非点源污染河流水质的人工神经网络模拟

本文应用非点源污染河流水质的BP人工神经网络模型,模拟长乐江水体的总氮、总磷和溶解氧浓度的变化。通过模拟的水质参数相关性分析,协同非点源污染河流的机理性水质模型分析,确定适当的BP网络模型结构。采用实测的水质、水文逐月数据资料,对不同结构的BP网络模型进行了训练与验证。结果表明,相关性与机理性模型协同分析的方法,能较好地解决BP网络输入层参数的选择问题,所选择的参数较全面地表达了流域非点源污染发生的主要驱动因素和河流中污染物自净过程的主要影响因素。BP网络模型可以较精确地模拟非点源污染河流的水质变异,各水质参数模拟结果的平均相对误差在±10%以内。单隐含层结构的BP网络模型模拟结果比多隐含层结构模型结果更准确;单参数输出结构的网络模型模拟结果,优于多参数输出结构模型的模拟结果。

BOD-DO耦合人工神经网络水质模拟的研究

将人工神经网络的理论和方法引入河流水质模型的建模中 ,提出了BOD DO耦合BP人工神经网络水质模型 ,应用长江干流重庆段的实测水质样本对模型进行训练与检验表明 :该模型用于水质模拟可行且精度较高 .

基于人工神经网络的串联水库水质模拟预测

将人工神经网络(A-BP)模型用于串联水库水质的空间模拟预测,建立了基于A-BP的一维和二维水质模型。根据串联水库的水质在一维空间上的连续性,构建模拟水质一维空间分布的A-BP模型;二维A-BP水质模型是在将二维水质扩散问题视为平流扩散、横向扩散和纵向扩散3个方面问题的基础上建立的。模拟预测结果表明,本文建立的A-BP水质模型模拟预测效果较好,模型构建合适,可以作为进行水库水质模拟预测的有效工具。

二维水质模型横向扩散系数的人工神经网络模拟

将人工神经网络的理论和方法引入河流横向扩散系数的理论预测中 ,提出了基于 BP人工神经网络的横向扩散系统预测模型 ,应用国内外河流的实测样本对模型进行训练与检验表明 :该模型用于横向扩散系数的计算不仅可行而且精度较高 。

基于BP人工神经网络的海水水质综合评价

为了能够客观地对海水水质进行综合评价,在分析人工神经网络概念和原理的基础上,从阈值角度出发,通过对各类海水水质污染指标浓度生成样本的方法,生成了适用于BP人工神经网络模型训练的样本,并应用基于误差反向传播原理的前向多层神经网络,建立了用于海水水质评价的BP人工神经网络模型。将该模型用于渤海湾近岸海域水环境评价,通过模型的计算,得到该海域的水质类别。结果表明,2004-2007年,渤海湾近岸海域污染指标总体上在河流丰水期时比枯水期时高,2005年和2006年污染较为严重,2007年有所好转。经训练的评价模型应用于实例的评价结果表明,该模型设计合理、泛化能力强,对海水水质评价具有较好的客观性、通用性和实用性。

用人工神经网络模型模拟催化精馏塔

尝试用人工神经网络模型模拟醋酸甲酯水解催化精馏塔的操作过程，并寻求最佳工艺条件。以进料水酯比、回流进料比和醋酸甲酯的体积流率与催化剂体积比作为输入层的三个节点，醋酸甲酯的转化率和塔釜中的酸水比为输出层的两个节点，采用ＢＰ算法结合模拟退火算法，利用小试实验数据训练网络并检验训练结果；内插或外推一系列假想的工艺条件，让网络预测操作结果，最后确定最佳操作目标，通过网络模型寻找一组最佳工艺条件。结果表明：以充足可靠的实验数据为基础，神经网络模型能精确预测实验结果；利用人工神经网络模型对工艺条件进行优化，可取得令人满意的结果。

人工神经网络技术在水质动态预测中的应用

根据前人研究 ,上海地区地下水的水质变化主要受人工开采和回灌活动的影响 ,然而 ,由于地下水流动的复杂性 ,水质变化与采灌井的开采量及回灌量之间存在着完全非线性的关系 ;另一方面 ,人工神经网络技术具有较强的解决矛盾样本 (即非线性问题 )的能力 ,因此 ,作者在收集已有观测资料的基础上 ,利用人工神经网络技术对上海地区第III承压含水层的矿化度变化进行了预测。算例表明 ,应用该法进行单井预测的相对误差只有 2 .0 7% ,多井预测的相对误差小于 1 .5%。

