基于BP神经网络的辽河源头区水质评价研究

基于辽河源头区水环境问题日益突出的现状,该文开展了辽河源头区水环境质量的研究,旨在对区内的水体质量进行分析评价。通过资料收集与汇总,基于BP人工神经网络结构的思想和理论,利用研究区内13个控制断面的水质监测数据,建立了包括pH、溶解氧、氨氮、化学需氧量、五日生化需氧量、高锰酸盐指数的水质综合评价模型,并应用训练好的模型进行仿真运算及水质综合评价。结果显示,在选取的13个断面中,约76.92%的断面为Ⅴ类—劣Ⅴ类水质,仅有23.08%的断面水质级别在Ⅱ—Ⅲ类之间,研究区上游断面的水质状况较好,中下游的水质较差。将该结果与《环境公报》公布的主要断面水质结果进行对比,81.25%的评价结果相同,采用BP神经网络对研究区水质进行综合评价具有较强的适用性和可靠性。     

基于RBF神经网络的土壤侵蚀预测模型研究

土壤侵蚀的物理机理十分复杂,用数学方式难以描述.针对土壤侵蚀过程的模糊性、随机性、非线性等特点,将RBF神经网络的理论与方法应用到土壤侵蚀预测中.以杏木小流域为研究对象,应用RBF神经网络方法构建土壤侵蚀预测模型,以汛期降雨量、径流系数、土壤容量、有机质含量及孔隙度土壤侵蚀因子作为模型的输入层变量,输出层变量为年土壤侵蚀模数.通过模拟训练和预测,RBF神经网络取得的结果较好,能够有效地预测土壤侵蚀,且与常见的BP神经网络土壤侵蚀预测模型相比,RBF神经网络得到的预测结果精度更高.RBF神经网络模型将土壤侵蚀预测问题转化为影响因子和年侵蚀模数的非线性问题,该模型的模拟与预测为复杂的土壤侵蚀规律研究提供了新途径.     

遥感图像中多分类问题的树型RBF神经网络方法

该文探讨RBF映射理论在遥感影像分类中的具体算法和实现过程，给出了基于自适应聚类间距的快速聚类算法(AGDFC)的RBF网络训练算法和树型RBF网络构造算法。然后以实际的遥感土地覆盖分类为例，通过与最大似然分类算法(MLC)相比较，对分类过程和结果进行了综合分析，实验结果表明树型RBF网络方法在学习速度、网络结构、分类精度等方面具有一定的优势。     

烟台市水资源承载力的RBF神经网络评价法

基于RBF神经网络的基本原理,在Matlab6.5环境中建立了水资源承载力的评价模型,并应用该模型对烟台市的水资源承载力进行了综合评价,对烟台市水资源的可持续利用提供科学的决策依据。     

缙云山不同土地利用类型地表径流水质评价

采用基于Matlab的BP神经网络并结合单冈素分析和综合指数法,对缙云山的5个不同实验小区地表径流和大气降水的水质数据进行评价,得出不同土地利用类型对地表径流水质的影响:相对于大气降水Ⅰ类水,缙云山5个不同土地利用类型的水质总体在Ⅲ类水以上,其中农用地、楠竹林地表径流的水质达到Ⅰ类水;混交林的地表径流达到Ⅱ类水;阔叶林和灌木林地表径流的水质达到Ⅲ类水.     

基于因子分析的Hopfield神经网络在水质评价的应用

针对Hopfield神经网络的过度拟合问题,在因子分析的基础上,结合Hopfield神经网络模型提出了因子分析—Hopfield神经网络模型。以东辽河为例,采用因子分析法确定7个水质评价因子,再建立5×7的Hopfield神经网络进行水质综合评价,并与单一的Hopfield网络和传统的内梅罗指数法的结果进行了比较。结果表明,因子分析—Hopfield神经网络明显优于单一的Hopfield神经网络,不仅在一定程度上弥补了因子分析在实际应用中没有实现水质分级的缺陷,而且有效地降低了Hopfield神经网络的过度拟和的程度,评价结果更为科学合理,为水质综合评价提供了一种新的方法,具有极好的应用前景。     

基于RBF网络的大气环境质量评价

以大气环境质量标准为基础样本,构建了径向基网络模型(RBF-ANN),利用该网络对6个区域的大气环境质量进行了评价,结果表明:RBF网络简便有效,可操作性强,具有极快的收敛速度和分类能力,能大大节约计算时间,经与其它方法比较,评价结果具有较高的精度和可信度,并且RBF网络具有良好的泛化能力,适用性广,显示出良好的应用前景。     

