BP和RBF神经网络在边坡稳定性评价中的应用

基于BP网络和RBF网络理论,选取影响岩质边坡稳定性的一些主要因素,建立了边坡稳定性分析的神经网络模型,并用Matlab7.0神经网络工具箱对一些边坡样本进行训练仿真。对比了两种网络的逼近精度和预测结果,结果表明:两种网络均可以用于边坡的稳定性评价,RBF网络的性能要优于BP网络,网络最优参数的选择要通过反复实验获得。     

基于神经网络的土壤重金属预测及生态风险评价

采用单隐层RBF神经网络模型预测土壤重金属Cr、As、Ni、Pb、Zn 5种元素的含量,实测35组数据做为训练数据,另用6组做验证数据,该模型是以利用采样的10组数据预测其后的连续5组数据,输入层的神经元个数是10,输出层是5,隐含层的传递函数为径向基函数radbas,输出层的传递函数为线性函数Purelin,其结果表明:采用RBF神经网络模型预测有较高的精度。通过多元统计分析采样样品与预测样品,研究区域As、Ni、Zn的均值超过了上海市土壤环境背景值,As元素达到高度变异,Pb、Zn、Ni 3种元素达到中度变异。通过因子分析,前2个因子基本包含了全部元素变量的主要信息,第1因子中载荷最高是元素Ni(0.946),第2因子中则为元素As(0.930)。通过潜在生态风险指数评价,研究区域整体呈轻度生态风险水平。采用RBF神经网络模型可以降低采样分析成本,更好的评价区域土壤重金属的生态风险。     

多元回归和BP人工神经网络模型对混合厌氧消化产气量的预测研究

在中温且控制pH值条件下,对脂肪类单基质和城市污水厂剩余污泥进行混合厌氧消化试验。基于多元回归原理和BP人工神经网络原理,对其建立产气量预测模型。由实验数据计算得出:两个阶段多元回归模型的预测平均准确率分别为75.69%和79.29%;BP神经网络模型的预测平均准确率为79.05%。通过对比两种模型的预测结果可知,两种模型都有较高的预测准确率,但BP模型的预测准确率更高,更适用于混合厌氧消化产气量预测。     

RBF与Elman神经网络在人工湿地复合基质去污效果预测中的应用

人工湿地的去污机理复杂、呈高度非线性,故利用神经网络技术构建模型预测其长期运行效果。通过构建人工湿地复合基质模拟槽系统进行为期4个月的实验,监测得到56组COD去除率数据样本,经Matlab小波去噪后分别利用RBF和Elman网络构建动态神经网络模型,预测该系统对生活污水中COD去除效果。结果表明,RBF和Elman神经网络预测值的均方根误差分别为0.0186和0.0163,精度较高,该系统后期的COD去除率在49.4%～59.0%之间。     

Carrousel氧化沟系统出水COD预报的神经网络模型

以河南漯河市污水净化中心的氧化沟系统为考察对象,针对该系统进水水质复杂,控制滞后的难点,引入人工神经网络的理论和方法,对其进行模拟分析,建立了基于BP网络的氧化沟系统出水COD预报模型。模型性能检验和灵敏度检验表明,建成的模型准确度高,适应性强,可直接用于该系统出水COD预报。这为氧化沟工艺在线控制提供了一条简便的途径。     

我国耕地利用压力区域差异的RBF模型判定

在对目前耕地利用压力程度度量方法进行分析的基础上，运用人工神经网络（ANN）的理论和方法。构建了ANN模型分析中应用最为广泛的RBF网络，并对2004年中国31个省、市（自治区）的耕地利用压力程度进行了评价。网络运行结果表明。中国耕地利用压力程度的区域差异显著。耕地利用压力程度较高的省（市、区）主要分布在东部沿海地区。耕地利用压力程度较低的省（市、区）主要分布在中部和西部地区。我国耕地利用压力的区域差异主要表现为东部和中西部及沿海和内地的差异。在这些分析的基础上。作者提出了耕地分区保护的对策和措施。RBF模型的应用表明。人工神经网络用于评价耕地利用压力区域差异简便、实用,且避免了人工确定指标权重的主观性。是一条具有发展和应用前量的途径。     

智能算法及其在环境预警中的应用

智能算法具有学习非线性问题的能力,可有效优化环境模型结构与参数,是环境预警的重要工具。重点分析了遗传算法和人工神经网络的相关特征,并以太湖蓝藻水华预报预警为例,介绍其在提高环境模型精度中的应用。     

基于多级神经网络模型的厌氧氨氧化系统参数预测

厌氧氨氧化菌生长条件复杂、影响因素多,其工艺系统运行控制复杂,为解决上述问题,研究构建了1个多级神经网络预测模型,以提高SBBR单级自养脱氮厌氧氨氧化系统出水总氮去除率预测精度,并确定了系统工程应用的关键控制参数。一级神经网络模型通过灰色关联度分析,对影响出水总氮去除率的关键性指标进行预测;二级神经网络模型基于一级模型增加数据维度,并通过改进粒子群算法优化网络、借鉴遗传算法变异的思想扩大搜索范围,提高了出水总氮去除率的预测精度。多级神经网络模型预测结果表明,其总氮去除率平均相对误差为0.54%,相对误差为5.76%,均方根误差为1.132 1,预测数据基本上与实际值相符;与其他预测模型相比较,该模型表现出较优的预测精度。进一步分析发现,通过控制工艺系统的曝气量调节出水亚氮浓度,是保证工艺反应的稳定和实现厌氧氨氧化工艺工程应用的有效控制方式。     

基于弯管流量计的煤粉质量流量检测

在双弯管法测量的基础上建立了新的数学测量模型,并在煤粉输送实验平台上得到了大量的实验数据,利用人工神经网络强大的非线性拟合的能力,解决了新的数学模型的非线性关系。利用新的数学测量模型分别建立了Elman神经网络和BP神经网络测量模型;结果表明Elman神经网络在新的数学模型下测量出的煤粉质量流量与实际煤粉质量流量更加接近,能更好地解决新模型下的复杂函数关系,提高煤粉质量流量测量的精确度。     

基于人工神经网络的分流制系统雨水泵站雨天排放污染成因研究

分流制系统雨水泵站排放造成雨天河道水质恶化,阐明其排放污染成因是削减雨天污染和改善河道水质的基础。针对上海市中心城区两个分流制系统,分别采用反向传播神经网络和径向基神经网络建立降雨、管网运行等11个参数和雨水泵站雨天排放水质的非线性响应关系,探究雨天排放污染的主要影响因素。结果表明：与反向传播神经网络相比,径向基神经网络具有较高模拟效果,COD、NH₃-N和SS的平均绝对误差、均方根误差、平均百分比误差分别下降了15.6%～31.9%、12.3%～18.3%和12.6%～53.9%,决定系数提高了3.1%～5.4%。基于径向基神经网络对输入参数进行重要性分析,确定了5个优先参数,分别为距离上次开泵时间、开泵水位、峰值降雨量、前期不降雨天数、停泵水位。应开展雨污混接调查和实施雨污分流改造,从根本上减少旱天污水在管道沉积造成的雨天污染“零存整取”和污染效应放大。此外,通过优化雨水泵停泵水位,也可以削减雨天排放浓度。