基于人工神经网络的造纸废水处理动态仿真

研究了人工神经网络对废纸造纸废水处理过程动态仿真的可行性,采用误差反向传播网络(BP网)建立了表征原水COD、加药量、进水流量、历史出水COD与预计出水COD之间复杂关系的动态模型,并对不同训练方法进行了比较,发现带有动态调整的方法具有较好的效果,其模型的计算输出值与过程的实际输出值具有较好的一致性.对造纸厂现场排放的废水的实验表明,该模型可用于废纸造纸废水处理的动态描述.     

地铁火灾二次事故BP神经网络安全评价方法研究

基于能量转移理论、多米诺效应理论等相关理论对地铁火灾二次事故概念进行界定,并分析地铁火灾二次事故的演化机理,确定地铁火灾条件下易发的二次事故类型;建立了地铁火灾二次事故安全评价指标体系,通过BP神经网络的安全评价方法对地铁火灾二次事故进行量化分析。     

滇池水污染物浓度预测的人工神经网络模型

本文针对滇池日益严重的水污染现状,根据云南昆明西苑隧道断面2004年-2010年的监测资料,建立了基于BP神经网络的主要污染指标预测模型,并对其进行训练检验,研究结果表明：独立样本中pH、溶解氧、氨氮、高锰酸盐浓度的预测值与监测值的线性相关系数分别为0．952、0．967、0．945、0．936。结果证明该模型预测精度满足要求,通过准确地预测湖泊水污染物可以为治理湖泊营养化和综合利用水资源、规划管理、决策提供重要的科学依据。     

BP人工神经网络在深基坑桩体位移预测中的应用

深基坑围护结构的水平位移是基坑变形破坏的最主要形式之一。深基坑在开挖过程中,由于卸荷作用产生的压力差使得基坑围护结构产生水平位移,如果位移值过大,则会直接导致基坑主体结构和周边建筑物的破坏。本文基于MATLAB神经网络工具箱函数建立了人工神经网络预测模型,对武汉某地铁车站深基坑开挖过程中桩体围护结构的水平位移进行了预测,并预测了基坑变形的未来发展趋势,以为基坑开挖与支护设计提供指导。预测结果显示其预测值与实际监测值基本一致,表明BP人工神经网络应用于深基坑桩体位移预测是可行、可靠的。     

人工神经网络在沿海区域环境复杂系统预测中的应用

针对复杂系统的非线性特征，分析了应用人工神经网络技术实现可持续发展复杂系统预测的可能性，并以上海市和崇明县为例建立沿海区域预测模型，取得了较好的预测结果，为可持续发展复杂系统的预测研究探索了一种新的可能方法。     

基于人工神经网络多源数据融合的子像元冬油菜提取——以两湖平原为例

油菜是我国第五大农作物和重要的油料作物。获取油菜的种植分布信息对食用油市场的发展和粮食安全具有重要意义。两湖平原泛指包括湖北江汉平原和湖南洞庭湖平原在内的广大平原区域,是我国重要的粮棉油生产基地,“湖广熟,天下足”指的就是这一地区。由于耕地破碎,种植结构复杂,两湖平原轮作和间作的现象非常普遍,传统的遥感监测方法难以准确地获取冬油菜的空间分布。本文提出了一种基于人工神经网络ANN的子像元冬油菜提取方法,将时间序列MODIS-EVI和GF-1数据结合以提取两湖平原的冬油菜丰度信息。首先采用顺序前向选择SFS算法从时间序列MODIS-EVI数据集中进行物候特征优选;然后构建融合多源数据的ANN模型估算两湖平原的冬油菜丰度。结果表明：基于ANN方法获取的冬油菜分布具有较高的精度（ANN估算结果与GF-1和统计数据的验证精度分别为91.54%和74.70%）,在利用中分辨率影像进行大尺度冬油菜精细制图方面显示出巨大潜力,可为我国冬油菜的空间分布制图和时空格局分析提供技术方法。     

人工智能助力臭氧催化剂SrFexZr1-xO3的开发

将人工智能应用于催化臭氧氧化催化剂SrFe_xZr_1-xO₃的开发过程,采用共沉淀法制备了50种不同配方的催化剂,考察聚乙二醇（PEG）投加量、煅烧时间、老化时间、氨水投加量和铁掺杂量对SrFe_xZr_1-xO₃催化剂催化臭氧降解间甲酚反应活性的影响.同时,利用人工神经网络（ANN）和响应面（RSM）对催化剂合成条件与TOC去除率和间甲酚转化率的关系进行拟合,训练集中ANN的R²值分别为0.91和0.97,高于RSM的R²值0.35和0.41;在4组测试集上ANN的均方误差（MSE）分别为9.87和17.67,远小于RSM的23.89和28.87.结果表明,ANN模型对催化剂制备过程的复杂体系具有更好的拟合和泛化能力.在ANN训练好的模型中通过枚举法寻找最优合成条件为：PEG投加量为19.00%,煅烧时间为1.25 h,老化时间为26.50 h,氨水投加量为6.21 mL,铁掺杂量为3.37%,所得催化剂为SrFe_0.13Zr_0.87O₃-B.最佳反应条件下,间甲酚转化率和TOC去除率分别达到98.52%和17.21%,优于空白组的73.46%和1.86%.     