地下水水质评价中BP人工神经网络模型的应用研究

采用神经网络人工模型对地下水水质进行分析评价,不仅应用范围广,而且操作过程相对灵活,尤其是这一人工技术模型适用于我国现阶段任何区域、任意地质环境的水资源质量分析评价。故正是在此背景下,重点基于BP人工网络模型,对新疆某区域地下水水质情况进行采样分析评价,以此通过对样本数据进行人脑神经模拟计算,从而对数据结果进行优化评价,以此提升水质评价结果的科学性。     

基于神经网络的水产品价格预测模型研究

以水产品中鲫鱼为例,选择时间、地理环境和经济条件因素作为输入层变量,价格作为输出单元,输入样本进行训练和仿真,对训练好的网络输入预测样本,将预测结果与市场实际价格进行比较,其相对误差均小于1%。结果证明,所构建的水产品价格预测模型具有良好的精确性和准确性,将神经网络应用于水产品价格预测是可行的。     

基于Logistic回归和RBF神经网络的土壤侵蚀模数预测

[目的]寻求估算土壤侵蚀模数的新方法,并通过GIS实现对土壤侵蚀空间分布情况的预测。[方法]采用土壤侵蚀模数作为判别条件,分别验证基于Logistic回归和RBF神经网络而建立的土壤侵蚀预报模型的适用性,进而构建并验证改进模型——LOG-RBF神经网络土壤侵蚀预测模型。[结果](1)Logistic回归模型判别目标土地是否发生土壤侵蚀的优势明显,未发生和发生土壤侵蚀的预测正确率分别为77.4%和97.9%,总预测正确率为94.9%。(2)RBF神经网络模型估计土壤侵蚀模数的能力较强,模拟结果的相对误差和平方和误差分别为0.612%和13.292,R2为0.57。(3)LOG-RBF神经网络土壤侵蚀预测模型预测结果的相对误差和平方和误差比RBF神经网络模型模拟结果分别降低了0.157%和2.601。R2为0.82,拟合程度上优于RBF神经网络模型。随着土壤侵蚀模数的增大,错估现象呈逐渐减少趋势。通过受试者工作特征曲线的判别,LOG-RBF神经网络模型的曲线下面积值比RBF神经网络模型大0.063,模型判断的准确性更高。[结论]利用LOG-RBF神经网络土壤侵蚀预测模型可更准确地估计土壤侵蚀模数,基于GIS能够预测土壤侵蚀的空间分布情况。     

BP神经网络在渭河水环境质量评价中的应用

为准确和客观地评价渭河水环境质量状况,将改进算法的BP神经网络引入地表水环境质量评价领域,采用渭河2010年(9月7日至10月11日)水质指标监测数据,构建了渭河水环境质量评价模型。通过3个水质监测项目(氨氮、高锰酸盐指数、溶解氧)对渭河水质进行了评价,评价结果与环境保护部公布结果完全一致。结果表明,BP神经网络应用于水环境质量评价具有客观性、通用性和实用性,可以很好地解决评价因子与水质等级间复杂的非线性关系,评价方法简便可靠,预测精度高。     

一种基于人工神经网络的水库水温分层模式判别方法

该文提出了一种判别水库水温分层模式的人工神经网络方法,该方法不直接描述水温分层的物理机制和物理模型,通过设定前馈网络结构并利用已有实例进行训练,使网络能很好地模拟水温垂直分层模式影响因素与水温分层模式间的映射关系,其特点是分类准确、适应能力强,对线性和非线性分类问题均适用。     

基于综合评价法的天津市主要排污河流水质评价

为了研究天津市主要排污河流的水质污染情况,利用综合评价法对天津市的5条主要排污河流：津河、南运河、海河、北运河、子牙河2009年12个月的水质监测数据进行了监测和评价。结果表明：从单项污染指数来看,海河的污染指数总磷〉氨氮〉总氮〉化学需氧量〉氟化物〉1,说明海河的富营养化比较严重;海河的综合污染指数为12.15最高,津河和南运河的综合污染指数较低分别为2.76和2.37;污染分担率方面看,海河的总氮污染分担率也较高,达到了16.62%。最终水质污染程度（P）分析表明,海河P〉0.5属于中度污染,其他4条河流P〈0.5属于轻度污染。     

汾河运城段河流水质评价

基于长期的水质监测数据,应用水质标识指数法,对汾河运城段2005—2009年的水质进行了评价,得出了新绛站监测断面和河津大桥监测断面的地表水环境质量级别。结果表明,该河段COD,BOD5和氨氮这3项因子超标严重,且氨氮的污染指数最大,不能满足相应的水环境功能要求,水质不能达到地表水环境质量标准。总体来看,须对汾河运城段的COD,BOD5和氨氮等污染物加以严格控制。研究结果可为运城市地表水资源规划、管理与保护提供科学依据。     

