基于小波神经网络的芦苇潜流人工湿地水质预测

人工湿地系统对污水的处理效果好,工艺简单,投资运行费用低,但影响其出水水质的因素很多,并且往往是非线性的,因此目前很难将这些影响因素模型化并用于水质预测. 已有的预测方法不是过于复杂就是预测精度不高. 神经网络是一种具有较强预测能力的新方法,适用于各种非线性模型的预测. 在小试研究的基础上,使用3种不同的、经过训练的小波神经网络,对芦苇潜流人工湿地沿程各采样口的水温,ρ(DO),pH,Eh和ρ(COD_Cr)等水质指标进行了预测. 结果显示,各指标的平均相对误差分别为:水温≤4.21%,pH≤1.36%,ρ(DO)≤9.77%,Eh≤6.50%,ρ(COD_Cr)≤17.76%,表明小波神经网络模型适用于人工湿地模型的预测.      

二叉树创建算法的研究

通过对二叉树四种遍历方法的分析,给出四种建立二叉树的通用算法,以及对这些算法效率的初步分析．解决了二叉树在实际应用中创建的问题,同时,给出的算法对一些高级树型数据结构的研究也具有一定参考价值．参4．     

环氧化合物分子结构与致变活性的关系

由化学物质毒性效应登录(RTECS)1998年光盘系统检索获得86种环氧化合物对鼠沙门氏菌致变活性数据.应用主成分分析法从11种分子描述符中选择出5种对致变活性有明显影响的描述符:碳原子数,苯环数,氢原子数,烷基数和氧原子数.通过样本学习集训练并优化神经网络结构,建模分类预报:对于86个样本,低和高2类活性,正确分类率达到92%.结果表明:3～4个骈接苯环的环氧化物的特殊结构具有很强的致变活性.     

基于神经网络的火灾探测系统

本文提出了一种基于神经网络的火灾探测方法,其对火灾的各种状态进行了识别,提高了早期发现火灾的能力,实验结果表明,该方法在火灾自动探测中是一种十分有效的方法。     

氯代芳香族化合物结构-电化学还原电位定量关系的贝叶斯规整化BP神经网络模型

将贝叶斯规整化误差反向传播神经网络(BRBPNN)应用于环境领域的 QSPR模型.采用ChemOffice2004内置的MOPAC 2000计算了6种量子化学参数(分子最高占据能EHOMO、分子最低占据能ELUMO、分子生成热HF、分子偶极矩DIP、分子的电子能量EE和分子的核核排斥能CCR)以及氯原子数(Cl)和分子量(MW),建立了87种氯代芳香族化合物结构与电化学还原电位定量关系的BRBPNN模型.最优网络模型结构为6-20-1,其电化学还原电位的拟合及预测能力明显优于逐步线性回归模型,其训练集和预测集的相关系数平方和均方根误差(MSE)分别达到0.999和0.000105,0.965和 0.00159.最优模型输入节点到隐含层权重平方和的分布规律揭示出各种描述符对还原电位的影响大小依次为: E_LUMO>E_HOMO>HF>CCR>EE>DIP.由散点图揭示出影响为正有EE;影响为负有E_LUMO,HF,DIP;影响无明显正负性的有E_LUMO,CCR.结果表明,贝叶斯规整化大大方便了网络规整化参数选择,保证了网络的优良概括能力和稳健性.本研究对氯代芳香族化合物采用电化学处理的适用性以及分析相应电化学降解机理提供了依据.     

人工神经网络在预测深基坑周边地表沉降变形中的应用研究

深基坑开挖引起的周边地表变形预测是一个复杂非线性问题,引起地表沉降的影响因素很多,各因素之间呈高度的非线性关系。传统的基坑用边地表沉降变形预测方法存在着一定的局限性,其预测精度有待提高,而人工神经网络是一种多元非线性动力学系统,可以灵活方便地对多成因的复杂未知系统进行高度建模,实现全面考虑各种主要影响因素的深基坑周边地表沉降变形预测。本文介绍了误差反向传播(BP)网络模型的结构、学习过程及其算法的改进,径向基函数(RBF)网络模型的结构及其学习过程;分析了影响深基坑开挖周边土体沉降变形的主要影响因素;以25个基坑工程的地表沉降实测资料为训练样本,建立了11个输入影响因素的BP神经网络模型和RBF神经网络模型,通过对样本的学习训练过程及对5个检验样本的预测精度,说明了人工神经网络用于预测基坑周边地表沉降的可行性和准确性。     