渭河水质遥感反演的人工神经网络模型研究

以渭河陕西段水域为研究对象,在获取了实地监测数据和SPOT5遥感影像的基础上,对遥感数据进行预处理,建立了BP神经网络水质反演模型和RBF神经网络水质反演模型。并对水质参数CODcr、NH3-N、DO、CODmn进行反演。研究结果表明,利用神经网络模型反演水质参数是可行的,由于是非线性模型,其反演结果明显好于线性回归模型的结果。

人工神经网络模型在地下水水质评价分类中的应用

人工神经网络(ArtificialNeuralNetwork以下简称ANN)是一种行之有效的数据处理和分析方法,它的应用领域不断扩大并逐渐完善,本文在传统ANN方法基础上进行了进一步的探讨,立足于BP算法,通过调整ANN输出结构,提高其鲁棒性能,从而使其更具有适应性。将改进后的ANN应用于地下水水质评价分类,并和模糊综合评判评价结果进行了比较,分类结果令人满意。

基于BP人工神经网络的大沽河湿地海水水质综合评价

水体环境包含多个影响因素,因素间大多具有非线性相关性,为了能够客观地对大沽河湿地海水水质进行综合评价,以神经网络为基础,利用溶解氧、化学需氧量、无机氮、活性磷酸盐、石油类5个指标作为评价因子,建立了5×5×1拓扑结构的BP人工神经网络模型,通过该模型对大沽河湿地水质进行综合评价。同时采用单因子评价方法、内梅罗指数法对该海域环境状况进行评价,以期更好的对比评价BP人工神经网络模型的优缺点。BP人工神经网络模型评价结果显示,大沽河河道内站点的水质均为劣Ⅳ类水质,入海河流断面及其周边海域也达到了Ⅲ类及以上水质标准。调查海域无机氮含量超标严重,劣Ⅳ类及以上站位的数量占总调查站位的59.3%,富营养化状态明显。通过单因子评价法、内梅罗指数法、BP人工神经网络3种评价方法对大沽河湿地水质进行评价,发现Ⅲ类及以上水质站位占总调查站位比例分别为89%、96%、56%。与单因子评价法、内梅罗指数法相比,BP人工神经网络模型设计合理、评价结果科学可靠,是一种更加快捷、客观全面及实用的水体质量评价方法。

基于GIS和人工神经网络的区域贫困化空间模拟分析——以贵州省猫跳河流域为例

我国西南喀斯特地区山高坡陡,地形破碎,生境脆弱,水土流失严重,是我国典型的极贫困代表区域之一。本文选择贵州省猫跳河流域作为研究区,以乡镇为基本单元,应用GIS和ANN技术,模拟区域自然致贫因子和消贫因子的空间分布,计算各乡镇的贫困度,揭示区域贫困的空间分布格局,以期为指导研究区早日脱贫及生态重建提供科学依据。结果表明,地形、土壤侵蚀等自然要素是主要的致贫因子,而社会经济要素是缓解贫困的因子。贫困度较小的乡镇主要分布在研究区的中部和东部,贫困度较大的乡镇主要分布在研究区的南部和北部边缘。可见,应用人工神经网络模拟区域贫困化简便、实用,避免了传统的单纯依靠统计数据进行贫困化研究的做法,是一种可行的方法与技术途径。

人工神经网络在食品加工过程模拟控制中的应用

由于人工神经网络在处理现代工业工程中工艺优化、风险评估与预测、非线性模式等问题所具有的优势,而被广泛应用于生产过程控制等领域。介绍神经网络近年来在食品加工过程模拟控制等方面的应用情况,并对其未来发展趋势进行探讨。

基于人工神经网络的降雨径流模拟研究

针对水库径流难以预测的问题,采用改进的动量-自适应学习率调整BP神经网络方法,以南告水库作为研究对象,对水库的日资料进行径流模拟,并对该模型在径流模拟中的方法和难点问题进行分析和探讨。改进的BP模型模拟的结果与三水源新安江模型的模拟结果相比较,探讨改进的BP模型应用于水文模拟的可行性。研究结果表明,改进的BP模型用于水文模拟是可行的。

