响应面法和神经网络优化Acinetobacter sp. DNS32发酵基质

为了提高阿特拉津降解菌Acinetobacter sp.DNS32的产量,分别采用响应曲面法和基于人工神经网络的遗传算法对阿特拉津降解菌DNS32发酵培养基中3个重要基质成分(玉米粉、豆饼粉、K2HPO4)进行优化研究。响应曲面法确定3种成分的含量为玉米粉39.494 g/L,豆饼粉25.638 g/L和K2HPO43.265 g/L时,预测发酵活菌最大生物量为7.079×108CFU/mL,实测量为7.194×108CFU/mL;人工神经网络结合遗传算法优化确定3种主要成分含量为玉米粉为39.650 g/L,豆饼粉为25.500 g/L,K2HPO4为2.624 g/L时,预测最大值为7.199×108CFU/mL,实测量为7.244×108CFU/mL;最终确定培养基配方:玉米粉为39.650 g/L,豆饼粉为25.500 g/L,K2HPO4为2.624 g/L,CaCO3为3.000 g/L,MgSO4.7H2O和NaCl均为0.200 g/L;优化后阿特拉津降解菌DNS32发酵生物量比优化前提高了36.6%。结果表明,在阿特拉津降解菌DNS32发酵培养基组分优化方面,响应面法和基于人工神经网络的遗传算法都是可行的,基于人工神经网络的遗传算法具有更好的拟合度和预测准确度。     

Comparison of the Performance of Statistical Models in Forecasting Monthly Total Dissolved Solids in the Rio Grande1

Abudu, S., J.P. King, Z. Sheng, 2011. Comparison of the Performance of Statistical Models in Forecasting Monthly Total Dissolved Solids in the Rio Grande. Journal of the American Water Resources Association (JAWRA) 48(1): 10‐23. DOI: 10.1111/j.1752‐1688.2011.00587.x Abstract: This paper presents the application of autoregressive integrated moving average (ARIMA), transfer function‐noise (TFN), and artificial neural networks (ANNs) modeling approaches in forecasting monthly total dissolved solids (TDS) of water in the Rio Grande at El Paso, Texas. Predictability analysis was performed between the precipitation, temperature, streamflow rates at the site, releases from upstream reservoirs, and monthly TDS using cross‐correlation statistical tests. The chi‐square test results indicated that the average monthly temperature and precipitation did not show significant predictability on monthly TDS series. The performances of one‐ to three‐month‐ahead model forecasts for the testing period of 1984‐1994 showed that the TFN model that incorporated the streamflow rates at the site and Caballo Reservoir release improved monthly TDS forecasts slightly better than the ARIMA models. Except for one‐month‐ahead forecasts, the ANN models using the streamflow rates at the site as inputs resulted in no significant improvements over the TFN models at two‐month‐ahead and three‐month‐ahead forecasts. For three‐month‐ahead forecasts, the simple ARIMA showed similar performance compared to all other models. The results of this study suggested that simple deseasonalized ARIMA models could be used in one‐ to three‐month‐ahead TDS forecasting at the study site with a simple, explicit model structure and similar model performance as the TFN and ANN models for better water management in the Basin.     

基于人工蜂群算法与BP神经网络的水质评价模型

针对BP网络水质评价模型的不足,引入人工蜂群(ABC)算法,将求解BP神经网络各层权值、阀值的过程转化为蜜蜂寻找最佳蜜源的过程,提出了一种新的结合人工蜂群算法的BP网络水质评价方法(ABC-BP)。并以2000—2006年渭河监测断面的10组实测数据作为测试样本对其水质进行了评价,实验结果表明该方法得到的水质评价结果准确,并具有很强的稳定性和鲁棒性。     

人工浮床对汾江河水质净化的研究

对佛山市汾江河内布置浮床的水域的7个断面进行采样监测,分析了布置浮床侧与未布置浮床侧各水质指标的差异,以考察人工浮床对汾江河水质的净化效果。同时比较了圆币草、水罂粟、梭鱼草、狐尾草、美人蕉和鸢尾6种浮床植物的生物量和氮磷吸收量。结果表明,布置人工浮床一侧的水质TN、TP、COD和NH4＋-N含量均显著低于未布置浮床一侧的水质,表明人工浮床对水体水质的有净化效果。总面积约4 900 m2的浮床植物经过3个月的生长,从水体中共吸收了192.5 kg的氮和76.1 kg的磷。6种浮床植物中,狐尾草的净增生物量最高,达到64.2 kg/m2;圆币草次之,为62.2 kg/m2。狐尾草和圆币草对氮磷的吸收能力在6种植物中处于较高水平,每平方米狐尾草和圆币草从水体中分别吸收了51.61g氮、19.79 g磷和46.90 g氮、22.93 g磷。综合比较得出,狐尾草和圆币草在生物量和氮磷吸收量上均保持在较高水平,是较好的浮床植物。本研究为人工浮床在南方类似河流中的应用及植物选择提供了参考依据。     

阿海水电站新源沟砂石加工废水处理工艺浅谈

新源沟砂石加工系统生产废水SS浓度高,采用水力旋流/加药絮凝/多级沉淀工艺处理,运行结果表明,处理出水水质满足《污水综合排放标准》（GB8978-1996）一级标准中的给定限值70mg/L,达标出水全部回用。     

响应面法和神经网络优化Acinetobactersp．DNS32发酵基质

为了提高阿特拉津降解菌Acinetobactersp．DNS32的产量,分别采用响应曲面法和基于人工神经网络的遗传算法对阿特拉津降解菌DNS32发酵培养基中3个重要基质成分（玉米粉、豆饼粉、K：HPO。）进行优化研究。响应曲面法确定3种成分的含量为玉米粉39．494g／L,豆饼粉25．638g／L和K。HPO。3．265g／L时,预测发酵活菌最大生物量为7．079×10^8CFU／mL,实测量为7．194×10^8CFU／mL;人工神经网络结合遗传算法优化确定3种主要成分含量为玉米粉为39．650g／L,豆饼粉为25．500g／L,K2HPO4为2．624g／L时,预测最大值为7．199×10^8CFU／mL,实测量为7．244×10。CFU／mL;最终确定培养基配方：玉米粉为39．650g／L,豆饼粉为25．500g／L,K2HPO4为2．624g／L,CaCO3为3．000g／L,MgSO4·7H2O和NaCl均为0．200g／L;优化后阿特拉津降解菌DNS32发酵生物量比优化前提高了36．6％。结果表明,在阿特拉津降解菌DNS32发酵培养基组分优化方面,响应面法和基于人工神经网络的遗传算法都是可行的,基于人工神经网络的遗传算法具有更好的拟合度和预测准确度。     

成都市活水公园人工湿地系统10年运行回顾

成都市活水公园是1997年建成的世界上首座以展示"人工湿地水处理系统"和"仿峨眉山亚热带自然植被"为主要内容的、以水保护为主题的生态公园。它所展示的人工湿地处理系统工程,现己正常运行了10年。本文通过回顾10年来活水公园人工湿地工程设计、建设与运行的经验,结合当前己建和在建的人工湿地工程中所存在的一些问题,提出一些看法与建议。供从事人工湿地工程设计、施工及管理人员参考。     

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。     

厦门市气候特征变化与酸雨形成研究

对地面风场的研究表明,厦门存在局地和海陆风环流,自1955年以来年平均风速、混合层厚度均呈现下降趋势,大气污染物的水平和垂直扩散能力也呈下降趋势。降水酸度随海拔高度的变化情况表明,海陆风环流有利于酸性污染物的积累,且锋面降水过程中的光化学污染加重了降水的酸化程度。     

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