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。     

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。     

基于BP人工神经网络的城市PM2.5浓度空间预测

针对PM2.5日均质量浓度,采用BP人工神经网络模型,预测研究区空气中PM2.5浓度的空间变异,通过与普通克里格(Ordinary Kriging)插值方法对比验证BP人工神经网络预测模型的精度.结果表明:BP人工神经网络预测模型下研究区检验样本点位置的PM2.5仿真浓度与观测浓度之间的均方差、平均绝对误差、平均相对偏差和相关系数分别为0.296 μg2/m6、0.412 μg/m3、1.650％和0.851;而与此同时,普通克里格插值方法下的对应结果分别为1.041 μg2/m6、0.689 μg/m3、11.910％、0.638.研究成果在肯定BP人工神经网络预测模型可用于揭示PM2.5浓度空间变异特征的同时,也证实了其相对于普通克里格插值方法在固定空间点位准确预测PM2.5浓度方面的优势.     

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。     

ABR处理硫酸盐有机废水的BP神经网络建模

通过厌氧折流板反应器(ABR)处理硫酸盐有机废水的实验数据对BP神经网络进行训练,建立了ABR处理硫酸盐有机废水的BPNN模型,通过测试对比,找出了较优训练函数为traingda,较优训练次数为1 900.利用分割连接权值法(PCW)对影响出水SO42-和COD的主要因素进行分析,结果显示进水COD、SO42-、pH、COD/SO42-和HRT对出水SO42-和COD均产生一定影响,其中进水pH对出水SO42-和COD的影响最大,相对重要性(RI)指数分别为30.79％和23.44％;并通过样本试验数据分别建立了对SO42-和COD去除率的限制因子仿真模型,为预测硫酸盐有机废水的厌氧处理过程提供指导.     

大坝下游定点区域溶解氧饱和度预测

大坝通过坝身泄流时,巨大的洪水卷吸空气中的大量气体直泻到下游河床,造成下游河道特别是近坝区域气体含量过饱和,给下游水生生物带来不利影响,其中鱼类气泡病就是水体气体过饱和造成的典型病症。为探明大坝泄流对坝下河道溶解氧饱和度的影响,以三峡 葛洲坝区域坝下近坝区定点区域的溶解氧实测资料为基础,建立溶解氧饱和度的BP网络预测模型,对大坝不同运行工况进行下游溶解氧饱和度的预测仿真计算,并将仿真预测值与实测及数值模拟结果进行比较分析。结果得出BP网络模型能很好地逼近坝下近坝区指定区域的溶解氧饱和度,可根据大坝运行工况对下游水体溶解氧饱和度进行快速预测,为有效控制坝下水体溶解氧饱和度提供借鉴     

The relationships between air pollutants, meteorological parameters and concentration of airborne fungal spores

Fungal spores are an important component of bioaerosol and also considered to act as indicator of the level of atmospheric bio-pollution. Therefore, better understanding of these phenomena demands a detailed survey of airborne particles.The objective of this study was to examine the dependence of two the most important allergenic taxa of airborne fungi - Alternaria and Cladosporium - on meteorological parameters and air pollutant concentrations during three consecutive years (2006-2008). This study is also an attempt to create artificial neural network (ANN) forecasting models useful in the prediction of aeroallergen abundance.There were statistically significant relationships between spore concentration and environmental parameters as well as pollutants, confirmed by the Spearman’s correlation rank analysis and high performance of the ANN models obtained. The concentrations of Cladosporium and Alternaria spores can be predicted with quite good accuracy from meteorological conditions and air pollution recorded three days earlier.     

基于ARIMA和BP神经网络组合模型的我国碳排放强度预测

预测我国碳排放强度的长期变动趋势, 对国家进行宏观经济管理和节能减排工作具有重要的参考价值。运用深入分析自回归移动平均模型和神经网络的特性,并在此基础上建立ARIMA模型和BP神经网络组合模型,将碳排放强度的时间序列的数据结构分解为线性和非线性残差部分,对我国碳排放强度的变化趋势进行了综合分析与预测。结果显示:今后10 a我国碳排放强度总体是逐步下降的,但到2020年我国碳排放强度仅比2005年下降34%,比我国政府提出碳排放强度下降40%~45%的目标还有一定的差距。因此,要在2020年实现我国碳排放强度目标,必须要调整宏观经济政策,采取各种政策措施以实现目标     

西安f7地裂缝发展变化的预测研究

论文首先分析和总结了影响西安地裂缝发展变化的主要人为因素。随后,利用三维非稳定渗流分析方法研究了人类活动对地下水位的影响;根据西安市新增固定资产投资的变化,预测了地面荷载的变化;以时间、地下水位和地面荷载为基本变量,建立了预测f 7地裂缝活动趋势的BP神经网络模型;最后,借助MATLAB语言进行编程,利用训练稳定的网络模型,预测了f 7地裂缝的活动趋势以及年平均的垂直位移沉降量,为进一步研究西安地铁2号线安全运行和防护提供参考依据。     

基于产业链的区域环境污染物排放的产业贡献

区域经济增长与环境质量之间的关系研究是目前学者们探讨的重要学术议题之一.其中较多的是对EKC曲线的验证,近几年部分学者从国民经济各部门中的产业自身特征、产业结构、技术进步、FDI效应等方面考察产业发展对污染物排放的影响.然而以上研究议题中学者均没有讨论污染物的发生主体-各产业部门与排污的直接关系.故本文将从宏观尺度下的综合水平测度区域经济发展与环境质量关系、中观尺度下的产业属性特征与排污关系的研究视角转移至分析具体产业部门的污染物排放效应,同时将产业置于产业链的结构形式中,研究产业链上产业发展与污染物排放的关系.发现:第一,通过借助复杂网络思想的社区划分方法,将山东省39个产业部门分为3个社团.其中社团I主要由制造业部门组成,共有18个产业部门,社团II包括了15个部门,主要是第三产业,杜团III由6个产业部门组成且内部异质性高.第二,选择其中以制造业为主的社团I,并在社团I内识别出一条彼此间联系最为紧密的产业链,包括农林牧渔业、食品制造及烟草加工业、化学工业、纺织工业、服装皮革羽绒及其制品业、通用/专用设备制造业和交通运输设备制造业.以一种定量的方法获取了通过价值流传递而串在一起的产业链条.该产业链的经济规模、污染物规模在山东省均有重要地位.第三,采用岭回归分析方法,构建了6个制造业与产业链工业废水、固体废弃物排放的关系模型,6个制造业中对工业废水、固体废弃物排放相对贡献度最大的部门分别为服装皮革羽绒及其制品业、食品制造及烟草加工业.这是由于上游产业排污的链式传递效应与产业自身污染物排放效应的共同叠加作用.