基于BP人工神经网络的长江口外海生态综合评价及其成因分析

以长江口外海域为研究区域,基于2008年秋季该海域2个峰面断面的海洋环境调查走航数据,以海水水质指标、浮游植物多样性指数及叶绿素a浓度为评价指标,运用BP人工神经网络的方法评价该海域生态环境质量状况,结合该海区的地形及水动力情况分析,结果表明:2008年秋季长江口外海域生态状况总体处于亚健康状态;31°N断面受长江冲淡水影响,生态状况近海劣于远海,但20号站位逆趋势好转,据监测,夏季其附近海域为赤潮高发区;30°N断面近岸受浙江沿岸上升流影响,生态状况好于31°N,但5号站位逆趋势恶化;5号和20号站位反映了上升流与长江口冲淡水的交汇区域的生态状况。BP人工神经网络用于生态环境评价,具有一定的客观性和通用性。     

基于ANN的土壤重金属分布和污染评价研究

农田土壤重金属污染与备受关注的农产品安全问题有密切联系,因此对其进行研究意义重大。以江苏省南通市为研究区,利用采样点实测数据,借助神经网络模型(ANN)并结合3S技术对问题进行研究,从而对土壤重金属的空间动态分布进行描述,并对各个空间位点重金属的污染状况进行评价。结果表明,神经网络模型能够智能地学习各个样点的空间位置与该点各重金属含量之间的映射关系和预先设计好的分类评价模式,并能够稳健地对各个空间插值点处的重金属含量和各个位点的重金属污染状况进行预测和评价。结论显示,南通市大部分农田土壤重金属污染较轻,但也存在局部地区的严重污染。结论与实际情况相符,表明神经网络模型可以为农田土壤重金属的研究提供一个新的思路和方法。     

基于人工神经网络的气体泄爆最大超压预测研究

为解决传统经验公式在预测气体泄爆中最大超压出现时的较大偏差或过于保守的问题,提出使用人工神经网络预测气体泄爆最大超压。基于124组实验数据,采用BP与RBF神经网络,通过优化算法计算与迭代循环对泄爆样本中的影响因素进行降维与选择,并确定2类神经网络本身在学习与计算气体泄爆样本时的相关参数。结果表明:PCA（主成分分析法）在当前样本条件下的降维效果较差,而通过迭代对比确认气体泄爆样本中的5类特征全部保留时神经网络的训练模拟效果最好;通过对124组实验数据进行随机挑选训练集与测试集的训练模拟结果发现,神经网络对气体泄爆中最大超压的预测效果较好;通过对比Molkov提出的和经Fakandu等改进的NFPA 68经验公式以及2类神经网络的预测结果表明,神经网络相比于传统气体泄爆经验公式具有明显优势。     

间歇曝气序批式活性污泥法处理农村废水及其效果的模拟预测

采用两种不同运行模式的间歇曝气序批式活性污泥反应器(IASBR)处理农村废水,反应器连续稳定运行235d,考察了5个工况下,缺氧/好氧循环次数、进水碳氮比(C/N,质量比)、水力停留时间(HRT)等对总有机碳(TOC)、氨氮、TN、TP去除效果的影响。在进水C/N低时,缺氧/好氧循环次数为4的1~#IASBR的脱氮效率及稳定性明显比缺氧/好氧循环次数为2的2~#IASBR高,而脱碳和除磷效果无显著差异。氨氮去除方面,在进水C/N较低的工况1(C/N平均为2.3)、工况2(C/N平均为2.2)和工况4(C/N平均为2.0)下,1~#IASBR的出水氨氮质量浓度明显比2~#IASBR更低,而在进水C/N相对较高时两者无显著差异。TN去除与氨氮去除有类似规律。构建以进水TOC、氨氮、TN、TP、C/N和HRT、缺氧/好氧循环次数为输入的反向传播人工神经网络(BP-ANN)模型,对TOC、氨氮、TN、TP的去除率进行模拟预测,结果显示以上4个输出参数在训练组中的预测结果和实际检测结果之间绝对平均误差分别为2.65%、5.27%、3.56%、34.56%,在测试组中的预测结果和实际检测结果之间绝对平均误差分别为2.74%、3.40%、5.13%、28.32%。     

基于CA的城市形态扩展多解模拟——以北京市东部平原区情景分析为例

构建了一个基于人工神经网络的约束型城市扩展CA模型。利用该模型,预测了北京市东部平原区在3种情景规划之下的未来50年的城市形态,为不同的城市发展模式之间的比较分析奠定基础。然后以2024年的北京东部平原区模拟城市形态为基准,从自然生态功效、社会服务功效、经济利益功效3个方面对3种规划模式进行了情景分析,从而系统的比较了3种规划模式的复合生态功效,为城市规划决策提供有力的支持。     

