应用BP网络研究气候变化对雅砻江和嘉陵江流域水资源环境的影响

气候变化对水资源的影响是一个重要的环境问题,应用人工神经网络方法建立了雅砻江和嘉陵江流域年均气温、年降水量与年径流之间的BP网络模型,利用建立的网络结构模拟了气温和降水变化对流域水资源环境的影响,结果表明气温增高和降水量减少将造成水资源量的大幅度减少,对生态环境构成威胁     

RBF神经网络氧化沟系统出水氮磷预报模型

为定量模拟污水处理系统进水及出水水质参数数学关系,为污水处理系统的智能反馈控制奠定理论基础,文章以河南漯河市污水净化中心氧化沟系统为考察对象,采用径向基函数(RBF)神经网络对其模拟分析,建立了氧化沟系统出水TN、TP预报的RBF网络模型。建模过程采用的主成分分析与聚类分析有效挖掘了样本信息,采用的数据预处理方法缩减了模型误差。模型性能及灵敏度检验表明,建成的模型对出水TN、TP预报准确率分别达到90%、70%,相关性检验系数分别达到0.95和0.89,可用于该系统出水TN、TP预报,为系统在线控制提供指导。研究同时表明,RBF神经网络由于克服了误差反向传播(BP)网络收敛慢、局部极值等缺点,在水处理系统模拟及其反馈控制中,具有巨大的应用潜力。     

基于BP神经网络的VOCs实时源解析方法

为了提高挥发性有机物(VOCs)源解析的时效性,基于BP神经网络提出了对VOCs监测数据进行实时源解析的PBP模型。利用验证数据证实了PBP模型可获得与PMF模型准确性相当的源解析结果,并且PBP模型具有不受输入数据量限制且计算速度快的优点。将PBP模型应用于长三角某工业园区监测时长为10个月的VOCs组分在线数据并计算得到高时间分辨率的源解析结果,发现监测点位VOCs主要来源为工业源(25%)>燃煤源(20%)>汽油车尾气源(18%)>溶剂使用源(15%)>柴油车船舶尾气混合源(12%)>油品挥发源(6%)>植物源(5%)。此外,结合风速风向数据对各污染源主要贡献方位进行识别,为VOCs的精确管理和控制提供参考,且具有较大的源解析应用潜力。     

大气中SO2浓度的小波分析及神经网络预测

应用小波分解和重构对SO2浓度年变化趋势进行分析,在此基础上,建立了一种分段BP神经网络预测模型,并对各段有针对性地设计了神经网络预测模型.采用主成分分析进行输入变量降维.在BP网络训练过程中,往往会出现过拟合的现象,为此,在训练过程中,将样本等间距地分离为训练集和验证集来防止这个问题.为了消除网络的权值初始化对学习系统复杂性的影响,采用了5个子网络输出取算术平均的神经网络集成的方法.预测结果表明,该模型应用于SO2浓度预测具有较高的预测精度和良好的推广能力,而且明显优于一般的神经网络模型.     

基于神经网络的自然灾害灾情评估模型研究

灾情评估问题可以认为是一个模式识别问题。人工神经网络具有表达任意非线性映射的特性，从而在分类、学习和容错方面表现出较好的能力。本文探讨了用于灾情评估的人工神经网络模型，阐述了基本原理和算法，并结合实例说明了其应用     

利用人工神经网络预测芳香化合物的生物可降解性

本文采用简单的化学基团描述符来表征化学物质的结构,以底物的最大比去除速度表征生物可降解性的大小,运用自编的人工神经网络对芳香族化合物的生物可降解性进行了研究。试验过程中,按芳香族化合物最大比底物去除速度的大小将其生物可降解性分为四组：不降解,难降解,可降解,易降解。     

免疫进化算法和投影寻踪耦合的水资源需求预测

针对需水预测中的高维非线性和非正态问题,论文引入投影寻踪技术建立了需水预测模型,利用投影寻踪方法对多元数据进行分析,将高维自变量数据转变为低维数据,并结合免疫进化算法优化模型中的参数,计算简便,易于实现。模型在东莞市的应用实例表明：与神经网络模型相比,该模型取得了较高的预测精度,在需水预测中有较强适用性。     

城市污水量短时预测的混沌神经网络模型

通过分析进水水量时间序列的非线性动力学性质,认为该时间序列具有混沌特性.在此基础上,通过相空间重构的方法建立了用于城市污水水量短时预测的混沌神经网络模型;并利用此模型对污水厂的进水水量进行短时预测,取得了较为满意的预测效果.     

支持向量回归方法在震级预测中的应用

本文阐述了支持向量回归(SVR)理论及其特性,提出了基于SVR的次年最大震级的预测方法,并对所选样本进行训练和预测,结果与实际值符合较好,理论分析和实例结果验证了基于SVR的震级预测方法比BP神经网络具有更高的预测精度和可靠性.     

一种基于卷积神经网络的源解析因子识别方法

为解决源解析因子识别过程中人为参与及判定过程复杂的问题,提高源解析因子识别工作的效率,提出基于卷积神经网络(CNN)的源解析因子识别方法.通过文献调研,构造可供CNN模型训练的因子识别数据集,对因子识别模型进行训练与调试,并以北京市南部采样点的PM_2.5组分观测数据对模型进行验证.同时,利用正定矩阵分解模型(PMF)解析得到不同因子数时的源谱矩阵,输入因子识别模型并与人工分析比对.结果表明,9个因子时模型的识别效果最佳,可以实现既无重复识别又无“无法判定”的情况,与源解析因子人工识别结果吻合,证明了所提出方法的合理性与可行性.该方法不仅对源解析中因子识别问题具有一定的实用价值,同时对减排策略的制定与动态调整也具有积极意义.