基于改进综合水质指数法的水库水质特征分析

[目的]对引黄水库水质状况进行分析,提供一种合理有效且有利于比较并适于在水库水质评价中推广的方法。[方法]以山东省滨州市滨城区东海和西海水库为研究对象,以水污染指数(WPI值)为分项指数,以超标倍数法、主成分法和层次分析法进行组合赋权,建立了引入水质标识指数法的改进型综合水质指数(WPSPNQI)评价方法,并对2011年4月至2014年4月时段内两座水库进、出口4个监测断面水质数据进行计算,分析水库水质的总体污染状况及时空变化特征。[结果](1)滨城区水库水质多为Ⅰ类或Ⅱ类水体,总体水质状况较好;(2)在研究期限内,Ⅰ类水体的比例有所增加,但部分污染因子没有得到相应改善;(3)从空间分布特征来看,两座水库的水质差距较小,其出口水质明显优于进口,水库具有一定的自净能力。[结论]经与其他水库水质评价方法对比,改进型综合水质指数(WPSPNQI)评价方法在数据处理、权重赋值等方面都较为优越,评价结果可靠。     

沱江流域地表水水质的模糊综合评价

沱江是长江上游的一个重要支流,其水质安全对维持成都平原及周边地区正常的生产生活起着至关重要的作用。采用模糊综合评价的方法,对沱江流域15个地表水监测断面的水质状况进行了综合评价,结果表明：在15个监测断面中,处于清洁状态的有6个,占40%;处于未污染的有4个,约占26.7%;处于轻污染和中污染的各有1个,分别约占6.7%;处于重污染的有3个,占20%。处于清洁和未污染的断面主要位于沱江流域的中游,其水质状况较好;处于中污染和重污染的断面主要位于沱江流域的上游和下游,水质状况较差。需要加强流域综合治理尤其是对沱江上游和下游的治理,以确保沱江流域的水质安全。     

基于BP神经网络的三峡库区重庆段水资源安全评价

三峡库区水资源安全关系到库区的生态安全,对库区水资源安全利用进行评价,找出问题较为严重的区域,明确其限制因子,从而为库区水资源可持续发展和水资源安全提供科学的决策依据。结合2000—2014年三峡库区水资源安全数据,选取BP神经网络构建水资源安全利用评价模型,结合ARIMA模型进行指标预测,分析了三峡库区重庆段水资源安全利用的时空差异。研究表明:(1)三峡库区重庆段2014年水资源安全利用总体分布在较不安全到较安全之间,渝中区和大渡口区为较不安全等级,沙坪坝区等7个区县为基本安全,其他区县为较安全等级;在子系统的评价中,主城区的社会安全与供需安全等级均为最低,为极不安全和较不安全等级。(2)2000—2014年水资源安全利用等级主要受生态安全因子制约,供需安全因子次之;2015—2020年水资源安全利用等级主要受供需安全因子限制,生态安全因子次之。2000—2020年水资源安全利用等级总体呈上升趋势。     

关中地区农村典型涝池水体污染物特征及其水质现状调查与分析

[目的]探究影响涝池水体水环境质量的主要原因,以期能为涝池水体水环境保护和水质状况改善提供科学依据。[方法]从涝池的功能、容量、面积和结构等方面出发,选取陕西省杨凌农业高新技术产业示范区8个具有典型代表性的涝池,对涝池水体pH值、溶解氧、化学需氧量、氨氮、总磷、总氮进行测定,同时对水质样本点各污染物指标进行参数检验,并应用单因子指数等方法对其综合评定。[结果]①点源污染型涝池在不同采样点位置水体污染物浓度差异显著(p0.05),各涝池总氮、总磷平均浓度范围分别为:4.70～78.13 mg/L,0.03～4.27 mg/L;氨氮平均浓度范围为0.36～39.18 mg/L;化学需氧量平均浓度范围为33.0～1 067.40 mg/L;溶解氧平均浓度范围为1.5～7.3 mg/L;pH值大小平均值范围为7.85～8.64;②大部分涝池水体污染严重,水质均为劣Ⅴ类,污染物主要以氮类污染物指标为主;③调查区涝池水质污染程度排序为:点源污染+有措施面源污染+无措施点源污染+无措施。[结论]布设污水处理设施及池底防渗措施对于改善涝池水环境状态较为重要。此外辅以内源水体的相关修复及管护工作,效果将会更好。