BP人工神经网络对长春市土壤质量评价

本文针对城市土壤重金属污染问题,以长春市为例运用人工神经网络理论及方法,建立土壤环境质量评价的BP人工神经网络模型,通过实例分析,并将评价结果与模糊综合评判结果进行了比较,说明运用该模型评价土壤环境质量不但能使评价结果精度大大提高,而且是切实可行的。     

BP人工神经网络模型在西鞍山铁矿地下水水质评价中的应用

以西鞍山铁矿为例,采用BP人工神经网络模型对区内12个监测点的水质进行评价。以枯水期水质监测的主成分总硬度、溶解性总固体、硫酸盐、氯化物、铁和锰、硝酸盐、氟化物指标作为评价因子,建立地下水评价指标体系,并将评价结果与模糊综合评价法及综合质量评价法的评价结果比较。结果表明,8、9、10、11号监测点属于Ⅰ类水,1、2、3、4、6、7、12号监测点属于Ⅱ类水,5号监测点属于Ⅲ类水,西鞍山铁矿的开采未对地下水造成影响;该方法与模糊综合评价法及综合质量评价法的评价结果基本一致,可以客观、合理性地评价水质。     

基于RBF网络模型的混凝投药智能决策支持系统

介绍了基于径向基函数网络模型的混凝投药智能决策支持系统的机构、功能及其核心系统:径向基函数网络模型子系统和专家子系统的原理和实现方法.在实际水厂中的运行结果表明:与传统的SCD系统相比,该智能决策支持系统能实时确定混凝剂投加量,且沉淀池出水水质较好.     

建设项目安全管理的智能化技术研究

明确建设项目安全管理的意义;简述建设项目安全管理技术的国内外研究现状;指出当前的建设项目安全管理研究存在的主要不足;提出笔者研究的思路和研究的主要内容;收集详细的施工现场资料,参考相关历史文献资料,提取可能引起安全事故的原始不确定风险因素,建立安全管理风险评价指标体系;并利用人工神经网络(ANN)强大的非线性函数逼近能力,将BP神经网络引入建设项目风险控制,构建基于BP神经网络的建设项目安全控制系统,从而实现建设项目安全管理的智能化。通过工程实例验证:该方法具有可行性和有效性,为实现建设项目安全管理目标及工期、成本、质量目标打下坚实的基础。     

基于BP和RBF神经网络的外加碳源量模型研究

碳源作为反硝化过程的电子供体,是影响生物脱氮过程的重要因素,低碳氮比污水需外加碳源以保证反硝化反应的顺利进行。为了优化控制碳源投加量,对实验室搭建的CAST工艺污水处理装置的进水条件和外加碳源量的非线性关系分别进行了基于BP和RBF神经网络的模型研究,并对外加碳源量进行了预测。结果表明,两种网络模型均能有效预测外加碳源量,RBF神经网络模型在训练速度和逼近能力方面优于BP神经网络模型,但在预测性能方面BP神经网络模型则有更高的预测精度。     

基于人工神经网络和遗传算法研究锰过氧化酶脱色甲基橙

基于锰过氧化物酶(MnP)氧化脱色偶氮类染料的原理,实验研究MnP对甲基橙的脱色工艺,采用人工神经网络(ANN)和遗传算法(GA)建立脱色模型并优化工艺。建立的ANN模型的误差、相关系数、均方根误差和绝对平均偏差分别为0.0009、0.9971、1.21和6.82,模型有效且能够用于预测和工艺优化。采用GA对ANN模型进行数值寻优,得到的最佳工艺条件为酶液量0.6 mL,Mn2+浓度4 mmol/L,H2O2浓度0.49 mmol/L。该条件下脱色率达到(90.74±0.59)%。ANN耦合GA有效地建立了锰过氧化物酶脱色甲基橙的模型,并优化了工艺参数,为甲基橙脱色的研究提供一定参考。     

人工神经网络在安全科学中的应用综述

人工神经网络(ANN)是一种动态信息处理系统,它具有联想记忆、自组织、自适应、自学习和容错性等特性.人工神经网络可实现对危险源的动态分级;可解决安全综合评价中的不确定性、模糊性和动态复杂性、指标多、数据多等难题;在安全预测方面,可进行煤与瓦斯突出预测、煤矿瓦斯涌出量预测、煤层自燃预测、交通事故预测等.讨论了其在安全科学中的应用现状及存在问题,并对未来研究方向进行了展望.     

RBF网络在土地资源评价中的应用

以农地分级标准作为基础样本,构建了径向基网络模型,并利用该网络进行了实际评价。结果表明：RBF网络计算精度高,简便有效,可操作性强,具有极快的收敛速度和分类能力,与其它方法比较,不需要烦琐的计算过程,节约了大量计算时间,并且RBF网络具有良好的泛化能力,适用性广,在土地资源评价中具有良好的应用前景。     

神经网络在空气污染预报中的应用研究

空气污染预报是一项复杂的系统工程,是当今环境科学研究的热点,国内外已有将神经网络法应用于大气污染预报的研究。本论文以PM2．5为例,采用伦敦市PM2．5的小时平均浓度数据,使用传统的BP神经网络建立预报模型,定量预测伦敦市PM2.5的小时平均浓度,探讨了大气污染预报网络的建模过程中,扩大样本集、去除样本集数据噪声和在输入向量中加入气象变量等因素对建模所产生的影响。最后得出结论,适当的选择样本集、气象变量,有利于提高所建立网络模型的预测精度。     

基于人工神经网络的森林资源管理模型研究

介绍了人工神经网络方法，建立了森林资源管理的三层前馈反向传播神经网络模型，并与Ｌｏｇｉｓｔｉｃ函数进行了比较。仿真结果表明，人工神经网络模型优于Ｌｏｇｉｓｔｉｃ模型，可应用于森林资源动态模拟。