线性函数；训练算法为采用evenberg-Marquardt(Lm)算法。为便于精度分析，还采用了最优子集回归模型作了研究。结果表明，优化BP网络模型无论在拟合精度还是在预测精度上都高于最优子集模型。总的来说BP网络是一种精度较高的水文预测模型。     

基于改进混合遗传-支持向量机的CMF产水预测研究

将模拟退火思想和加速遗传特性相结合,改进选择策略和遗传算子,建立加速遗传模拟退火算法（AGSA）;基于支持向量机（SVM）的非线性回归和改进混合遗传算法的因子筛选,构造了支持向量机模型参数的自适应优化算法,提出连续微滤系统（CMF）产水预测模型;通过实测中试规模连续微滤系统产水量变化对模型进行验证,结果表明：该模型较好...     

污泥厌氧消化的人工神经网络模型

基于污泥固体停留时间(SRT)为20 d的污泥中温厌氧消化实验,建立一个3层BP神经网络,以前1~20 d的进泥挥发性悬浮固体(VSS)、当天消化罐pH值和碱度共22个参数为输入,预测污泥消化系统日产气量,结果表明,网络具有良好的学习能力、泛化能力和辨识能力,能够较为准确地预测出系统日产气量。此外,根据进泥VSS不同,利用网络预测能力,调节pH值和碱度到合适的值,系统日产气量有明显提高,进一步证明了网络具有良好的预测能力和实用性。     

几种神经网络模型在空气质量评价中的应用

人工神经网络是一种利用计算机模拟人脑神经组织的运算模型。作为一种新的研究方法。神经网络在一定程度上可以弥补传统评价方法需要构建隶属函数、无法精确描述级别区间内的变化特征以及设计过程具有一定人为偏好的不足。本文选用BP网络、径向基函数网络、LVQ网络和Elman网络这4种典型的神经网络模型进行实例研究。把国内8个城市的污染物排放数据代入训练好的网络模型，进行空气质量评价，得出的结论对提高神经网络评价结果的准确性和可靠性有一定参考作用。     

t分布受控遗传算法优化BP神经网络的PM2.5质量浓度预测

根据齐齐哈尔大学监测点2014年3—5月PM2?5质量浓度及其对应的每小时的气象因素、气体污染物浓度,建立基于t分布受控遗传算法的BP神经网络模型（ BPM?TCG）,对PM2?5质量浓度进行模拟预测。并将其与BP神经网络模型、遗传算法优化BP神经网络模型（ BP?GA）进行对比分析。3种模型预测结果表明：BPM?TCG模型预测精度最高,泛化能力最好。 BPM?TCG模型对PM2?5质量浓度的准确预测为预防和控制PM2?5提供依据。     

NARX神经网络模型在昆明市环境空气质量预测中的应用

神经网络模型作为一种重要的手段被广泛应用于数学计算、物理建模、水文模拟、环境预测、人工智能等研究领域。为验证神经网络模型在高原山地城市环境空气质量预测中的作用,以昆明市环境空气自动监测站气象因子和污染物浓度数据为基础,构建NARX神经网络模型,对污染物浓度进行预测。结果表明,基于NARX神经网络建立的预测模型具有很强的非线性动态描述能力,能够对环境空气6参数做出较为准确的预测,其预测浓度相对误差显著低于CMAQ、NAQPMS空气质量数值模式以及LSTM统计模型预测结果。优化后的NARX神经网络对污染物浓度变化趋势的预测较其他几个模式更为敏感。