人工神经网络在凡纳滨对虾养殖水质预测中的应用研究

以BP神经网络为基础,建立了凡纳滨对虾养殖水质预测模型。采用3层结构,通过灵敏度分析得到网络的输入变量,在确定了模型的各结构参数后,建立了凡纳滨对虾养殖水质预测模型,并根据整个对虾养殖周期内的水质监测数据对模型进行了训练和仿真。结果显示,水质的实测值与预测值之间的相关系数为0.991 8,预测误差率结果显示,最大误差率为4.37%,最小误差率为0.12%,平均误差率为1.20%,总体预测结果较好。BP神经网络能够以较高精度预测养殖水质状况,为水质恶化的早期预报提供了有效途径。

人工神经网络在新疆蘑菇湖水库水质评价中的应用

调查分析了蘑菇湖水库的污染源,选取蘑菇湖水库污染的6项水质监测数据作为评价指标,采用Matlab建立了蘑菇湖水库水质评价的三层BP网络模型,并以这6项指标为训练样本,对BP网络进行训练,将训练好的网络用于水质进行评价,得出的蘑菇湖水库水质评价结果是劣Ⅴ类,采用分级评分法对计算结果进行了比较分析,结果表明:BP神经网络方法收敛速度较快,预测精度很高,蘑菇湖水库已丧失养殖功能,并且已不能满足农业灌溉的标准。

人工神经网络在水质规划和管理中的应用

对人工神经网络在水质规划与评价、给水处理与污水处理等几方面的应用研究现状、发展趋势进行了综述 ,并通过一些实例分析得出 :人工神经网络用于水质规划和管理不但可行 ,而且适应性强 ,结果客观、合理 。

人工神经网络模型在黄河水质预测中的应用

采用画匠营子断面2004—2009年逐周水质指标资料作为神经网络模型的训练样本,对BP神经网络进行训练,分别建立了pH值、溶解氧、氨氮、高锰酸盐指数的预测模型。为了验证模型的正确性,利用训练好的神经网络模型,采用调整后的权值和阈值,将2010年的数据作为独立样本进行预测检验。结果表明:基于BP神经网络的水质指标预测模型收敛速度快,对训练样本具有很好的拟合能力,且对检验样本的预测精度较高。

BP人工神经网络模型在西鞍山铁矿地下水水质评价中的应用

以西鞍山铁矿为例,采用BP人工神经网络模型对区内12个监测点的水质进行评价。以枯水期水质监测的主成分总硬度、溶解性总固体、硫酸盐、氯化物、铁和锰、硝酸盐、氟化物指标作为评价因子,建立地下水评价指标体系,并将评价结果与模糊综合评价法及综合质量评价法的评价结果比较。结果表明,8、9、10、11号监测点属于Ⅰ类水,1、2、3、4、6、7、12号监测点属于Ⅱ类水,5号监测点属于Ⅲ类水,西鞍山铁矿的开采未对地下水造成影响;该方法与模糊综合评价法及综合质量评价法的评价结果基本一致,可以客观、合理性地评价水质。

基于人工神经网络的土壤溶质运移模拟与预测

在土壤质地、土壤容重和含水量一定的情况下 ,把土壤溶质运移时间和运移距离看作影响土壤溶质运移的主要参数 ,建立2个输入单元和 1个输出单元的三层BP网络 ,对一维垂直土柱Cd2 + 的穿透试验进行了模拟和预测。其预测结果同数值解相比 ,R2 =0 .94 9,精度基本一致。可见BP网络预测模型反映了溶质穿透过程中 ,土壤溶质含量与运移时间和距离的动态关系 ;用BP网络预测土壤溶质含量的时空变化具有可行性 ,而且不需要建立具体的数学模型 ;工作量大大减小 ,不需要测定水动力弥散系数、阻滞系数等 。

油气运移和聚集的人工神经网络模拟

盆地演化、油气系统演化以及油气的运移聚集充满了混沌与非线性特征 ,单纯使用传统的地下流体动力学方程 ,无法实现油气运聚的模拟和评价。作者探讨了将传统动力学模拟与人工神经网络模拟结合起来的的途径与方法 ,即在三维构造 地层体的动态模拟基础上 ,采用单元体模型使非均质的复杂通道体系转化为有限个简单均质体后 ,再利用传统动力学模拟来对相态和驱动力求解 ,然后运用人工神经网络技术来解决单元体之间的油气运移方向、运移速率和运移量等问题。利用所编制的软件对珠三凹陷的油气二次运移和聚集进行了动态模拟 ,有效地揭示油气运聚的复杂机理和过程。