温度限制串联相关网络用于有机环境污染物紫外光谱的识别

本文将温度限制串联相关网络用于有机环境污染物紫外光谱的识别。紫外光谱的库检索比红外光谱检索更困难 ,因为紫外光谱的重叠更为严重。此外 ,光谱测量的漂移和噪声也会影响紫外光谱库检索的正确率。因此 ,采用具有模糊性质的神经网络是一个很好的选择。温度限制串联相关网络 (TCCCN)是一种与通常所用BP网络不同结构的网络模型 ,它采用串联相关的神经元连续方式 ,且引入温度参数 ,因而可以减少网络的过度训练和加快训练速度。本工作采用TCCCN进行紫外光谱的库检索 ,对有关参数进行了优化 ,并对光谱测量噪声的影响做了研究。结果表明 ,采用TCCCN方法明显优于在谱库检索中常用的相关系数法。

有机环境污染物紫外光谱检索的神经网络方法

详细讨论了网络优化参数、模拟的测量过程中噪声及杂质对网络收敛性能及预测误差的影响。为加速网络收敛,提高紫外光谱检索的正确率,采用了导数光谱对反向传播的人工神经网络(BP-ANN)进行训练和检索,该方法对检索光谱中噪声、杂质,尤其是斜坡背景的允许程度明显提高。文章还将ANN方法与普通的相关系数法的识别结果进行了比较。结果表明,优化参数下的人工神经网络的库检索法在抗噪、容杂等方面都明显地优于普通的相关系数法,是一种很有效的紫外库检索方法。

人工神经网络用于有机环境污染物紫外光谱库检索

本文将人工神经网络（ＡＮＮ）用于有机环境污染物紫外光谱库检索。对该神经网络的参数优化作了讨论。并用ＡＮＮ对噪声、杂质等因素的影响作了详细的考察。为了提高紫外光谱的分辨，本文提出用导数光谱作ＡＮＮ训练和检索，使网络的收敛速度明显加快，对检验光谱中杂质的容允程度明显增加。本文还将ＡＮＮ与传统的相关系数法作了比较。结果表明，ＡＮＮ法在抗噪声和杂质等方面明显优于相关系数法。

基于神经网络的道路交通污染物浓度预测

利用人工神经网络技术设计了一段式计算路侧道路交通污染物浓度的模型。首先把影响路侧道路交通污染物浓度的因素归结为3大类;然后设计了反映污染物浓度与交通流参数、气象参数和道路空间特征等因素之间数学关系的人工神经元网络结构;最后通过实际观测搜集大量的数据,对神经元网络模型进行训练,得到了精度令人满意的预测模型。

Zipf定律及人工神经网络在环境污染事故预警中的应用研究

在目前环境问题日益突出的背景下,为研究环境质量变化与经济增长之间的关系,利用齐波夫（Zipf）定律分析了广东省的环境污染事故发生次数与GDP之间的关系,并利用其在图形中规律性幂率区间,结合RBF人工神经网络对未来3年环境污染事故的发生次数进行了预测。结果表明,这2种方法对环境污染与事故预测值均在允许的范围内,平均值分别为6、5、4次。研究结果为有关部门防范未来环境污染事故发生,具有明显的警示作用。

洱海流域用地变化的智能体建模与非点源污染响应模拟

洱海流域水环境污染具有显著的人类活动-土地利用/覆被变化-非点源污染链式驱动效应,有必要分析其驱动机制,模拟和预测流域的用地变化及其非点源污染响应过程。本文利用智能体模型模拟人地交互作用过程,预测洱海流域未来土地利用/覆被动态变化的结果,进而利用SWAT模型计算不同用地情景下流域主要非点源污染指标(氮和磷)的产出量和时空分布,最后,利用统计学分析方法与GIS技术,对综合模拟结果进行了精度验证、敏感性检验以及空间分析与可视化表达。结果表明:(1)流域过去和未来10年的土地利用/覆被变化表现为耕地的持续性减少(-19.28%)与建设用地的不断增长(35.27%);(2)氮和磷在时间与空间上具有相对一致性,说明流域土地利用/覆被变化对氮、磷具有相似的水环境效应;(3)未来10年流域非点源污染主要来自于农耕区,建议在保护耕地的同时,优化农耕区的种植结构和生产模式,以减少农业生产的非点源污染贡献率;(4)未来10年流域耕地面积持续性缩减,农业非点源污染呈现逐年降低趋势;同时随着建设用地不断增加,不透水表面的快速增长可能导致的城市非点源污染风险需要引起足够的重视。

BP神经网络用于水体中N综合污染评价

为解决环境质量评价的模式识别问题,采用BP算法的人工神经网络建立水质评价模型,对长江上游某一监测区间的对照断面水体的N元素污染情况进行综合评价。通过实例探讨,这种新的BP网络既适用于定量指标的水质参数的评价又适用于定性指标的水质参数的评价,可以用于环境质量评价体系的建立。

人工神经网络预测地表水中有机污染物浓度的研究

水环境中的有机污染物含量复杂,其扩散迁移过程更是一个由多种因素共同影响作用的复杂的非线性过程。根据河流地表水中的有机污染物的浓度和影响其浓度的主要因素之间存在的已有映射作用关系,利用对一河流断面的实际监测数据,以采用BP算法的人工神经网络方法建立网络模型。结果表明该方法预测精度高,具有很高的应用价值。

人工神经网络紫外光谱法同时测定氯唑沙宗和对乙酰氨基酚的含量

目的:对紫外吸收光谱重叠的氯唑沙宗(CRXZ)和对乙酰氨基酚(ACAP)进行多组分不经分离的含量测定。方法:根据反向传播(BP)原理并采用遗传算法(GA)优化网络参数,应用三层人工神经网络(ANN),对CRXZ与ACAP混合体系进行含量测定。结果:混合体系中CRXZ和ACAP的平均回收率分别为99.5%和101.0%,RSD分别为1.2%和0.95%。结论:将神经网络应用于药物制剂分析,可得到满意结果,值得进一步推广应用。