基于ANN的SBBR-CRI处理模拟生活污水及其仿真研究

采用序批式生物膜反应器(SBBR)与人工快速渗滤系统(CRI)工艺结合对模拟生活污水进行处理,由于该工艺影响因素与出水参数的复杂非线性关系,利用人工神经网络(ANN)对SBBR-CRI处理生活污水的过程进行仿真模拟.在MATLAB语言环境下,以DO、淹没时间/落干时间、曝气时间/停曝时间、进水COD、进水NH4+-N、进水TP为输入因素,出水COD、NH4+-N、TN和TP为输出因素,构建具有自适应学习规则的人工神经网络.结合最优网络运行参数:隐含层节点数6,初始学习率0.13,动量因子0.6,训练次数6000次,对样本仿真学习,预测值与实际值拟合度较好,样本的绝对平均误差率在7.5%之内,均方根误差均在0.085之内.结果表明,当DO为2mg/L,曝气时间/停曝时间为2/1,淹没时间/落干时间为1/3时,NH4+-N去除率能达到98%以上,TN和TP去除率85%以上,COD去除率94%以上.通过权重分析,进水NH4+-N、DO和进水TP对出水参数影响较大.     

基于ANN分类的农田遥感动态监测模型研究

保护基本农田是我国农业可持续发展的基础和前提,动态监测基本农田在时间和空间上的变化能够为农业开发政策的制定,农业经济发展的规划与管理提供有效的辅助决策手段。论文利用人工神经网络的BP算法实现了对两个时期的遥感影像进行基本农田类型的分类提取,在保证精度的前提下,探索了一条把单要素监测和多要素监测相结合的遥感动态监测模型,并详细描述了模型实现的算法与步骤。最后利用该模型对实验区进行了监测,并对监测结果进行了分析,结果表明模型很好地评估了研究区基本农田的数量和发展潜力,定性、定量、定位地揭示了研究区基本农田类型在时空上的变化规律。     

多种灾情预测模型的研究──2001年后上海市热带气旋灾情预测

采用３种方法,即灰色模型ＧＭ、自回归－滑动平均模型ＡＲＭＡ和人工神经网络ＡＮＮ预测了上海市２００１年后（含２００１年）强热带气旋出现的趋势与规律。结果表明,２００１,２００６和２０１０年将出现中级以上灾情,而前两个年份灾情较重．通过数值计算结果比较了３种方法的应用特点,为进一步建立综合预测模型打下基础。     

基于ANN的造纸废水处理智能控制系统研究

研究了人工神经网络技术在废纸造纸废水处理过程动态建模中应用的可行性,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和控制器模型,其计算输出值与过程的实际输出值具有较好的一致性。利用MCGS组态软件和所建模型搭建了一个造纸废水处理智能控制系统,对造纸厂现场排放废水进行实验,结果表明该系统对废水在线控制具有可行性。     

多元回归和BP人工神经网络在预测混合厌氧消化产气量过程中的应用比较

对脂肪类单基质和城市污水厂剩余污泥混合厌氧消化过程的产气阶段进行基于多元回归和BP人工神经网络的产气量预测模型比较研究。实验数据分别取自反应过程的第1～16天和第17～70天。结果表明:多元回归模型的预测平均准确率分别为75.69%和79.29%;BP神经网络模型的预测平均准确率为79.05%。通过对比2种模型的预测结果可知,两种模型都有较高的预测准确率,但BP模型的预测准确率更高,更适用于混合厌氧消化产气量预测。     

化学品厌氧生物降解QSBR预测模型研究

收集了155种有机化学品厌氧生物降解数据,以随机抽取的109种物质作为训练集,另外46种物质作为验证集,通过结构式拆分得到各基团,分别采用多元线性回归和BP人工神经网络2种算法对有机化合物结构与生物降解性定量关系(QSBR)进行研究。结果表明,多元线性回归模型验证集正确率为78.26%,总正确率为84.52%;BP人工神经网络模型验证集正确率为82.61%,总正确率为90.32%。可见,BP人工神经网络算法相对优于多元线性回归算法。     

