基于人工神经网络模型预测ABR反应器处理效率

ABR反应器的处理效率受多方面的因素影响，本文通过BP人工神经网络，利用ABR反应器进水CODcr浓度、容积负荷、温度、稳定运行时间四个参数对其反应器处理效率进行预测。结果表明，BP人工神经网络可较好的用于ABR反应器处理效率的预测，具有较高的精度，在实际生产中，可以运用人工神经网络，对ABR反应器的运行参数进行调整，使之达到最优化的运行状态。     

GIS支持下的水文生态效应评价混合型专家系统设计初探

文章从人工神经网络(ANN)、专家系统(ES)各自的优势和不足出发，结合地理信息系统(GIS)技术的特点，介绍了水文生态效应评价的混合型专家系统(HEMES)的基本结构模式和各模块的功能。然后抓住ANN、ES、GIS的共同作用因子一专家知识，从数据库结构、C 类方面探讨了三者集成的问题，并根据集成的思想探讨了相关功能设计。指出HEMES是一种更准确、易操作的评价技术，可作为相关管理、决策者的辅助工具。     

基于BP神经网络的安全评价方法研究

阐述了BP神经网络的基本原理,利用机会约束的思想建立了综合安全评价模型．运用反向传播算法和遗传算法对神经元网络进行训练,在此分析基础上对系统综合安全评价模型进行求解,并对运用神经元网络进行综合安全评价的优点进行了分析。     

基于遗传算法的人工神经网络大气环境评价

人工神经网络模拟大脑的认知功能,通过改变连接点的权值和阈值来训练神经网络完成特定的功能。运用基于遗传算法的BP网络模型,以国家大气质量标准作为网络的输入样本对网络进行训练,对某地区大气质量进行评价,结果与综合指数法比较吻合。     

Application of Bayesian regularized BP neural network model for analysis of aquatic ecological data-A case study of chlorophyll-a prediction in Nanzui water area of Dongting Lake

Bayesian regularized BP neural network（BRBPNN） technique was applied in the chlorophyll-α prediction of Nanzui water area in Dongting Lake. Through BP network interpolation method, the input and output samples of the network were obtained. After the selection of input variables using stepwise/multiple linear regression method in SPSS i1.0 software, the BRBPNN model was established between chlorophyll-α and environmental parameters, biological parameters. The achieved optimal network structure was 3-11-1 with the correlation coefficients and the mean square errors for the training set and the test set as 0.999 and 0.000？8426, 0.981 and 0.0216 respectively. The sum of square weights between each input neuron and the hidden layer of optimal BRBPNN models of different structures indicated that the effect of individual input parameter on chlorophyll- α declined in the order of alga amount 〉 secchi disc depth（SD） 〉 electrical conductivity （EC）. Additionally, it also demonstrated that the contributions of these three factors were the maximal for the change of chlorophyll-α concentration, total phosphorus（TP） and total nitrogen（TN） were the minimal. All the results showed that BRBPNN model was capable of automated regularization parameter selection and thus it may ensure the excellent generation ability and robustness. Thus, this study laid the foundation for the application of BRBPNN model in the analysis of aquatic ecological data（chlorophyll-α prediction） and the explanation about the effective eutrophication treatment measures for Nanzui water area in Dongting Lake.     

应用BP神经网络预测嵌岩桩竖向承载力的研究

利用BP神经网络,建立了嵌岩桩竖向承载力预测的BP神经网络模型,采用嵌岩桩竖向承载力的实验数据对网络进行了训练,并以此训练好的BP神经网络对嵌岩桩承载力进行了预测。预测结果表明,该模型具有很高的预测精度,为预测嵌岩桩承载力提供了一种新的方法。     

基于T-S模糊神经网络的大沽河水质变化特征分析研究

基于T-S模糊神经网络,利用大沽河2010年-2015年水质监测数据,选取溶解氧、化学需氧量、高锰酸盐指数、氨氮、总氮、总磷对水质具有重要影响的6项指标,建立适用的水质评价模型,对大沽河水质变化特征进行分析.结果显示:上游水质评价结果明显优于中游、下游水质评价结果,网络评价水质等级变化趋势同真实指标数据变化趋势一致.验证结果充分表明了T-S模糊神经网络用于水质变化特征分析是可行、有效的.     

基于WebGIS的水环境模拟关键技术研究

近年来随着水环境模拟领域的发展出现了较多水环境数学模型,目前日益成熟的WebGIS技术是使模型使用变得简单化和直观化的一大途径.是在通过Flex和ArcGIS Server搭建WebGIS系统平台的基础上,利用PHP进行WebGIS和水环境模拟模型的数据交互,实现系统平台和数值模型的松散耦合.用户在浏览器端进行模型输入条件的设置,模型在远程服务器端进行运行计算,反馈的模拟结果通过RIA在WebGIS中进行多元化动态展示.该方法对一般模型具有适用性,可降低模型使用门槛,提高模拟结果展示和分析能力.     

基于BP神经网络的二元混合液体自燃温度预测

为了给工业界提供一种快速预测二元混合液体自燃温度的有效途径,将试验所测不同组分及配比的168个二元混合液体的自燃温度作为期望输出,将基于电性拓扑状态指数(ETSI)理论、引入混合ETSI概念而计算出的9种原子类型所对应的混合ETSI作为输入,采用三层BP神经网络技术建立了根据原子类型混合ETSI来预测混合液体自燃温度的BP神经网络模型,并应用改进的Garson算法进行多参数敏感性分析。经模型评价验证及稳定性分析,得到训练集的决定系数R2为0.965,平均绝对误差MAE为11.892 K,测试集的交叉验证系数Q2ext为0.923,平均绝对误差MAE为15.530 K,发现该模型的预测性能优于已有的多元非线性回归(MNR)模型,表明BP神经网络模型具有较好的拟合能力和预测能力,对烷、醇类混合体系自燃温度的预测精度最佳。     

基于高光谱的土壤全氮含量估测

基于高光谱(350~2 500 nm)数据,研究了我国中、东部地区5种主要类型土壤全氮含量与高光谱反射率之间的定量关系,构建了基于偏最小二乘法(PLS)、BP神经网络(BPNN)和特征光谱指数的土壤全氮含量估算模型。结果表明,以500~900 nm、1 350~1 490 nm区域波段反射率经Norris滤波平滑后的一阶导数光谱为基础,构建的基于PLS和BPNN的土壤全氮含量估算模型精度较高,建模决定系数分别为0.81和0.98;独立观测资料检验结果显示,模型预测决定系数分别为0.81和0.93,均方根误差RMSE为0.219 g·kg^-1和0.149 g·kg^-1,相对分析误差RPD为2.28和3.36,说明PLS和BPNN模型对土壤全氮含量具有较高的预测精度。在光谱指数的分析中,基于近红外872 nm和1 482 nm 两个波段的差值光谱指数DI(NDR₈₇₂,NDR₁₄₈₂)对土壤全氮含量最敏感,建模决定系数、预测决定系数、RMSE和RPD分别为0.66、0.53、0.31 g·kg^-1和1.60。比较而言,三种方法估算土壤氮含量的精度顺序为BPNN模型＞PLS＞DI(NDR₈₇₂,NDR₁₄₈₂),基于PLS和BPNN两种方法建立的土壤全氮含量高光谱估测模型具有较高的精度,可以用来精确估算土壤全氮含量;基于两波段构建的DI(NDR₈₇₂,NDR₁₄₈₂)预测效果低于前两者,但也可以用来粗略估测土壤中的全氮含量。