活性污泥系统动力学模拟方法的综合分析

活性污泥法的应用现状和污水中氮磷排放标准的日益严格，使得传统数学模型已满足不了目前的要求，需要对活性污泥系统复杂的动力学规律进行有效模拟。文章在综合分析活性污泥动态模型国内外研究现状的基础上，介绍了3种占主流地位的模型：活性污泥数学模型、神经网络模型和混合模型。这3种模型在污水处理的设计、运行控制和工艺优化等方面各有其独到之处。     

基于BP神经网络的三峡库区土壤侵蚀强度模拟

降雨侵蚀力变化是一复杂过程,其变化存在一定的随机波动性,土壤侵蚀是三峡库区生态环境脆弱最主要的影响因素之一,查明库区土壤侵蚀强度的演化过程及未来趋势是库区生态文明建设过程中急需解决的关键科学问题。论文基于三峡库区1990年侵蚀降雨特征,利用BP神经网络对2010年75个站点降雨侵蚀力进行模拟、验证,预测2030年75个站点降雨侵蚀力。选取2030年预测结果中位于库区周围的27个站点,结合2030年库区自然增长、生态保护情景下土地利用模拟数据,使用RUSLE计算2030年土壤侵蚀强度。结果表明：1）2010年库区降雨侵蚀力模拟相对误差为15%,测试样本数据相对误差为14.67%,预测相对误差为19.65%,NE系数为0.85,说明BP神经网络对库区降雨侵蚀力具有良好模拟效果;2）2010年库区土壤侵蚀强度的Kappa指数为0.75,计算结果能满足模拟与预测需求;3）在土地利用不变情况下,2030年库区轻度、中度侵蚀面积均有所增加,微度及强烈以上侵蚀面积均呈减少趋势,且侵蚀强度转变中的58%来源于相邻侵蚀强度,跨侵蚀等级区的较少;4）在降雨侵蚀力不变情况下,自然增长、生态保护情景下未来土地利用变化所导致的土壤侵蚀均呈下降趋势,后者下降的趋势更为明显;5）在降雨侵蚀力及土地利用均变化的情况下,自然增长、生态保护情景下土壤侵蚀均呈下降趋势。     

基于BP神经网络的北京城区公园土壤PAHs含量预测

城市公园是城市生态环境的重要组成部分,其环境质量与人类健康息息相关.选择北京市121个城区公园,采集公园土壤样品并分析其中7种多环芳烃（PAHs）含量,评价城区公园土壤中PAHs的含量水平,并基于BP神经网络预测了2020年和2023年土壤PAHs含量.结果表明:北京城区公园土壤中w（PAHs）（7种PAHs总含量）范围为0.033~4.182 mg/kg,低于GB 36600—2018《土壤环境质量建设用地土壤污染风险管控标准（试行）》土壤污染风险筛选值,且7种PAHs的毒性当量浓度（TEQ）均低于世界卫生组织标准值（1 mg/kg）,对人体健康的毒性风险较小.将14个影响指标（8个社会经济因子与6个公园特征因子）作为输入层、土壤w（PAHs）作为输出层,建立BP神经网络的拟合优度达0.845.预测结果显示,2020年和2023年北京城区公园土壤中w（PAHs）范围分别为0.008~0.969 mg/kg和0.022~1.988 mg/kg,整体均低于GB 36600—2018土壤污染风险筛选值,但随时间推移呈上升趋势,尤其朝阳区和海淀区将有大幅增长.研究显示:城市化发展因素对土壤w（PAHs）的增加有明显影响,城市发展进程影响不容忽视;至2023年,北京城区公园土壤若不加管理,其w（PAHs）将持续增长.      

基于Sentinel-2的平寨水库叶绿素a浓度反演

为实现对平寨水库叶绿素a的遥感监测,选取平寨水库2017年11月17—18日的实测叶绿素a浓度数据和准同步的Sentinel-2数据,通过选取最佳波段组合建立BP神经网络模型,对平寨水库叶绿素a进行反演,并分析其空间分布特征。结果表明:Sentinel-2红边波段对叶绿素a的敏感性优于可见光波段,在叶绿素a浓度反演方面具有较大潜力。相关系数最大的波段组合方式是:B5/B4、[1/B4-1/B5]*B6、[1/B4-1/B5]*B7和[1/B4-1/B5]*B8;BP神经网络模型可决系数R2为0.9160,平均相对误差为29.87%,反演精度优于三波段模型;平寨水库叶绿素a浓度空间分布差异明显,水面开阔的中心库区浓度较高,各支流上游河段浓度较低。Sentinel-2数据可较好地应用于喀斯特高原湖泊叶绿素a浓度反演,BP神经网络模型估测结果合理、可靠;研究结果可为平寨水库水环境治理提供科学依据。