基于地理分区及神经网络的湖泊水库富营养化研究

构建了一个基于地理分区及神经网络的湖泊水库富营养化综合评价体系.以美国环境保护署Nutrient Criteria Database数据库为参照对象,有针对性地研究我国湖泊水库的情况,首次提出了基于地理分区的简易评价标准,对不同地理特征的水体富营养化临界值进行了定量研究.同时本研究还建立了基于神经网络的富营养化评价模型...     

SVM与ANN在湖泊富营养化评价中的对比研究

支持向量机是由Vapnik等提出的建立在统计学习理论基础上的一种新的机器学习方法,由于其使用结构风险最小化原则代替经验风险最小化原则,又由于其应用了核函数思想,它可以较好地解决非线性问题;人工神经网络(ANN)已经较成功解决模式识别和任意非线性函数回归问题,但是存在训练样本不足,并可能出现过拟合现象。SVM的结构风险最小化算法引起了科学界的关注,对传统基于经验风险最小化的神经网络算法提出了挑战,文章介绍了SVM和ANN的基本原理,并对二者在巢湖富营养化水平评价上做对比研究,结果表明,ANN比较容易陷入局部最优,支持向量机评价结果更加符合实际。     

基于LM-BP神经网络的Argo数据西北太平洋海水温度模型

以2007年西北太平洋海域Argo海表面温度、经纬度、深度为输入参数,利用LM-BP神经网络,构建了西北太平洋海水温度模型。将均方根差以及Pearson相关性系数作为检验指标,利用2008年和2009年的Argo数据对模型进行了检验。检验结果为:2008年均方根误差为0.714 0℃,Pearson相关性系数为0.996 8;2009年均方根误差为0.761 5℃,Pearson相关性系数为0.9965。表明所建立的基于LM-BP神经网络的Argo数据西北太平洋海水温度模型是可行的。     

网络环境下图书馆防灾减灾问题的探讨

网络环境下图书馆防灾减灾问题是必须引起人们足够重视的问题。通过对引起图书馆网络灾害的各种因素进行分析,从制度建设、网络业务人员的培训、制定应急预案、加大网络安全建设的投入、加强网络的软硬件管理和创建异地容灾系统等方面进行了网络环境下图书馆防灾减灾问题的探讨。     

广州市环境监测网络建设现状及优化整合探讨

本文在分析了广州市(区)县级环境监测网络建设现状的基础上,提出了对广州市环境监测网络实行优化整合的办法,以适应环境管理和社会经济的发展需要.     

基于BP神经网络的导弹环境适应性评估及对策

论述了转型期海军战术导弹开展环境适应性研究的必要性和紧迫性,分析了环境因素的影响。选取典型型号的海军战术导弹为研究对象,给出了8种严重影响导弹的环境适应性因子。结合BP神经网络算法建立了环境适应性模型,并对环境适应性水平进行了仿真评估分析。仿真结果表明,该模型具有良好的评估效用。根据仿真结果,针对不同时期的导弹提出了相应的环境适应性对策。     

虚拟水研究与应用进展

虚拟水是解决水资源短缺和粮食安全问题的新途径,是目前国际新兴的研究热点。文中系统地阐述了虚拟水的概念和内涵,归纳总结了关于产品的虚拟水含量的计算方法,包括基于不同产品类型区别计算的方法和产品生产树的方法。并且介绍了虚拟水的应用情况,还对今后的研究方向进行了探讨。     

地震勘探无线传感器网络节点定位方法及其动画仿真

为解决地震勘探无线传感网络节点数量大、定位的网络开销大的问题,本文提出了一种针对地震勘探传感器网络节点定位的方法,使得地震勘探传感器网络节点的定位过程充分依赖检波器的空间分布和相对位置一定这一特点大大简化。作者还利用MATLAB的GUI程序设计实现了该方法的可视化参数可调的动画仿真。通过该仿真论证了该定位方法的可行性。     

OPAQ系统两种模式对O 3预报准确率的探讨

以江苏省宿迁环境监测中心OPAQ系统为例,基于人工神经网络算法的OPAQ空气质量预报系统的2种模式对O 3预报准确率的进行了分析,结果表明,趋势最优模式(RMSE模式)对预报当天及未来3 d的预报值与监测值的相关性系数均>0.78,相对误差在25%以下,在预测当天及未来24、48及72 h优-良天的预测准确率较高,分别为88.8%、87.2%、86.3%及84.7%,在预测轻度污染-重度污染的准确率较低;极值最优模式(SI模式)对预报当天及未来3 d的预报值与监测值的相关性系数(R)均>0.76,相对误差<32%,预测未来24和48 h的轻度污染-中度污染的级别准确率>60%。OPAQ系统的极值最优模式(SI模式)更适合作为夏季ρ(O 3)较高时的预测工具。     

基于BP神经网络的Falcon分选电子废弃物预测模型

Falcon分选电子废弃物的影响因素主要有水压、转动频率、入料浓度,为了进一步研究影响因素与分选效果的关系,文章利用Design-Expert 7.1软件设计出三因素三水平的实验条件,利用Falcon分选得出数据。将实验数据和BP神经网络相结合,将影响因素作为神经网络的输入,品位和产率作为输出,经过BP训练后得到输入与输出的关系。对实验影响因素与分选效果的关系进行分析,结果与实际情况比较吻合。运用MATLAB实现BP神经网络仿真,仿真结果与最小二乘法下的结果相比较误差较小,输出向量与实际实验结果接近。