基于响应曲面模型的多元复合体系中沉积物吸附阿特拉津的规律

文章建立了阿特拉津（AT）、铜（Cu）、镉（Cd）和马拉硫磷（Ma）四元复合体系中沉积物吸附阿特拉津的BP神经网络模型,模型训练集、验证集、预测集的均方差分别为0.070 3、0.336 0、和0.195 0,模型输入数据与其模拟值相关系数r2=0.841 6。利用所建立的BP神经网络模型构建多元复合体系中沉积物吸附AT的中心复合实验设计并绘制响应曲面模型,结果显示,响应曲面模型可以直观反映多元复合体系中各因素间影响AT吸附的交互作用,AT×Ma的交互作用最大,而除Cu×Cd外,其他两两因素之间的交互作用均呈显著效应,其中,AT×Ma、AT×Cd和Cu×Ma对阿特拉津的吸附产生协同作用,而AT×Cu和Cd×Ma则产生拮抗作用,交互作用占AT吸附量的60.28%,对阿特拉津在沉积物上的吸附影响不可忽略。     

基于人工神经网络方法的河北省近海沉积物重金属污染综合评价

利用误差反相传播神经（BP）网络对河北省近海沉积物中的铅、镉、锌、汞、砷5种重金属元素的污染水平进行分析,利用自组织特征映射（SOFM）网络对上述重金属元素分布特征进行分类,通过分类与污染水平量化值的结合,进行综合评价。SOFM把52个沉积物样品分别划分为3、4、6类和9类。对比各种分类,分为3类的物理意义较明确。每个类别分别对应高中低不同的污染物浓度水平,差异显著、分类方式比较合理。通过此种分类可以判断河北省近海的沉积物重金属污染在不同海域存在一定的差别,整体上是离海岸越远,沉积物的重金属污染水平越高,距海岸较近的海域内,沉积物的重金属污染水平较低,但渤海湾内的重金属污染水平高于其他海域。     

基于人工神经网络方法的FRP增强混凝土断裂研究新思路∗

纤维增强复合材料(FRP)作为一种新型的增强加固材料,由于其强度高、质量轻、防腐蚀、耐疲劳、与混凝土粘结性能好以及便于施工等诸多优点,在混凝土结构修复加固领域得到了广泛的应用。近年来,随着人工智能(AI)的逐渐兴起,机器学习(ML)作为实现AI 的一种途径,在水利、建筑等各行各业也得到了长足的发展。首先简单介绍了ML 的基本原理,并通过对ML 在混凝土结构工程中应用的系统回顾与总结,指出了传统试验和数值模拟分析中FRP 增强混凝土断裂研究存在的一些难点和局限性,阐述了基于ML 的人工神经网络(ANN)方法在处理混凝土结构问题中的优越性,认为采用ANN 方法能够有效解决FRP 增强混凝土断裂研究中难以解决的问题;其次,对ANN 方法应用于FRP 增强混凝土断裂韧度预测中的新思路进行了详细介绍,给出了ANN 方法应用于FRP 增强混凝土断裂韧度预测的具体流程,并对其流程中的一些步骤给出了建议;最后,对ML 应用于FRP 增强混凝土断裂方向的深入研究进行了展望,提出了ML 应用于FRP 增强混凝土断裂方向深入研究的相关问题。     

基于自组织映射与随机森林耦合模型的流域水质空间差异性评估

流域水环境质量空间分布特征分析是推进流域精细化管理的基础.本研究基于流域特征指标与水质的关联性,以子流域为分析单元,利用自组织映射人工神经网络模型（SOM）对苕溪流域水质数据聚类分析为3类后与随机森林模型（RF）进行耦合,对全流域水质进行了空间差异性评估.研究结果显示,上游山地区域水质较好,而平原河网人口集聚区的COD_Mn、NH₃-N及TP浓度较高,山地与平原过渡地带水质则主要受到COD_Mn和TN的影响.采用自然环境、社会经济及土地利用/覆盖指标作为流域特征进行水质分级模式识别,SOM与RF模型耦合模型的准确率稳定在80%左右;在对强相关性特征进行筛选识别后,将蒸发蒸腾量、坡度、人口密度、大于10℃积温、旱地占比、城镇用地占比及景观多样性指数为作为输入特征,准确率可达83%,可以有效地开展全流域水质分级评估.