基于人工神经网络的黑龙江省县域经济发展水平评价

文章运用人工神经网络方法,选取了8个经济指标,以黑龙江省2004年统计年鉴为数据源,对年黑龙江省66个县（市）的社会经济发展水平进行评价。结果表明：黑龙江省县域经济整体发展水平不高,而且区域差异显著;根据评价结果利用聚类分析方法将黑龙江省县域经济发展水平分为5级。文章最后提出了促进县域经济发展的措施。     

Assessment of physically-based and data-driven models to predict microbial water quality in open channels

In the present study,a physically-based hydraulic modeling tool and a data-driven approach using artificial neural networks (ANNs) were evaluated for their ability to simulate the fate and transport of microorganisms in a water system.To produce reliable data,a pipe network was constructed and a series of experiments using a fecal coliform indicator (Escherichia coli 15597) was conducted.For the physically-based model,morphological (pipe size,link length,slope,etc.) and hydraulic (flow rate) conditions were used as input variables,and for ANNs,water quality parameters (conductivity,pH,and turbidity) were used.Both approaches accurately described the fate and transport of microorganisms (physically-based model: correlation coefficient (R) in the range of 0.914 – 0.977 and ANNs: R in the range of 0.949 – 0.980),with the exception of one case at a low flow rate (q = 31.56 cm 3 /sec).This study also indicated that these approaches could be complementarily utilized to assess the vulnerability of water facilities and to establish emergency plans based on hypothetical scenarios.     

基于BP神经网络的义水河水环境质量评价研究

水质质量涉及多个影响因子,因子间大多具有非线性相关性,因此,水质评价是一个具有多因子的非线性系统。人工神经网络具有非线性映射的特点,能够有效地处理非线性相关问题,将其应用于水质评价中能够获得更为准确的信息。文章以溶解氧、高锰酸盐指数、化学需氧量、氨氮、总磷、石油类等6个指标作为评价因子,通过构造BP网络模型对义水河水质进行评价,分析了义水河4个断面的水质状况,并与单因子评价法结果进行了比较分析。     

OPAQ系统两种模式对O 3预报准确率的探讨

以江苏省宿迁环境监测中心OPAQ系统为例,基于人工神经网络算法的OPAQ空气质量预报系统的2种模式对O 3预报准确率的进行了分析,结果表明,趋势最优模式(RMSE模式)对预报当天及未来3 d的预报值与监测值的相关性系数均>0.78,相对误差在25%以下,在预测当天及未来24、48及72 h优-良天的预测准确率较高,分别为88.8%、87.2%、86.3%及84.7%,在预测轻度污染-重度污染的准确率较低;极值最优模式(SI模式)对预报当天及未来3 d的预报值与监测值的相关性系数(R)均>0.76,相对误差<32%,预测未来24和48 h的轻度污染-中度污染的级别准确率>60%。OPAQ系统的极值最优模式(SI模式)更适合作为夏季ρ(O 3)较高时的预测工具。     

海南岛潜在震源区的研究

本文应用人工神经网络原理,以地震构造和地震活动性为主要特征,对我国海南岛进行了潜在震源区的定量划分。这种划分既反映了当前人们对地震发生规律的认识水平,又为城建部门按照工程重要性和使用年限选取相应的抗震设计参数提供了依据。     

基于MLP-ANN与Markov Chain的土地利用变化预测方法——以锡林郭勒盟为例

以北方草地典型地区—内蒙古锡林郭勒盟为案例区,在1995年到2000年的土地利用变化与驱动力分析的基础上,利用土地利用转换类型和驱动力模型,采用多层感知人工神经网络模型分析了各种土地利用类型未来的转换潜力;利用马尔可夫链模型,预测了2005和2010年土地利用格局。预测结果显示：高覆盖度草地减少幅度最大,中覆盖度草地减少相对和缓,高、中覆盖度草地的减少造成了未利用地和低覆盖度草地的增加,尤其是前者增加的幅度最大;从空间分布看,高覆盖度草地的减少集中在西北部地区,主要转变为中低覆盖度草地,中覆盖度草地的减少主要集中在西南部地区,其流向主要是以沙化土地为主的未利用地;案例研究表明,多层感知人工神经网络模型与马尔可夫链模型的结合与应用能够在很大程度上预测稳定驱动力作用下的土地利用变化趋势,从而为生态干预提供指导。     

人工神经网络及分子拓扑参数在酚类有机物QSBR研究中的应用

利用分子拓扑参数作为输入参数,探索了人工神经网络对２７种酚类有机物的定量结构－生物降解性能关系（ＱＳＢＲ）。结果表明,将人工神经网络运用于有机物的生物降解性能建模是可行的。所建模型预测结果和文献数据十分接近,预测能力优于已有文献报道,且能够较好区分同分异构体。     

提高人工神经网络洪水峰值预报精度的研究

以动量项与学习率自适应调整相结合的改进BP算法作为人工神经网络计算方法，阐述了洪水预报网络模型的构造和数据处理，以及转移函数对洪水预报精度的影响，提出了合理的洪水预报网络模型的设计方案。     

人工神经网络在大气环境质量评价中的应用

针对大气环境中的数据监测与模式识别问题,应用人工神经网络理论,在自然环境大气腐蚀试验网站建立大气环境质量B-P网络评价模型。江津试验站成功地应用了该模型。通过1996-2000年大气环境质量评价结果表明,人工神经网络用于大气环境质量评价的方法是一种新方法,也是一种可行的方法。     

应急状态下矿井瓦斯爆炸致灾因子传播快速分类器研究*

为了在矿井瓦斯爆炸灾变发生后,快速确定瓦斯爆炸冲击波的压力、温度、有毒有害气体等致灾因子在井巷网络中的传播情况。利用CFD数值模拟或爆炸实验获得瓦斯爆炸冲击波的压力、温度、有毒有害气体等致灾因子传播大数据,将影响瓦斯爆炸传播的因素以及观测点等参数作为人工神经网络的输入节点,压力、温度等致灾因子作为输出节点,建立瓦斯爆炸致灾因子传播快速预测机器学习模型,解决CFD数值模拟的建模、计算及数据分析处理等过程耗时大、不适应灾变应急的快速响应等问题。研究结果表明:在给定爆炸位置和爆炸当量的均直巷道,获得任一点的爆炸冲击波压力、温度以及有毒有害气体所需时间是瞬时的,人工神经网络平均训练误差为6.92 %,有训练样本的验证误差为5.24 %,无训练样本的验证误差为6.88 %。