BP神经网络在空气质量评价分级中的探索与应用

以信息化工具MATLAB编制了BP神经网络的空气质量评价分级程序, 并将其应用于城市空气质量评价分级。通过与物元评价法、模糊综合评判法和灰色聚类分析法的评价结果比较,得到了基本一致的评价结论。研究表明, BP人工神经网络应用到空气质量评价分级是切实可行的, 评价结论具有实用性和客观性。

基于BP神经网络模型的森林空气质量评价

为解决森林地区的空气评价问题,基于BP神经网络技术进行建立森林空气质量评价模型的研究,根据森林空气低污染、负离子高含量的特点,以SO2、NO2、PM10、O3和负离子为评价指标建立模型,并运用MATLAB工具软件实现.以伊春五营森林和城镇空气质量数据为实例,对模型进行对比检测,评价结果分别为9.13和8.56分,表明模型实用且可行.

BP神经网络模型在空气质量级别评价中的应用

为了方便广大市民及时准确的了解空气质量状况,利用环境评价问题建立多层前向神经网络数学模型,以上海市2007年12月份的空气质量状况指标作为训练样本,对网络模型进行训练,使模型不断学习样本中存在的内在模式,并将训练好的网络用于空气质量状况评价。将评价结果与实际结果进行分析比较后发现,该网络模型具有较高的评价精度、较低的误差率。采用Matlab软件进行实验,评价准确度达95.83%。

城市空气质量的BP和RBF人工神经网络建模及分类评价

根据MATLAB提供的人工神经网络模型,将其应用到城市空气质量评价,研究并对比分析BP和RBF两种人工神经网络的建模方法及评价结果。首先构建BP神经网络模型,确定输入层、隐含层和输出层的神经元数,选择Sigmoid型函数作为激励函数,应用内插扩展出的训练样本对BP网络进行学习,再用训练成熟的BP网络对待评价样本进行仿真;其次构建RBF神经网络模型,确定其输入层和输出层的神经元数,选择Gauss函数作为隐含层激励函数,再用同样的训练样本进行学习和仿真;最终进行归一化论证,验证归一化预处理在空气质量评价中的必要性。结果表明:应用BP和RBF人工神经网络可以得出较好的城市空气质量分类评价结果,其中RBF神经网络模型与改进的灰色聚类法评价结果一致,具有较高的准确率,是一种快捷、有效的综合评价方法。

基于BP神经网络的西安环境空气质量的预测

针对目前空气质量污染日益严重的问题,提出了一种基于神经网络的环境空气质量的预测方法。借助于Matlab分别建立空气污染指数(API)和环境空气质量指数(AQI)对空气质量影响的数学模型。利用Matlab对各污染物浓度数据进行分析,计算相应的空气污染指数(API)和环境空气质量指数(AQI),对结果进行对比。运用BP人工神经网络的多层神经网络对全市大气污染物浓度的实测值进行训练学习,建立模型。同时结合未来一周西安市天气预报,用此模型对污染物浓度进行预测和预报,以达到对大气环境质量进行预测预警的作用。应用实例表明:人工神经网络应用于大气环境质量预测预警是比较理想的。

基于ABC-BP模型环境空气质量评价方法

为了提供一种高效准确评价空气质量等级的方法,文中通过蜂群优化算法和BP神经网络优化组合,提出了一种基于ABC-BP模型环境空气质量评价方法,通过仿真实验表明,该方法空气质量等级评价结果准确,具有一定实用性。

基于GIS与BP神经网络耦合矿井水害评价

煤矿水害复杂,矿井安全生产受多种因素控制。基于空间决策理论,应用GIS和BP神经网络耦合技术,建立了矿井水害的评价模型。以山西某矿矿井水害评价为例,构建各个评价因素GIS图层,并通过BP神经网模型确定各个评价因素权向量,最后应用GIS的多因素空间拟合功能,获得煤矿水害评价风险分级图。结果表明,该模型能够对煤矿水害风险进行准确评价,可为煤矿安全生产决策提供有利的工具。