多种灾情预测模型的研究—2001年后上海市热带气旋灾情预测

采用3种方法,即灰色模型GM,自回归－滑动平均模型ARMA和人工神经网络ANN预测了上海市2001年后（含2001年）强热带气旋出现的趋势与规律,结果表明,2001、2006和2010年将出现中级以上灾难而两个年份灾情较重。通过数值计算结果比较了3种方法的应用特点,为进一步建立综合预测模型打下了基础。     

不同热力背景对城市降雨（暴雨）的影响（Ⅲ）：—基于人工神经网络的集成预报模型

在对降雨系统时序规律分析的基础上,提出了基于人工神经网络的集成降雨时序分析与预报模型,根据上海市降雨和实际测点布置的特点,提出了两套降雨预报策略,根据热力背景的不同,建立了城市降雨空间差异预报模型,经初步验证,该模型具有较高精度,可为城市规划,排水市政工程建设服务。     

太阳黑子与杉木生长关系

根据多层误差板传网络结构模型和三次设计发展了一种太阳黑子人工神经网络预报方法,以杉木胸径生长的年轮指数和太阳黑子自相关因子输入变量,应用改进的人工神经网络方法建立了太阳黑子相对数年平均值的预测模型,模型的模拟回归优度为93．3％,预测精度达到95．74％,并对网络模型中变量进行灵敏度分析,分析表明,杉木胸径生长的年轮指数对太阳黑子对相对数年平均值影响较平坦,而太阳黑子自相关因子Yt-4和Yt-2对太阳子相对数年平均值影响较灵敏,3个因子对太阳黑子相对数年平均值均在一定的影响。图2表5参19     

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。     

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。     

基于案例推理的化工园区应急资源需求预测

为确定化工园区突发事故的应急资源需求,提出了一种基于案例推理的化工园区应急资源需求预测方法。该方法主要由三部分组成:(1)基于案例推理的模型构建;(2)化工园区事故的案例描述;(3)基于人工神经网络的案例适应。最后,以石化园区火灾爆炸事故的应急资源需求预测验证该方法的有效性。研究表明,该方法可以实时地对化工园区应急资源需求进行预测,为化工园区的应急资源储备和配置提供支持。     

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。