人工神经网络在科学中的应用研究

以Ｂ－Ｐ网络为例介绍了人工神经网络模型的诮原理，以开拓人工神经网络在环境科学中的应用范围为目的，综述了几种常用神经网络模型在环境预测与评价２方面的应用性能。结果表明：人与环境关系的科学量度是多方位、多因素的非线性模糊问题，而人工神经网络模型具有解决该类问题的独特优点。针对不同环境问题，优选模型，开拓人工神经网络方法在环境科学中的应用范围，为环境问题的解决提供新的技术手段。     

径向基函数网络在水环境质量评价分区中的应用

为探讨水环境质量综合评价的客观方法 ,以江西抚州地下潜水水质资料为例 ,建立了该区地下潜水水环境质量综合评价的RBF ANN网络模型。通过与其它方法对比 ,结果表明 ,利用用RBF ANN方法进行水环境质量评价不仅方法简便 ,而且结论更接近客观实际     

人工神经网络在强化一级处理系统过程模拟与优化中的应用

针对化学强化一级处理系统（CEPT）处理废水时影响因素多，难以进行适当的控制和处理效果的预测等问题，建立起基于BP人工神经网络的CEPT法处理猪场稳定塘废水预测模型，并应用该模型对烧杯试验进行了模拟。结果表明，预测值和实测值吻合较好，模型对COD、总磷、浊度去除率预测的平均相对误差分别为7．5％、4．8％和4．9％。通过对pH值和絮凝剂投药量等可控参数进行优化计算，得到CEPT系统的最佳操作条件和最合理操作条件。该模型的建立为CEPT法处理废水工艺系统实现自动化控制提供了一条简便实用的途径。     

自组织神经网络在有害赤潮预警研究中的应用

根据非线性理论及有害赤潮的特点，探讨应用人工神经网络原理进行赤潮预警预报的方法，提出网络可塑性较强，无监督的ART－KOHONEN网络模型，阐述了其基本原理和算法。将该模型应用于辽宁省营口市鲅鱼圈海域，结果表明：该方法能较理想地解决无训练样本的分类识别问题，具有较高的精度，可用于有害赤潮的预警预报工作。     

利用复介电常数和BP人工神经网络进行浓度预测的研究

制备了一定含水率不同浓度的CuCl2的PVA样品,用微波矢量网络分析仪和微波传感器测量S11参数,计算得到相对复介电常数。以样品相对复介电常数的实部、虚部及对应频率作为输入,以CuCl2溶液的浓度作为输出,建立BP人工神经网络模型。用训练样本集对网络训练后,检验样本的预测结果与实际值最大误差为0.97%。结果表明,利用复介电常数和BP人工神经网络进行浓度预测是一种很好的方法,进而为环境监测提供了方法依据。     

利用人工神经网络对空气中O3浓度进行预测

将人工神经网络应用于对空气中O3的浓度预测,提出了完整的预测模型,选取风速、风向、相对湿度、云量、平均气温、最高气温等6项气象因子作为输入量,经过两个月的预测实验,结果表明,实测值与预测值的平均相对误差为21.49%,相关系数为0.837.表明人工神经网络对O3的浓度预测是一种有效的工具.     

基于RBF神经网络的矿井突水水源识别方法研究

采用Na++K+、Ca2+、Mg2+、Cl-、SO42-和HCO3-六种常规水化学指标作为矿井突水水源识别的依据,利用Piper三线图分析了各充水水源水化学特征,筛选出适用于模型构建的样本。运用SPSS软件构建RBF神经网络,对6组待测样本进行识别。结果表明:RBF神经网络对孔隙水、地表水和奥灰水的判别正确率均为100%,对于砂岩水和太灰水的判别正确率分别为91.7%和50%;经过待判检验,RBF神经网络待判检验正确率为92.3%。     

典型云南高原湖泊叶绿素a与影响因子的定量关系及对比分析

湖泊富营养化的影响因子涉及水文、物化、生物等多方面,具有复合性和非线性特征,定量化其与影响因素间的相关关系有助于识别影响湖泊营养状态的关键因子,可以用较低的成本、较短的时间达到理想的控制效果.云南高原湖泊具有易发生富营养化的自然和气候特征,对其富营养化发生条件及影响因子的分析可为科学的控制决策提供参考.本文选取云南滇池、程海、抚仙湖和异龙湖4个高原湖泊,比较湖泊自然特征与流域社会经济条件的异同;构建包括绝对主成分多元线性回归分析(APCS-MLR)、结构方程模型(SEM)及人工神经网络模型(ANN)的综合分析方法,重点关注并确定浮游初级生产力的代表指标(叶绿素a,Chla)与相关影响因子间的定量相关关系.研究发现:14个湖泊中,对Chla浓度变化影响最大的均为理化因子,但在各湖中该影响的正、负性及不同理化因子的贡献权重有较大差异;2流域污染源构成的不同在一定程度上影响了入湖的氮、磷负荷,使4个湖泊表现出不同的营养盐限制性特征;3流域面积、湖泊形态及湖体水动力条件影响着营养盐在湖体中的迁移转换,造成4个湖泊富营养化的差异性特征;4对Chla与影响因子间因果关联的识别须结合深入的机理过程分析.     

高校能源消耗建模研究与应用

针对高校能源消耗建模研究与应用问题,文中介绍了高校能耗日益增长现状,给出了高校能耗模型构建,为节约能源必须做好精准能耗预测.建立了灰色径向基函数神经网络高校能耗预测模型,并采用基于排序等分法赌盘规则选择算子的遗传算法对该模型进行全局优化,进一步用实例对比分析评估了模型的有效性.实践表明,优化后的模型能有效预测能耗,与传统单一的建模方式相比,有更好的拟合性、稳定性、预测精度和更快的收敛速度,为节能评估和设计提供了决策依据.     

城市空气质量的BP和RBF人工神经网络建模及分类评价

根据MATLAB提供的人工神经网络模型,将其应用到城市空气质量评价,研究并对比分析BP和RBF两种人工神经网络的建模方法及评价结果。首先构建BP神经网络模型,确定输入层、隐含层和输出层的神经元数,选择Sigmoid型函数作为激励函数,应用内插扩展出的训练样本对BP网络进行学习,再用训练成熟的BP网络对待评价样本进行仿真;其次构建RBF神经网络模型,确定其输入层和输出层的神经元数,选择Gauss函数作为隐含层激励函数,再用同样的训练样本进行学习和仿真;最终进行归一化论证,验证归一化预处理在空气质量评价中的必要性。结果表明:应用BP和RBF人工神经网络可以得出较好的城市空气质量分类评价结果,其中RBF神经网络模型与改进的灰色聚类法评价结果一致,具有较高的准确率,是一种快捷、有效的综合评价方法。