河流综合水质评价方法比较研究

为探讨综合水质评价结论的科学合理性,对典型的7种河流综合水质评价方法,包括单因子评价法、污染指数法、模糊评价法、灰色系统评价法、层次分析法、人工神经网络法、水质标识指数法,在归类分析其特性的基础上,针对代表性的评价样本,进行了综合水质评价比较研究。主要结论为：①单因子评价法以最差水质指标所属类别作为综合水质类别,评价结论表现为过保护;②污染指数法能够直观判断综合水质是否达到功能区目标,但是不能判断综合水质类别;③对模糊数学法、灰色系统评价法、层次分析法、BP人工神经网络法和水质标识指数法等5种典型评价方法,当综合水质为Ⅰ~Ⅴ类水情形时,这几种方法评价结论基本一致,证明这5种典型评价方法对Ⅰ~Ⅴ类水的评价结论具有科学合理性;④当综合水质为劣Ⅴ类水时,模糊数学法、灰色系统评价法、层次分析法、BP人工神经网络法的评价结论偏保守,而水质标识指数法解决了劣Ⅴ类水质的连续性描述问题,能够对劣Ⅴ类水进行科学合理评价,并对Ⅰ~Ⅴ类水、劣Ⅴ类水不黑臭、劣Ⅴ类水黑臭进行全面、科学合理的定性与定量评价.     

汉江流域土地利用/覆被变化的水文效应模拟研究

针对流域LUCC驱动因子众多、驱动因子与土地利用/覆被变化之间存在复杂的非线性动态关系的特点,以汉江上游流域LUCC模拟为例,构建基于人工神经网络（ANN）与元胞自动机（CA）的模拟土地利用/覆被变化的CA ANN耦合模型,并应用该模型预测汉江上游流域2020s年代的LUCC变化情景。结果表明：2020s汉江黄家港站上游流域水田、旱地、灌木林与建设用地面积均有不同程度的增加,其中建设用地增幅最大,与区域交通和城市化的迅猛发展趋势相符;除建设用地增幅变化较大之外,1980s～2000s与2000s～2020s两个时期其余土地利用/覆盖类型的面积变化率都比较相近,表明CA ANN耦合模型能够刻画土地利用/覆盖类型的转换规律,在流域土地利用/覆被变化的复杂非线性动态演变情景的模拟预测方面是可行的。在此基础上,应用SWAT分布式水文模型模拟汉江上游流域水文过程。研究结果表明：在1980s年代、2000s年代及预测的2020s年代LUCC情景下,汉江上游流域年平均径流量呈增加趋势,LUCC对径流量年内影响较汛期显著,多年平均蒸散发量呈增加趋势     

人工神经网络方法在拟建小区域环境质量评价中的应用

人工神经网络的评价方法用于小区域环境质量评价中,根据本地区特点因地制宜地选择环境质量参数,代入模型中进行环境质量评价及预测,对用于环境质量评价的BP人工神经网络模型进行了改进,即对网络模型的训练样本进行了扩充,从而提高了模型的抗干扰能力和准确性.将改进了的BP人工神经网络模型应用于四川省资阳市沱江二桥拟建项目小区域的大气、地表水环境质量评价中, 对该市小区域大气、地表水环境质量状况进行评价,评价结果表明,BP人工神经网络模型用于环境质量评价是可行的,且评价结论客观,评价模型普遍适用.     

人工神经网络在化学和环境科学中应用的若干问题

讨论了人工神经网络中最常用的多层前馈网络 ( BP网络 )及误差反向传播算法应用于化学和环境科学时要考虑的几个问题 :网络的输入与数据的归一化 ;隐含层数、隐含层节数和学习速率 ;训练集与监控集 ;网络误差 ;初始权重     

基于人工神经网络理论的建筑物火灾安全评价研究

依据建筑物火灾危险性的影响因素,应用人工神经网络理论及系统安全方法,建立了建筑物火灾危险性的评价指标体系,该方法摆脱了评价过程中的随机性和参评人员主观上的不确定性及其认识上的模糊性等缺点,大大提高了准确性。为了验证评价模型的准确性,将该理论应用到某高校图书馆火灾危险性评价中,快速、准确地得到了安全评价结果,取得了满意效果,为建筑物防火设计以及安全管理提供了可行的依据。