Fe3O4/GO对水溶液中Cd(II)去除的影响因素

为探索高效且快速去除水溶液中Cd （Ⅱ）污染方法,采用自制磁性四氧化三铁负载氧化石墨烯（Fe₃O₄/GO）纳米复合材料对水溶液中Cd （Ⅱ）进行去除,利用单因素实验确定影响因素水平范围（初始Cd （Ⅱ）浓度、温度、反应时间、初始pH值）,并采用响应面法（RSM）及人工神经网络-遗传算法（ANN-GA）对去除水溶液中Cd （Ⅱ）的影响因素（4因素3水平）进行优化,利用等温吸附、动力学及热力学参数研究吸附剂性能.通过扫描电子显微镜（SEM）、X射线衍射仪及超导量子干涉器件（SQUID）对复合材料表征.结果表明,平均粒径为30.9nm的磁性Fe₃O₄/GO纳米复合材料被成功制备.RSM用于磁性Fe₃O₄/GO纳米复合材料对水溶液中Cd （Ⅱ）去除条件优化,预测去除率达到86.451%,验证试验为82.220%,对应条件：温度为20.14℃,反应时间为57.78min,初始pH值为6.41和初始Cd （Ⅱ）浓度为11.18mg/L; ANN-GA优化条件后的预测去除率为89.722%,验证试验为87.723%,相应条件：温度为29.96℃,pH值为5.49,初始Cd （Ⅱ）浓度为28.36mg/L,反应时间为65.78min.根据模型R²值,预测的最大去除率及验证试验,ANN-GA模型性能及预测能力均高于RSM.RSM方差分析表明4个因素对磁性Fe₃O₄/GO纳米复合材料去除水溶液中Cd （Ⅱ）的影响大小为：初始Cd （Ⅱ）浓度>温度>反应时间>pH值.吸附机理分析结果显示,Fe₃O₄/GO纳米复合材料对Cd （Ⅱ）吸附过程同时存在着物理吸附和化学吸附.结合ANN-GA优化,利用磁铁实现且快速分离,磁性Fe₃O₄/GO纳米复合材料用于去除Cd （Ⅱ）是可行的.关键字：Cd （Ⅱ）;四氧化三铁负载氧化石墨烯;单因素实验;响应面法;人工神经网络-遗传算法中图分类号：X53     

气溶胶散射吸湿增长因子的BP神经网络模型

气溶胶组分、结构以及形态的复杂性对高湿条件下气溶胶散射吸湿增长因子统计模型的适用性提出了挑战。基于成都市2017年10—12月浊度计和黑碳仪的逐时观测资料，结合同时次的环境气象监测数据，利用“光学综合法”计算气溶胶散射吸湿增长因子。以相对湿度(RH)、C_BC、C_BC/C₍PM_2.5)、C_PM1/C₍PM_2.5)以及C₍PM_2.5)/C₍PM₁₀)作为输入因子[C_BC、C_PM1、C₍PM_2.5)、C₍PM₁₀)分别为黑碳(BC)、PM₁、PM_2.5、PM₁₀的质量浓度],构建了气溶胶散射吸湿增长因子的BP神经网络...     

基于模糊神经网络的A2/O工艺出水氨氮在线预测模型

采用厌氧/缺氧/好氧污水处理系统(A2/O)对人工合成污水进行处理,并利用人工神经网络(ANN)模型和自适应模糊人工神经网络(ANFIS)模型对A2/O处理污水的过程进行仿真模拟.在MATLAB环境下,选取可在线监测的水力停留时间(HRT)、进水pH值(pH)、好氧池溶解氧(DO)和混合液回流比(r)作为输入参量,系统出水氨氮浓度(NH4+eff)为输出量,建立在线预测模型.结合自适应模糊C均值聚类算法,确定ANFIS模型的模糊规则数及最优运行参数,对实验数据进行仿真预测.结果表明,与ANN模型相比,ANFIS模型的仿真输出值与实际值的拟合程度更高,相对误差在6.45%之内,平均绝对百分比误差(MAPE)为2.8%,均方根误差(RMSE)为0.1209,相关系数(R)达0.9956.模型训练过程中所得到的三维曲面图,可直观的反映各因素与出水氨氮浓度之间的非线性函数关系,为A2/O系统的高效稳定运行提供指导.