应用BP神经网络预测城市需水量的探析

在对辽宁省营口市城市需水量预测中，采用BP人工神经网络方法对该市人均综合用水量进行预测。进而预测出城市需水量，取得了满意效果。从精度检验、数据类比和趋势分析等角度，论证了此种预测方法的可行性和有效性。     

机动车闯红灯判别模型及评价研究

为了提高机动车闯红灯警示系统判别准确率,提出适用于该系统的机动车闯红灯判别模型并进行评价。首先综述闯红灯警示系统的产生与发展现状,根据系统服务需求与工作流程,提出使用Logistic回归与神经网络方法建立判别模型预测机动车停止-通过行为,通过城市交通实测数据对模型进行评价。数据采集自上海城市道路交叉口进口道,通过Autoscope视频检测系统提取机动车运行数据。评价结果表明,Logistic回归与神经网络模型正确判别率均达到90%以上,神经网络具有更好的判别准确率。相对于速度,当前检测地点与上游地点30 m处车速差或速度比更宜作为模型中的判别参数。     

径向基函数网络在水环境质量评价分区中的应用

为探讨水环境质量综合评价的客观方法 ,以江西抚州地下潜水水质资料为例 ,建立了该区地下潜水水环境质量综合评价的RBF ANN网络模型。通过与其它方法对比 ,结果表明 ,利用用RBF ANN方法进行水环境质量评价不仅方法简便 ,而且结论更接近客观实际     

多氯酚定量构效关系人工神经网络信息流分析

针对目前有机污染物定量构效关系(QSAR)人工神经网络(ANN)模型构建中存在的问题,在多氯酚QSAR-ANN模型数据研究基础上,提出了人工神经网络信息流分析方法.通过比较多氯酚定量构效关系人工神经网络模型中的连接权值与阈值,绘制人工神经网络模型信息流流向分布图,可直观地显示网络内部信息的传播途径,找出影响输出层信息的隐含层的主要节点,进而由隐含层主要节点确定输入层主要节点,达到对人工神经网络模型输入节点的筛选.     

土地生态系统脆弱性时空演化特征及影响因素——以黄河三角洲高效生态经济区为例

基于BP人工神经网络模型,对黄河三角洲高效生态经济区土地生态系统脆弱性进行综合评价和时空演化分析,并借助灰色关联度模型探究其影响因素.结果表明：研究区土地生态系统脆弱性从2005年的1.244降低至2016年的1.113,脆弱性逐步改善;脆弱性由西到东、由内陆到沿海逐渐加剧,并表现出脆弱性平稳型和脆弱性渐低型2个演化特征;地均工业废水排放量、盐碱荒地面积比重、土地利用程度、建成区绿化覆盖率、节能环保支出占财政支出的比重是系统脆弱性的主要影响因素.因此,降低土地生态系统脆弱性的政策着力点应该集中在生态修复、优化土地利用结构和节能减排等方面.     

RBF神经网络在土壤重金属污染评价中的应用

运用MATLAB软件的K均值聚类算法结合神经网络工具箱,通过建立RBF神经网络对郑汴路圃田—杏花营段路旁土壤进行了评价。结果表明,土壤重金属积累峰值污染峰值多出现在距路基50m范围以内,并随着距路基距离的增加,污染程度逐渐下降。风力因素和邻近铁路对路段两侧土壤重金属污染影响较大,且公路运营时间越早,对两侧土壤污染越严重。杏花营断面土壤质量以Ⅱ级为主,北侧断面土壤质量多为Ⅲ级。圃田断面各样点综合评价结果均为Ⅱ级,整体质量优于杏花营断面。RBF神经网络评价方法具有计算速度快,评价结果客观等优点。     

前馈神经网络在环境评价和预测中的应用进展

本文针对水环境中复杂的不确定性及非线性关系,在水环境不确定性分析的基础上,详细阐述了以BP网络和RBF网络为代表的前馈神经网络法的基本原理,分析了两种方法的优点。同时,本文对两种方法在水环境影响评价工作中的应用现状进行总结,分析了两种方法的研究发展趋势。     

基于人工神经网络的突发环境事故应急系统

突发环境事故现场具有形势紧迫、信息获取困难等特点,引入人工神经网络技术(Artificial Neural Networks,ANN)设计开发的突发环境事故应急决策支持系统(ANN-EEDSS),能够完成现场应急指挥调度的定量化决策支持。关键技术包括突发环境事故神经网络构建方法,事故信息与应急措施的数字化方法,决策信息的翻译表示,事故影响因素的权重分析。最后阐述了系统现场运行和工作的流程。     

载甲苯活性炭微波解吸过程人工神经网络模拟

采用人工神经网络对微波解吸过程进行了模拟研究.采用解吸温度、栽气线速、活性炭床层厚度、活性炭对甲苯的吸附量、解吸时间5个因子作为神经网络的输入变量,解吸浓度为输出变量.网络创建后采用已有的实验数据对网络进行训练,经124步收敛后网络达到指定精度.采用实测数据对网络的预测精度进行检验后表明:人工神经网络对载甲苯活性炭的解吸过程能够较精确的进行模拟,多数预测数据的误差范围在±5％之内.     

面向场景的城市PM2.5浓度空间分布精细模拟

针对传统PM_2.5浓度空间分布模拟方法忽略了城市内部如道路、工厂、居民区、景区等不同微环境整体对PM_2.5浓度影响机制的缺陷,本研究提出一种微环境PM_2.5浓度场景分异的理论假设,并以湖南长沙主城区为例,结合基于污染先验知识划分的城市微环境场景空间分布与自主设计加密观测场获取的203个监测点小时PM_2.5浓度加密数据,分析城市微环境PM_2.5浓度场景时空分异特征.在此基础上,耦合地理加权回归（GWR）与人工神经网络（ANN）方法,构建微环境场景增强下的PM_2.5浓度空间分布精细模拟GWR-ANN模型,开展城市内部高空间分辨率PM_2.5污染制图.结果表明：不同微环境场景间PM_2.5浓度存在显著时空差异,地表覆盖类型相同但分别位于2个不同场景的监测点间PM_2.5浓度差会随时间发生变化;耦合微环境场景变量的GWR-ANN模型能够有效精细模拟PM_2.5浓度的空间分布,模型拟合效果与交叉检验精度指标整体优于无场景变量参与的GWR-ANN模型（除部分时相较为接近外,检验R²：0.76~0.84vs.0.57~0.81）;场景增强下的PM_2.5浓度空间分布100m级分辨率模拟估算结果可以较好揭示研究区PM_2.5浓度高低值局地变化特征.