Application of Bayesian regularized BP neural network model for analysis of aquatic ecological data-A case study of chlorophyll-a prediction in Nanzui water area of Dongting Lake

Bayesian regularized BP neural network（BRBPNN） technique was applied in the chlorophyll-α prediction of Nanzui water area in Dongting Lake. Through BP network interpolation method, the input and output samples of the network were obtained. After the selection of input variables using stepwise/multiple linear regression method in SPSS i1.0 software, the BRBPNN model was established between chlorophyll-α and environmental parameters, biological parameters. The achieved optimal network structure was 3-11-1 with the correlation coefficients and the mean square errors for the training set and the test set as 0.999 and 0.000？8426, 0.981 and 0.0216 respectively. The sum of square weights between each input neuron and the hidden layer of optimal BRBPNN models of different structures indicated that the effect of individual input parameter on chlorophyll- α declined in the order of alga amount 〉 secchi disc depth（SD） 〉 electrical conductivity （EC）. Additionally, it also demonstrated that the contributions of these three factors were the maximal for the change of chlorophyll-α concentration, total phosphorus（TP） and total nitrogen（TN） were the minimal. All the results showed that BRBPNN model was capable of automated regularization parameter selection and thus it may ensure the excellent generation ability and robustness. Thus, this study laid the foundation for the application of BRBPNN model in the analysis of aquatic ecological data（chlorophyll-α prediction） and the explanation about the effective eutrophication treatment measures for Nanzui water area in Dongting Lake.     

基于B—P人工神经网络的环境测点的优选

为了对有多项污染物的环境测点进行优选，提出了单项污染物对环境作用的“相对贡献率”和多项污染物对环境综合作用 的“作用和贡献率 ”的新概念其计算公式将Ｂ－Ｐ神经网络原理与逐步聚类分析思想相结合，用于环境测点聚类优选。该方法成都市１２个环境测点的优选结果符合客观实际，此外，它还具有简便实用，客观性好的特点。     

城市水资源社会再生能力评价--以黄河流域主要城市为例

本文聚焦于黄河流域主要城市的水资源状况,研究以其再生能力为核心的水资源问题。首先,在理论上提出城市水资源社会再生能力的概念,并比较它与一些相似概念的异同;进而对社会再生与自然再生能力的关系进行探讨;而后,使用人工神经网络的评价方法从绝对再生量和相对再生效率两个方面分析评价黄河流域主要城市的水资源社会再生能力。     

GIS支持下的水文生态效应评价混合型专家系统设计初探

文章从人工神经网络(ANN)、专家系统(ES)各自的优势和不足出发，结合地理信息系统(GIS)技术的特点，介绍了水文生态效应评价的混合型专家系统(HEMES)的基本结构模式和各模块的功能。然后抓住ANN、ES、GIS的共同作用因子一专家知识，从数据库结构、C 类方面探讨了三者集成的问题，并根据集成的思想探讨了相关功能设计。指出HEMES是一种更准确、易操作的评价技术，可作为相关管理、决策者的辅助工具。     

神经网络及其在水库调洪演算中的应用

结合洪水灾害管理的特点建立了水库调洪演算的人工神经网络模型，阐述了其基本原理及算法，并结合某水库调洪演算实例说明了其应用。     

西江年最高水位的神经网络预报模型

对西江洪水发生的特征进行分析表明，洪水发生频率高，具有明显阶段性特征，并与流域面雨量密切相关。利用前期环流场、海表温度（SST）场及环流特征量资料选择初选预报因子，然后对初选预报因子作EOF分解构造综合预报因子，结合人工神经网络方法建立了西江年最高水位预报模型，并对预报模型进行独立样本试验。结果表明，该预报模型对历史样本拟合精度高，试报效果明显好于传统的逐步回归模型，可在汛期预测业务中应用。     

基于模糊评判人工神经网络的重大危险源辨识研究

国家已经制定了重大危险源辨识标准,辨识依据是危险物质的数量,主要适用于化工行业.本文对于国家重大危险源辨识标准不适合的行业,结合各行业发生事故的特点和工艺特征,综合利用模糊评判法和人工神经网络,辨识企业内存在的重大危险源.在某化工厂进行了检验,实践证明了方法的科学性和合理性.     

基于BP网络的建筑安装施工现场安全综合评价的研究

针对目前我国建筑安装施工现场安全评价技术的不成熟和欠科学性的现状 ,笔者分析和综合了目前安全评价技术 ,结合建筑业特点 ,提出了基于BP神经网络的建筑安装施工现场安全评价方法 ,并对该评价模型的原理、方法及算法进行了研究。首先 ,结合建筑安装施工现场安全生产的特点建立评价指标体系 ,随后 ,运用层次分析法确定指标及准则层的权重 ,并运用模糊综合评价法生成评价样本集 ,最后 ,利用样本集训练BP网络 ,待误差满足要求后 ,即可运用训练成功的BP神经网络进行安全评价。     

基于ANN的山东省可持续发展水平的区域差异

针对区域可持续发展系统的非线性,采用人工神经网络中较为先进的自组织特征映射网络构建模型.以山东省17个地市2001年的经济、人口、资源、环境、生活和科教状况作为带分样本,用自组织特征映射模型对山东省可持续发展区域差异进行了研究.研究结果表明,山东省可持续发展水平的区域差异可划分为4类,模拟结果比较理想.     

基于人工神经网络管道泄漏检测系统研究

管道泄漏检测方法及其技术是管道安全管理和维护的重要内容。为了提高监测效率和测定的灵敏度，及时预测和发现泄漏事故，降低检测方法和技术的泄漏误报警率，近年来，北京市劳动保护科学研究所根据国内外管道泄漏检测的各种硬件和软件方法及技术的现状和发展趋势，采用实时测定瞬间流量(8次/s)和质量趋势分析方法，研究建立了基于人工神经网络的气体管道泄漏检测系统软件，简化了神经网络的学习和训练过程，提高了系统检测的灵敏度和准确度，在应用于模拟管道泄漏试验装置系统中获得了如下研