基于神经网络的红树林景观特性遥感提取技术研究

利用神经网络法对广西山口红树林保护区2003年1月8日获取的Landsat TM 卫星图像进行分类.Landsat TM5卫星数据的3、4、5假彩色合成图像空间分辨率比较好,影像层次丰富,地物界限清晰.因此,采用3、4、5波段作为输入层.经过目视判读和现场调查,将输出层单元设置为5个,包括是红树林、陆地植被、裸地(其他建筑用地)、水体和虾池.经过流程实际运算和精度对比,设定训练阈值的贡献是0.9,训练率是0.2,训练次数是1000,最大个体允许误差为0.1.分类精度达到86.86%,高于最大似然分类(50.79%)和光谱角分类精度(75.39%),从而最终获取红树林生态系统的景观格局指标.结果显示研究区红树林均匀度(1.7789)和聚集度指数(0.6854)较高;红树林种类的优势度指数是-1.5850,为弱势群体;红树林的斑块破碎化指数是0.0325,破碎化程度较低.     

模糊神经网络方法在船舶油污事故损害赔偿评估中的应用研究

针对船舶油污事故损害赔偿评估非线性系统的复杂性，分析了人工神经网络技术在该领域应用的可能性，并以20个国际油污基金公约所承认著名赔偿案例为例建立船舶油污事故的神经网络评估模型，该模型对中国船舶油污事故损害赔偿评估具有一定的参考实用价值，为中国船舶油污事故损害赔偿评估提供了一种新颖而方便的计算方法。     

大气环境质量综合评价的B—P网络模型

选取大气环境质量的三级标准作为３个学习样本，以ＳＯ２，ＮＯｘ和ＴＳＰ三种污染物的三级标准浓度限值作为样本的输入特征值，建立了三参数的Ｂ－Ｐ网络大气质量综合评价模型，用该模型对３１个测点的大气环境质量进行评价，并与模糊数学和灰色系统法的评价结果比较，表明Ｂ－Ｐ网络用于大气环境质量评价具有优越性。     

采用BP神经网络模型预测油田废水混凝处理效果

采用均匀设计方法选择神经网络的训练样本，并建立了基于BP人工神经网络的油田废水混凝处理系统的数学模型。利用该模型对实验数据进行预测，结果表明模型的预测值与实测值的平均绝对误差仅为0．74％。可见这种方法预测精度高，具有一定的实际应用价值。     

神经网络模型在辽河水质量评价中的应用

为准确的反映辽河水质量状况和发展趋势，在对辽河水质监测采样和实验分析的基础上，建立了水质评价的BP神经网络模型，应用该模型对辽河的水质现状进行了质量综合评价，4个监测断面的评价结果均在4～4．5之间，水污染情况较为严重。该评价结果与监测断面污染项目的超标情况分析的结论吻合，评价效果较好。     

有机化合物厌氧生物降解性的测定和预测

测定有机物厌氧生物降解性的方法包括非特性参数和特性参数测定法。本文着重介绍有机物厌氧生物降解性的筛选测定法，以基团贡献法为基础，不外加其它理化参数的有机物结构与生物降解性关系的预测已经由简单的线性模型发展至专家系统和人工神经网络模型，并显示出极好的应用前景。     

基于神经网络的活性污泥系统建模及其控制

针对松江污水厂污水处理活性污泥系统,采用神经网络技术进行建模试验研究,在对实际运行数据剔除异常数据后,将样本数据随机分成训练样本、检验样本和测试样本.用试凑法确定合理的神经网络隐层节点数,用检验样本实时监控训练过程从而避免"过训练"现象,用多次改变网络初始连接权值求得全局极小点,从而建立了泛化能力较好的基于神经网络的活性污泥系统数学模型.利用建立的神经网络模型,对活性污泥系统运行情况的仿真与控制进行了分析研究.示例研究表明:神经网络技术能较好地应用于活性污泥系统的建模与控制,有很好的理论与实践意义.     

基于奇异谱分析—遗传算法反向传播神经网络模型的湘江新港断面水质预测

运用奇异谱分析(SSA)对湘江新港断面557周的pH、DO、高锰酸盐指数和氨氮数据进行了预处理,再运用遗传算法优化反向传播神经网络模型进行拟合与预测。结果表明:SSA有较好的降噪能力,遗传算法反向传播(GABP)神经网络模型相比BP神经网络模型均方根误差(RMSE)平均缩小了6.96%,具有良好的预测精度;预测期内新港断面的pH、DO、高锰酸盐指数、氨氮均能满足《地表水环境质量标准》(GB 3838—2002)Ⅲ类标准,但氨氮在预测期内呈上升趋势,需警惕氨氮浓度过高引发的水污染问题。     

环境专家系统

本文介绍了国内外环境专家系统的发展状况。环境专家系统成功的应用表明环境专家系统是解决环境问题的一个有力工具，环境专家系统将越来越广泛地应用于环境科学中，环境专家系统与决策支持系统相结合以及将神经网络技术应用于环境专家系统中，是环境专家系统的发展方向，文中还介绍了我们正在研究的大气污染总量控制规划专家系统。     

煤尘润湿接触角的BP神经网络估算方法研究

通过采集和测定35个矿区煤样品的化学组成、结构参数和润湿接触角,构建了以13个影响因子为输入参数和以接触角为输出目标的3层BP人工神经网络,并利用该模型估算煤尘润湿接触角。结果表明,隐含层节点数为19时,接触角估算值与实测值的决定系数R2=0.957,平均相对误差为4.59%,表明基于BP神经网络建立的煤尘润湿接触角估算模型具有很高的精度。