福建春季旱涝灾害BP人工神经网络预测模型

以动量BP人工神经网络模型对福建3-4月的春季旱涝进行了预测试验.试验结果表明:若前期冷空气偏强,会导致来年春季降水偏多,3个主分量的各因子均达到显著性水平;尽管福建春季降雨量具有明显的非线性演变特征,但从试报的5年来看,神经网络的预测评分可高达90分以上,逐步回归和最优子集最高不超过90分.因此,所提BP神经网络预报模型对福建春季降雨量有较好的预报效果,可供有关部门制定防灾减灾决策参考.     

水利枢纽施工干扰区生态系统综合评价

针对水利枢纽施工过程中对周边环境的干扰机制,提出生态系统综合评价指标体系,利用RBF神经网络建立水利枢纽施工干扰区生态系统综合评价模型,并以尼尔基水利枢纽为例,对其施工干扰区生态系统进行综合评价。评价结果表明各指标在施工期间均跌到最低点,其中受影响最大的就是社会进步指标和景观生态性指标。但是在恢复过程中,这两类指标的上升幅度也是最大的,自然生态环境具有较强的稳定性,但当外界干扰超过其自身的承受能力时,对其进行恢复的难度也是很大的。可见,RBF生态评价模型可以对施工干扰区生态现状进行评价,评价结果为干扰后的生态环境恢复与重建提供理论依据,也可对治理后的效果进行预测评价,并为其他水利枢纽工程施工干扰区生态恢复与重建提供科学借鉴。     

基于动态RBF神经网络的地下水质量评价

提出一种基于动态RBF神经网络的地下水质综合评价方法。该方法采用最近邻聚类算法,构建动态RBF神经网络,利用神经网络对待测水质进行分类识别,根据网络输出,实现水质等级的确定。应用结果表明,该方法具有训练速度快、评价准确度高的优点,提高了水质综合评价的精度和客观性。     

人工神经网络法预测城市用水量

城市用水量的预测结果,对于城市规划、供水系统的管理及改扩建有着重要的意义,寻求科学合理的预测模型是保障预测结果准确可靠的关键。针对这一问题,利用人工神经网络理论建立了BP（Back—Propagation,反向传播算法）网络预测模型,该模型考虑了反映社会、经济的两个影响因素人口和工业产值对用水量需求的影响,具备系统决策功能。通过实例证明该模型是一种行之有效的用水量预测模型。     

基于B－P网络的水质营养状态评价模型及其效果检验

选取与ＴＳＩｃ为０，５０，１０相应的水质营养状态作为３个建模样本，以ｃｈｌ－ａ，ＴＰ，ＴＮ和ＳＤ４个水质参数作为样本的输入特征，建立了Ｂ－Ｐ网络的水质营养状态评价模型。该模型应用于全国３０个湖泊水质的营养状态评价，获得了较好的检验效果。     

基于水资源转化模拟的石羊河流域水资源优化配置

流域水循环过程是水资源合理配置对象依存和演化的基础。针对内陆河流域水资源多次转化多次利用的特点,建立以水资源转化过程为基础的流域水资源优化配置模型。按水力联系将内陆河流域系统分为独立的子系统。按水资源转化特点和用水格局将各独立水系统分渠灌区、井灌区和渠井混灌区三个一级计算单元,每个一级计算单元由若干灌区(二级计算单元)组成。运用水均衡模型和BP人工神经网络模型模拟一级计算单元间的水资源转化过程,分别模拟井灌区和渠井混灌区的来水量。建立一级计算单元和二级计算单元两层水资源优化模型,分别以灌溉用水效益最大和公平用水为配置目标。将一级计算单元的优化模型耦合到水资源转化模拟模型中。凉州区配置水量10.68×10⁸ m³,金川区为2.63×10⁸ m³,流域农业灌溉用水16.64×10⁸ m³,占总毛用水量的75％,相比现状有大幅下降。分别采用模拟寻优和遗传算法求解两层优化模型,将水量分配到灌区,进而分配到行政区,实现水资源的流域配置和行政区配置的统一,便于水资源统一管理。     

组合优化的能源消费量预测模型

针对非等间距灰色系统预测中存在误差较大的问题,结合序列本身的特点,利用世界能源消费的历史数据,采用3种灰色预测模型与神经网络进行组合优化,建立了灰色神经网络的能源消费量组合预测模型.实证分析结果表明,提高了模型的拟合和预测精度,拓宽了应用范围.模型中对能源的消费趋势进行预测,为科学地分析能源结构提供了依据.     

人工神经网络结构对径流预报精度的影响分析

建立了基于径流形成机理的以时段降水量与前期径流量为预报因子的前向多层人工神经网络径流预报模型；分析了网络结构对月径流预报精度的影响，发现随网络结构的复杂化，网络训练误差减小，模型评定的确定性系数增大，并均趋于稳定，预报检验的确定性系数总趋势是减小；发现影响模型精度的决定因素是网络输入单元数，亦即径流影响因素；提出了以模型评定与预报检验共同高效或等效的模型选择的折衷方法，以及按模型适宜预报域进行多模型组合预报的最佳预报域组合法。     

基于人工神经网络的工作面煤与瓦斯突出预测方法

在全面分析了煤与瓦斯突出影响因素的基础上，提出了煤与瓦斯突出预测的人工神经网络模型，介绍了突出特征指标的选取及表示方法与推理过程，实例分析表明，模型精度很高，可用于工作面煤与瓦斯突出预测。     

基于ANN的SBBR-CRI处理模拟生活污水及其仿真研究

采用序批式生物膜反应器(SBBR)与人工快速渗滤系统(CRI)工艺结合对模拟生活污水进行处理,由于该工艺影响因素与出水参数的复杂非线性关系,利用人工神经网络(ANN)对SBBR-CRI处理生活污水的过程进行仿真模拟.在MATLAB语言环境下,以DO、淹没时间/落干时间、曝气时间/停曝时间、进水COD、进水NH4+-N、进水TP为输入因素,出水COD、NH4+-N、TN和TP为输出因素,构建具有自适应学习规则的人工神经网络.结合最优网络运行参数:隐含层节点数6,初始学习率0.13,动量因子0.6,训练次数6000次,对样本仿真学习,预测值与实际值拟合度较好,样本的绝对平均误差率在7.5%之内,均方根误差均在0.085之内.结果表明,当DO为2mg/L,曝气时间/停曝时间为2/1,淹没时间/落干时间为1/3时,NH4+-N去除率能达到98%以上,TN和TP去除率85%以上,COD去除率94%以上.通过权重分析,进水NH4+-N、DO和进水TP对出水参数影响较大.