灰色系统方法在县域生态区划中的应用

为了反映各生态因子之间的内涵不确定性关系,通过对影响区域生态的因子的筛选,进行主成分分析,得到影响龙湾区生态环境的主要因子是各土地使用类型的分布和污染物排放量;通过灰色关联度分析获得各因子对生态影响的权值,结合"星座图"聚类方法将温州市龙湾区区划出3个生态类型,5个发展方向,并形成了对县域生态区划行之有效的方法。     

BP神经网络改进算法预测水质浓度的应用

探讨了黄河兰州段地表水水质浓度预测的BP神经网络法，建立了一种动态的、及时的、超前的BP神经网络预测模型。并在标准算法的基础上用2种改进算法同时进行比较。结果表明，改进的BP算法在水质浓度预测中更能胜任，时间短、准确度高。     

基于随机森林与神经网络的高光谱土壤重金属Zn含量反演

在河北省保定市白洋淀区域采集115个土壤样品进行重金属含量分析和室内光谱测量,分别将BP神经网络、随机森林、决策树、多元线性回归、K近邻回归、AdaBoost回归和偏最小二乘回归法应用于全部原始波谱数据和基于双层随机森林选择后的波段数据。结果表明,基于原始波谱数据的土壤重金属Zn元素含量的反演模型精度较低,而通过双层随机森林选择出光谱数据中与土壤重金属Zn信息相关的波段,减轻了网络模型的过拟合问题,提高了模型预测精度;与其他模型比较,结合双层随机森林和BP神经网络构建的反演模型对研究区土壤重金属Zn含量预测效果最佳。     

基于神经网络的黄草坝古滑坡稳定性评价

根据神经网络的基本原理,结合35个实际滑坡工程实例,分别采用RBF神经网络和BP神经网络建立滑坡稳定性评价模型,利用MATLAB编程求解,并对比了两种模型的计算结果,表明采用RBF网络模型计算出的结果精度高、误差小,更适合于对滑坡的稳定性评价;同时,运用RBF网络模型计算了黄草坝古滑坡的稳定性系数,对其稳定性进行了预测,以验证该方法的有效性。     

ZVI/EDDS/Air体系降解水中2,4-二氯酚的研究

建立零价铁(ZVI)、乙二胺二琥珀酸(EDDS)和曝气三者组成的类Fenton(ZVI/EDDS/Air)处理体系,考察了初始EDDS浓度、铁粉投加量、曝气速率、2,4-二氯酚(2,4-DCP)浓度、初始pH以及反应温度等对水溶液中2,4-DCP降解的影响.结果表明,该体系能有效降解2,4-DCP,并且其降解规律符合准一级动力学方程.在2,4-DCP质量浓度100 mg·L-1、EDDS浓度0.80 mmol.L-1、铁粉投加量20 g·L-1、曝气速率为2 L.(min.L)-1的最佳实验条件下室温反应1 h,2,4-DCP的降解率达到99%.ZVI/EDDS/Air体系对氯酚的降解较ZVI/EDTA/Air体系具有环境友好、反应条件温和,而且对2,4-DCP的降解效果好等优点.     

多元线性回归和Bp神经网络预测水资源承载力--以济南市为例

水资源承载力的预测对发展地区经济具有重要意义，利用主成分分析方法对济南市水资源承载力变化的驱动力进行了分析，人口和GDP是影响水资源承载力变化的最主要的驱动因素。通过水资源承载变化驱动因子的多元线性回归模型和人工神经网络模型，分别预测出2010年和2020年济南市水资源的需求状况，并探讨了将线性和非线性相结合的方法用于水资源预测。     

灰色综合评判法与大气环境质量评价

依据灰色理论中白化函数的构造原则和聚类原理，提出了灰色综合评判法，并以大气环境质量评价为例作了说明。该法以等斜率方式构造白化函数，拓展了白化函数中污染物浓度的取值范围，有较高的信息利用率。评价结果能同时给出各评价对象所属的污染级别和各评价对象之间环境质量的优劣，具有较强的实用性。     

基于PSO算法的BP神经网络对水体叶绿素a的预测

BP神经网络(Back Propagation Network)在水体富营养化评价及预测中已广泛应用,但传统BP算法的收敛速度慢并易陷入局部最优. 提出了一种基于微粒群(PSO)算法的BP神经网络模型,利用PSO对神经网络的权值进行修正,优化神经网络结构及算法全局收敛性. 选择最能代表明湖水质状况的5号采样点作为研究对象,把2009年4月—2010年3月的月样本插值为周样本,对明湖ρ(Chla)的短期变化趋势进行了预测,并用6号采样点数据来验证网络的泛化能力. 比较分析基于PSO算法的新模型与传统BP算法模型的预测精度表明,新模型有效克服了传统算法的缺点,提高了网络的预测能力和学习能力.      

3种新烟碱类杀虫剂对人间充质干细胞基因表达谱的影响

啮齿类动物毒理学的初步研究结果提示新烟碱类化学品暴露可能对人体健康造成危害,但健康效应、毒性机制和分子毒理学靶标尚不清楚.选用人骨髓间充质干细胞体外模型,将其暴露于吡虫啉(IMI)、烯啶虫胺(NIT)和啶虫脒(ACE)3种典型新烟碱类杀虫剂,利用基因加权共表达网络分析细胞基因表达谱的变化.基因加权共表达网络分析将基因分...     

GANN模型在十溴联苯醚分散液液微萃取中的应用

文章研究目的在于用遗传神经网络模型(GANN模型)快速优化水样中十溴联苯醚分散液液微萃取的萃取条件。以水样中十溴联苯醚分散液液微萃取的正交试验为训练样本,建立十溴联苯醚分散液液微萃取条件的遗传神经网络模型。比较遗传神经网络模型和BP神经网络模型的学习速度、学习精度及网络泛化能力。采用Matlab遗传算法工具箱运用遗传神经网络模型对影响萃取回收率的因素进行优化求解,获得了水样中十溴联苯醚分散液液微萃取优化后的萃取条件,并进行实验验证。文章建立的遗传神经网络模型得到的预测值与实验值平均偏差为14.41%,R2为0.8887;最佳DLLME萃取条件为10μL四氯乙烯、0.71mL丙酮、pH=5、离子强度为20%NaCl、萃取时间10min;优化后十溴联苯醚分散液液微萃取的萃取回收率和富集因子比优化前分别提高了54%和580。