城市生活污水排放量的影响因子分析及关联性研究

生活污水排放系统复杂、影响因素多种多样,从其内涵出发,分析主要影响因子,共选择3大类14个影响因子,它们之间存在着严重相关性问题,为了解决多重相关性问题,引入偏最小二乘回归方法,该方法可以有效克服多重相关性,并能够实现多种数据分析方法的综合应用;而人工神经网络具有学习和记忆能力,将二者相关联,可以较好地解决非线性问题。为检验影响因子选择的合理性和方法的适用性,以郑州市为例,对生活污水排放量和影响因子进行定量分析。结果表明,主要影响因子的选择合理,拟合和预测精度均较好。     

基于混沌神经网络模型的水库叶绿素a浓度短期预测

通过混沌理论对水库叶绿素a浓度时间序列进行分析计算,得到最大Lyapunov指数为0.0218(正数),表明该时间序列具有混沌特性,可进行短期预测。同时,利用相空间重构的方法计算出时间延迟τ和嵌入维数m,并由此构建了可用于水库叶绿素a浓度短期预测的混沌神经网络模型。将该模型对于桥水库的叶绿素a浓度时间序列进行短期预测,平均预测相对误差为7.85%,取得较为满意的预测效果。该方法对水库的水环境管理具有一定的参考价值。     

象山港海域水质时空格局的自组织特征映射神经网络识别

于2007—2008年对象山港23个站点(包括10个电厂站点)的水质样品进行连续2年的季节性采集,采用SOM(Self-Organizing Map)工具箱,结合k-nn(knearest neighbors)神经元聚类对15个水质参数进行分析,以探明象山港海域水质时空变化并识别敏感的影响区域.结果显示,象山港海域N/P(物质的量比)平均值为27.0.水体污染指数(AI)和海水营养指数(NI)分别指示整个象山港水质处于严重污染和富营养化状态,但水质加权指数(WDX)显示,加权水质标准未超过3类水质,说明传统的AI和NI指数不能反映象山港的实际水质状况.经SOM分析发现,象山港海域各取样站点按季节和空间格局可分为8个聚类组.从季节上看,pH和油类含量在春季最低;夏季水温、COD、NO2--N最高,而DO最低.NO3--N、DIN、DIP在秋冬季节高于春夏季节,但透明度相反.Chl-a含量以夏季最高,冬季最低.GLM(General Linear Model)方差分析显示,不同季节的安全性指数(SFT)和N/P无显著差异(p>0.05),而NI、AI和WDX差异极显著(p<0.01).空间分析显示,象山港水体可分为港底区和口中部区,其中,港底区盐度、pH显著低于口中部区(p<0.01),而NO2--N、NH4+-N、DIN、DIP、Chl-a则显著高于口中部区(p<0.05).除WDX无显著差异外,港底区的N/P显著低于口中部区(p<0.01),而NI、AI、SFT相反(p<0.05).建议港区底部宜采用养殖大型海藻方式以减轻富营养化,此外,冬季黄墩港的水体中粪大肠菌群严重超标,生食该季节贝类产品时需要检测.     

水库中重金属迁移的神经网络模拟

重金属在水环境中的迁移转化是一个多因素影响的复杂过程,快速而准确地模拟水体中重金属的迁移一直是水环境研究领域的焦点。神经网络模型计算迅速、能以较高精度拟合任意非线性函数,在水文水质模拟中已有很多成功的应用,但对重金属的模拟还很少见到。文章以大伙房水库为例,用神经网络模型模拟了重金属镉、铜、汞和锌在水库中的浓度迁移过程。建模时依据水环境中重金属迁移转化机理并借鉴数学建模中边值问题的解决思想,确定了模型的输入和输出因子;对实际监测中重金属浓度低于检测方法的最低检出限的情况,将其浓度以0计算。模型对水库中镉和铜的浓度的模拟值与实测值的最大相对误差分别为17.5%和17.9%,对汞和锌的浓度的模拟值与实测值的确定系数分别为0.741和0.762,而对镉和铜的确定系数更是达到了0.96以上。对各重金属的模拟结果表明用神经网络模拟水环境中的重金属迁移是可行的,能快速得到比较准确的结果。文章建立的模拟大伙房水库重金属浓度迁移的神经网络模型对该水库水环境管理有一定的参考价值。     

