污水处理中人工神经网络应用研究的探讨

针对污水处理系统的时变性、非线性、复杂性和不确定性的特点,提出应用人工神经网络技术对其控制,实现污水处理系统自动控制。简述了目前广泛应用于废水处理的神经网络以及建模原理。结合国内外研究动态,分析了人工神经网络在污水处理领域取得的成果,结果表明:在污水处理中引入神经网络智能控制是一种提高处理效率、降低运行成本的有效方法,国内在污水处理的神经网络智能控制的研究与国外有较大的差距,国内的研究及应用还处在发展阶段,应当加强。并对神经网络待解决的问题和发展趋势作了讨论。     

基于人工神经网络的巢湖富营养化分时分区评价

应用人工神经网络方法,以温度、高锰酸盐指数、总磷、总氮作为评价参数,对巢湖湖区12个点位的营养状态进行了分时段评价,一共评价了2000年至2003年四个年度的各月份的营养状态。因为湖泊的营养状态水平是变化的,不同区域、不同时段营养状态水平是不同的,因此采用分区分时评价更能全面客观地反映巢湖的营养状态水平及其变化特征。     

组合法在塔里木盆地石油产量预测中的应用

影响塔里木盆地石油产量的因素是多方面的,这些因数与产量之间具有非线性关系,采用通常的数学方法很难对其进行分析,鉴于此,本文利用灰关联度对塔里木盆地石油产量的主要影响因素进行分析,从中选择关联度较大的因素作为影响元,利用GM(1,1)和BP人工神经网络建立的组合预测模型,对塔里木盆地石油产量发展趋势进行短期预测,运用翁氏旋回预测模型在短期预测的基础上对塔里木盆地石油产量进行中长期预测,其预测结果对决策者制定勘探战略、优化勘探项目、确定投资方向提供参考,对油气管理部门提供一定的科学依据。     

海洋环境中材料腐蚀数据采集处理网络系统的研究

介绍了利用电话公网为传输栽体建立以海洋腐蚀与防护国防科技重点实验室为中心辐射青岛、厦门和三亚3个海水试验站的材料腐蚀数据采集计算机网络平台。研发了具有自主知识产权的多通道电偶腐蚀数据自动采集系统,将该系统与网络平台相结合可实现远程实验数据自动采集。同时为了有效地管理、存储和实现数据的共享,研究建立了海洋环境材料腐蚀与防护数据库,收集和整理了大量的材料腐蚀数据。在分析研究大量腐蚀数据的基础上建立了误差反传（BP）人工神经网络预测模型和灰色GM（1,1）腐蚀预测模型。从而形成一套较完整的数据采集、处理和分析网络系统。     

基于人工神经网络的莺落峡月径流模拟预测

莺落峡是黑河干流出山口径流量的重要控制站,莺落峡径流量的多少直接影响着该流域经济、社会的发展和生态环境保护,水资源分配和调度的管理和决策。论文基于人工神经网络,对莺落峡径流进行了模拟预测。将月径流分为汛期和非汛期,分别建立BP人工神经网络,通过对径流分类前后的模型进行比较,发现分类后的月径流BP模型的性能显然优于未分类的模型,故此设计了4种不同气候情景,采用分类后的模型对莺落峡2030年的径流量进行了预测。即,在降水量不变、气温增加0.5℃,2030年莺落峡年径流量将增加8.92%;气温增加1℃、降水量不变,年径流量将减少5.414%;气温不变、降水量增加10%,年径流量将增加9.905%;气温增加0.5℃、降水量增加10%,年径流量将增加8.98%。     

基于人工神经网络的地面水环境质量评价模型

针对确定水体类别比较困难这一问题 ,引入人工神经元网络理论和思想 ,通过建立基于 BP人工神经网络模型 ,对地面水体环境质量进行评价。     

大气环境质量综合评价的B－P网络模型

选取大气环境质量的三级标准作为３个学习样本，以ＳＯ＿２，ＮＯ＿ｘ和ＴＳＰ三种污染物的三级标准浓度限值作为样本的输入特征值，建立了三参数的Ｂ－Ｐ网络大气环境质量综合评价模型，用该模型对３１个测点的大气环境质量进行评价，并与模糊数学和灰色系统法的评价结果比较，表明Ｂ－Ｐ网络用于大气环境质量评价具有优越性。     

人工神经网络模型在石油资源预测中的应用

锦270井区大凌河油层是盆地大幅度沉降条件下的产物，以深陷湖环境为主，发育湖底扇浊积岩。准确预测大凌河油层的砂体分布和泥质含量，是勘探目标选择的关键。由于钻井资料少，不能反映储层横向变化。为了准确预测储层的横向变化，综合钻井地质资料和地震勘探资料，并为了反映地震资料的多个参数与储层横向变化间的非线性相关关系，采用人工神经网络模型进行预测，计算了大凌河油层砂层厚度和泥质含量的平面分布。依据计算结果，分析了有利油气区的分布，并给出了几点结论。     

基于B－P网络的水质营养状态评价模型及其效果检验

选取与ＴＳＩ＿ｃ为０．５０，１００相应的水质营养状态作为３个建模样本，以ｃｈｌ－ａ，ＴＰ，ＴＮ和ＳＤ４个水质参数作为样本的输入特征，建立Ｂ－Ｐ网络的水质营养状态评价模型。该模型应用于全国３０个湖泊水质的营养状态评价，获得了较好的检验效果。     

人工神经网络改进BP算法优化水质监测点

运用人工神经网络理论对城市河涌水质监测布点进行优选，基于前馈多层BP型神经网络的改进算法，用广州市河涌水质分类标准和实测水质数据对神经网络模型进行训练和检验，结果表明，该方法具有客观、可靠、实用、容错性高的优点，是一种科学、新型的水质监测点优选方法。