模糊神经网络模型在拟建项目环境质量评价中的应用

由于评价因子与环境质量标准之间的模糊关系,导致传统的评价模型结果的不确定性。本文将模糊理论和神经网络模型相结合,利用模糊理论的隶属度反映各因子的质量相对状态,从而更精确地识别模糊性。通过模糊神经网络模型对环境质量标准样本的学习和测试,得出评价等级,并与模糊综合评价方法进行对比,实验结果表明,模糊神经网络模型用于环境质量评价是可行的,且比模糊综合评价方法更为客观、合理。     

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...     

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。     

基于遗传算法的人工神经网络在降水酸度预测中的应用

在误差反向传播(Back Propagation)算法的人工神经网络结构模型的基础上，应用遗传算法训练神经网络权重，实现网络结构的优化。用优化后的BP人工神经网络建立了江西省南昌市的降水酸度预测模型。并将该模型预测结果与BP算法和多元线性回归法的预测结果进行了比较。检验结果表明：基于遗传算法的人工神经网络优于BP算法及多元线性回归法，具有良好的预测效果。     

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。     

BP网络框架下MODIS气溶胶光学厚度产品估算中国东部PM2.5

近年来随着中国经济的快速发展,中国区域的大气污染情况日趋严重,大气污染监测与治理已刻不容缓.由于卫星遥感具有较广的空间覆盖、成本低等优点,卫星遥感反演气溶胶光学厚度(AOD)产品被普遍认为是地面PM2.5浓度的重要指标,且已被广泛地应用于地面PM2.5遥感监测.利用2007～2008年的MODIS/Terra气溶胶光学厚度产品,考虑中国东部地区5个大气成分站点风速、风向、温度、湿度和边界层高度等气象数据,构建后向(BP)神经网络,提出了基于MODIS AOD产品估算PM2.5的模型.利用5个大气成分站点PM2.5观测数据对模型进行散点拟合和时间序列拟合验证,结果表明:①从PM2.5观测值与估算值的散点回归分析来看,PM2.5估算值与观测值相关系数最好的为庐山站(R=0.6),其它4个站次之,但其相关系数均在0.4(中强相关)以上;②从PM2.5观测值与估算值的时间序列比对分析来看,PM2.5估算值和观测值差值随时间变化而变化,且存在明显的日际振荡现象,但经相邻5 d滑动平均处理,5个站点的PM2.5估算值与观测值相关系数得到普遍提升,滑动后的相关系数RMA均在0.7以上(除郑州外),庐山RMA达到0.83.结果表明在BP网络框架下,基于MODIS AOD产品估算PM2.5的模型能较好地应用于PM2.5监测.     

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.     

基于气象相似准则的城市空气质量预报模型

为提高城市空气质量预报准确率,文章在传统BP神经网络的基础上提出了基于气象相似准则的样本优化方法,建立了三层样本筛选优化机制,确定了阀值及权重矩阵,从而建立了城市空气质量动态预报模型。将模型应用在广州8个空气质量监测站点的预报上,并与传统的BP神经网络空气质量预报模型进行了对比分析,效果良好。分析结果表明,广州8个空气质量监测站点的SO2、NO2、PM10/2.5的实测值与预报值的平均绝对误差分别为0.016 mg/m3、0.014 mg/m3、0.020 mg/m3,级别预报准确性评分分别为89.6、92.6和84.6,预报准确度综合评分达81.6,并且比传统神经网络模型具有更高的预报精度。     

强化生物除磷过程中污泥胞内糖原的红外光谱分析

采用傅里叶中红外光谱对强化生物除磷过程中污泥胞内糖原物质进行了表征,并将污泥样品与糖原标样的红外光谱进行对比,确认糖原物质在1020 cm-1峰附近有较明显的特征吸收贡献.因此,采用红外光谱945~1150 cm-1区域内的吸收光谱数据,结合测得胞内糖原的含量,应用偏最小二乘法和BP神经网络算法分别建立了污泥红外光谱与糖原含量的定量分析模型.结果显示,偏最小二乘法得到的测量值与预测值具有较小的平均绝对误差(MAE),其相关系数达到0.921.     

宁夏腾格里湖水环境因子时空异质性及水环境质量评价

为探明宁夏中卫市腾格里湖水质状况,分别于2013—2015年春(4月)、夏(7月)、秋(10月)、冬(1月)采集水样,在水环境因子时空分布特征调查分析的基础上,运用灰色关联法、BP神经网络法对腾格里湖水质进行评价,运用综合营养状态指数法进行富营养化评价。结果表明:腾格里湖水体呈现一定程度的污染,富营养化状态较为严重、季节变化明显,氮磷营养盐超标是造成腾格里湖水体污染和富营养化的主要原因。