基于径向基函数神经网络方法的城市生态压力预测

针对城市生态压力影响因素复杂,难以对城市未来可持续发展状况做出准确判断的问题,提出了城市生态压力的径向基函数神经网络预测模型,分析了影响城市生态系统的主要因素.以抚顺市1995-2009年数据为基础,验证了模型的准确性并预测了该市2010-2015年城市生态系统的压力情况.研究结果表明:能源消耗指标是影响城市生态系统压力的主要因素;运用径向基函数神经网络模型对训练样本的拟合精度以及对测试样本的仿真精度分别达97.91%和94.16%;抚顺市2015年的人均生态足迹、 生态承载力和生态赤字分别达到7.013、 0.523和6.49 hm²/人.     

基于BP人工神经网络的长江口外海生态综合评价及其成因分析

以长江口外海域为研究区域,基于2008年秋季该海域2个峰面断面的海洋环境调查走航数据,以海水水质指标、浮游植物多样性指数及叶绿素a浓度为评价指标,运用BP人工神经网络的方法评价该海域生态环境质量状况,结合该海区的地形及水动力情况分析,结果表明:2008年秋季长江口外海域生态状况总体处于亚健康状态;31°N断面受长江冲淡水影响,生态状况近海劣于远海,但20号站位逆趋势好转,据监测,夏季其附近海域为赤潮高发区;30°N断面近岸受浙江沿岸上升流影响,生态状况好于31°N,但5号站位逆趋势恶化;5号和20号站位反映了上升流与长江口冲淡水的交汇区域的生态状况。BP人工神经网络用于生态环境评价,具有一定的客观性和通用性。     

基于MATLAB的BP神经网络模型在漠阳江水质评价中的应用研究

为提高水质评价的准确性,基于MATLAB及人工神经网络理论,采用误差反向传播的BP算法建立漠阳江水质评价模型,充分利用神经网络的非线性映射特性,取7项常规地表水水质评价指标对漠阳江水质进行评价,并将BP神经网络评价结果与单因子评价法及综合指数法的评价结果进行比较,网络运行结果表明一致效果良好.同时较传统的水质评价方法,该网络具有较高的识别精度,提高了水质评价等级的准确性,使评价的结果更具有科学性.     

BP神经网络在再生水补给密云水库水质评价中的应用

基于环境质量基本模型,将补给的再生水视为点源污染,建立了再生水补给后的湖库污染物浓度变化模型.在得到补给后主要污染物稳定浓度的基础上,建立BP神经网络模型,使用随机数发生器生成随机数据作为模型的学习样本和检验样本以满足BP模型对样本数量的需求.使用BP模型对再生水补给后的水质进行评价,评价结果证明了再生水补给的可行性与相对安全性.     

多氯酚QSAR数值模型比较研究

应用多元线性回归分析和新近发展起来的人工神经网络方法进行了一类重要环境污染物多氯酚的定量构效关系研究，并用所建立的模型进行毒性预报，计算值与实验值的比较表明，前的相关系数约为０．９２，后的相关系数约为０．９９．后的百分误差地明显小于前，后的预报能力略好于前，中还讨论了后优于前的的原因。     

BP网络在环境监测中的应用

本文介绍了BP网络的结构和学习规则及其在环境监测中的应用，指出人工神经网络在环境监测中的优越性。     

应用BP神经网络实现环境监测的优化布点

环境监测的合理布设关系到只有用量测点的监测数据就能客观、准确地反映区域环境的质量,采用传统的优化统计模型对监测数据进行处理一限较繁。基于人工神经网络应用于模式分类与人有适应能力强、客观性好的特点,提出将人工神经网络ＢＰ与逐步聚类分析物思想相结合,实现对环境测点的逐步聚类优选,用该方法对贵阳市１９９２－１９９３年期间的１６个大气环境测占煌监测数据进行优选,得到的６个优点选点符合实际结果。     

人工神经网络方法用于城市环境空气质量综合评价

采用人工神经网络技术,建立了城市环境空气质量综合评价的ANN模型,并通过实例对建立的评价模型进行验证。结果证明,ANN模型用于区域环境空气质量评价,其评价结果比较直观。同时,对在建立和应用ANN模型时应注意的一些问题进行了讨论。     

基于Matlab的BP神经网络在大气污染物浓度预测中的应用

为了寻求有效控制和改善环境质量的相应措施,选用了英国伦敦Bloomsbury监测站的PM10小时平均浓度监测资料,采用“提前终止法”泛化改进的BP神经网络模型,预测PM1024 h内的小时平均浓度。结果表明：采用BP神经网络法对大气污染物浓度进行预测,预测相对误差在2%-48%之间,且绝大部分在2%-17%之间,预测精度较高,泛化能力较好,为大气污染物浓度预测提供了一种全新的思路和方法。