暴雨洪涝敏感性影响因子分析及评估--以江西安义县为例

由于区域地理环境存在差异,洪涝敏感性影响因子的选取主要根据区域地理特征及个人经验确定,缺乏统一的标准、系统的分析和科学的评价。洪涝灾害与影响因子之间是复杂的、多变量的非线性关系,与研究区的地质、地貌、土地覆盖等诸多因素密切相关。针对不同的研究区域,搜集尽可能全面的影响因子并对其进行优化选取是实现洪涝敏感性准确评估的前提和保证。南昌市安义县位于潦河中下游,是洪涝灾害的主要受灾区域。基于遥感影像数据和地理信息系统技术,以安义县为例开展暴雨洪涝敏感性影响因子分析及评估研究。首先,利用成灾前后哨兵一号雷达影像提取安义县2016年6月30日至7月5日暴雨洪涝的淹没范围,选取高程、降水、用地类型、距河流距离、坡度等15个洪涝敏感性影响因子。然后,基于随机森林模型对15个影响因子进行重要性排序,按照排序结果对影响因子逐步精简,并基于神经网络模型对影响因子进行优化选取。最后,基于优化选取后的影响因子,采用神经网络模型进行安义县洪涝敏感性评估,并用实例验证洪涝敏感性评估结果的可靠性。研究结果表明,在精简收敛指数、坡向、剖面曲率、地形位置指数和汇流动力指数5个最不重要的影响因子后,神经网络模型的性能有一定提升;敏感性等级为中等及中等以上区域主要分布在潦河两岸,约占安义县总面积的1/3,近70%的洪涝分布在敏感性中等及中等以上区域,洪涝发生在洪涝敏感性等级为中等及中等以上区域的可能性非常大,洪涝敏感性评估结果与安义县实际情况相符。     

神经网络模型在O_3浓度预测中的应用

O3是近地面大气中一种重要的二次污染物.本研究采用神经网络多层感知器（Multi-Layer Perceptron）和多元线性回归2种模型,以广州万顷沙站2006年的气象观测数据为输入,对该站O3的1 h平均峰值浓度进行提前1 d的预测,并比较了2种模型的预测效果.模型的输入参数为前1d O3的最高1h平均浓度和第二天...     

含氟氯类危险废物焚烧灰渣的熔融特性研究

为了解决低熔点含氟氯类危险废物（简称＂危废＂）在回转窑焚烧炉内燃烧时,灰渣熔化导致窑内结圈的问题,实验采用氧化物分析纯（SiO2、Al2O3、CaO、Fe2O3、Al2O3）和NaCl、KCl、NaF分析纯来模拟危废炉渣组分,研究了危废焚烧炉灰渣的熔融特性,并采用神经网络预测危废灰渣的熔融温度.结果表明,SiO2、Al...     

广义回归神经网络预测天津城市用水量

通过对1991—1994年、1996～1999年、2001～2004年、2006—2007年天津城市年用水量相关的历史数据进行分析,利用广义回归神经网络进行训练和拟合,用1995年、2000年、2005年的实际数据进行模型检验,结果证明了广义回归神经网络用于城市年用水量预测的有效性和可行性。     

基于模糊识别和遗传神经网络的渤海湾叶绿素a预测研究

由于海洋生态系统的高度复杂性和非线性,利用新兴的水信息学技术,包括模糊模式识别、遗传算法、人工神经网络等构建渤海湾叶绿素a预测模型.以渤海湾实测水质数据为依据,利用遗传算法的全局搜索能力优化BP神经网络的初始权值和阈值,从而避免陷入局部最优解,构建GANN叶绿素a预测模型.模型预测的均方根误差为3.81 μg/L,仿真...     

基于贝叶斯正则化BP神经网络的砂土地震液化研究

砂土地震液化的影响因素具有高度的非线性关系,而神经网络在处理非线性问题上具有其独特的优越性.本文在探讨输人层模式的选择以及砂土液化影响因素的基础上,采用改进的贝叶斯正则化方法和"提前停止"算法建立了砂土地震液化预测模型,通过实例计算和模型评价,表明本模型的计算结果与规范法、改进的Seed简化法以及基于传统BP网络算法的...