长江口水质人T神经网络模型的建立及现状评价

应用B-P人工神经网络方法建立了长江口的海域水质综合评价模型,B-P人工神经网络结构中的输出层以单输出代替多输出以保证评价结果的唯一性.以此模型采用溶解氧、化学需氧量(COD)、磷酸盐、无机氮、总汞、镉、铅、砷、油类,对长江口18个监测点的海水水质进行综合评价.表明2个站点为I类水质,10个站点为Ⅱ类水质,5个站点为Ⅲ类水质,1个站点为Ⅳ类水质.     

长江口水质人T神经网络模型的建立及现状评价

应用B-P人工神经网络方法建立了长江口的海域水质综合评价模型,B-P人工神经网络结构中的输出层以单输出代替多输出以保证评价结果的唯一性.以此模型采用溶解氧、化学需氧量(COD)、磷酸盐、无机氮、总汞、镉、铅、砷、油类,对长江口18个监测点的海水水质进行综合评价.表明2个站点为I类水质,10个站点为Ⅱ类水质,5个站点为Ⅲ类水质,1个站点为Ⅳ类水质.     

人工神经网络在湖北洪湖水质综合评价中的应用

根据水质监测资料,以化学需氧量、总氮和总磷作为评价参数,经过反复试验,构建具有3层结构用于水质综合评价的BP人工神经网络,对湖北洪湖进行水质综合评价。评价方法简便易行,符合客观实际。结果表明,洪湖全湖水质为III类。     

基于人工神经网络的人体体质综合评价模型的建立

人体体质各测试指标与人体综合体质之间存在着复杂的非线性关系，为了客观准确的评价人体体质的综合水平，选取体质各测试指标作为输入，基于体质研究专家经验的体质综合评价结果为期望输出．引入人工神经网络BP网络模型建立了体质综合评价模型。实际应用结果表明，所建立的体质综合评价模型拟合精度高．评价效果好，能较真实地反映人体体质的综合水平。     

利用人工神经网络建立谷物干燥模型

分析了谷物干燥传统建模的难点，介绍了人工神经网络建模的原理和方法及其在干燥过程中的运用。     

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.     

杭埠河舒城段水质现状评价

选取5个有代表性的监测点,以监测参数pH、COD、TN、TP为表征,对杭埠河2007、2008年2年的水质进行了监测。监测结果表明,水质与温度的变化具有一定的相关性,而且水质符合舒城县十一五环境保护规划要求。     

德惠市地下水水质现状评价及变化趋势分析

德惠市属吉林省严重缺水县市,工业用水、生活用水目前均以地下水为主要水源.因此,地下水质量的优劣,已经引起了全市的高度重视.适时掌握地下水质量的优劣及其变化趋势,为水行政主管部门提供可靠第一手资料,则显得尤为重要.本文运用综合评价及功能评价方法,对辖区内地下水进行现状评价和污染变化趋势分析,并提出切实可行的防治措施和建议,在地下水保护实际工作中,在促进生态文明建设、人与水资源和谐发展建设中,具有指导和借鉴意义.     

信阳北湖的水质现状分析及富营养化评价

2010年1月、7月对信阳北湖进行了水质测定。结果表明:在所有监测的指标中除了TN外,信阳北湖的水质指标符合Ⅱ类水的要求。营养状态为中富营养。     

基于人工神经网络的逆流式谷物干燥机模型

针对传统数学建模方法的局限性，利用人工神经网络建立逆流式谷物干燥机模型。网络的拓扑结构是基于感知机的３层前向网络，采用ＢＰ算法对网络进行训练，训练数据来源于逆流干燥要计算机模拟结果。实验结果表明网络能很好地预测逆流干燥机的行为。     

长江口及邻近渔业水域生态环境质量综合评价

根据2002—2003年进行的对我国长江口及邻近渔业水域的水质、表层沉积物质量和浮游生物的监测结果,采用主成分分析法,综合评价了该渔业水域的生态环境质量状况。结果表明,长江口水域生态环境综合质量处于“中污染”状态。在4航次中除2003年5月处于“轻污染”级别外,其余3航次均处于“中污染”级别。长江口水域生态环境综合质量具有明显的季节性变化特征,夏季该区生态环境质量状况劣于春季。从水质、底质、生物指标对总得分的贡献率来看,长江口水域水质指标的贡献率最高,达到66.83%,生物指标为23.37%,底质指标贡献率最低,仅为7.80%,长江口及邻近渔业水域生态环境质量主要受水质指标影响。对二级指标得分对总得分贡献率进行深入分析,贡献率大于5%的指标为:C u(28.88%),叶绿素a(15.96%),油类(14.52%),无机氮(8.47%),浮游植物(7.05%),由此可认为C u、叶绿素,油类、无机氮、浮游植物指标是长江口及邻近水域生态环境质量的主要指示指标。     

水质预测的因素状态网络模型研究

通过对因素神经网络理论的研究,提出了因素状态BP网络;通过将信息扩散原理和落影技术结合,形成信息扩散式落影,并与因素状态BP网络有机结合,解决了知识非完备性的问题以及由于训练样本有矛盾样点而使平凡BP因素网络无法训练出结果的问题.以此建立的水质预测的因素状态人工神经网络模型应用于丹江口水库,获得了令人满意的结果.     

基于智能手机和人工神经网络反演小微水体水质参数研究

通过智能手机反演进行环境监测越来越受到关注，目前研究主要利用可见光反射率进行光学活性参数反演。本文基于水质现场监测数据，同步应用智能手机拍照，通过偏振镜、手机望远镜、不同规格滤波片、24色标准色卡，获取水体图像信息，结合逐步回归与人工神经网络方法，开展了长三角地区典型小微水体水质光学参数叶绿素和浊度以及非光学参数可溶性有机碳（dissolved organic carbon，DOC）反演监测。结果表明，研究区水体总体DOC浓度值变异范围在2.73-16.90 mg/L，浊度变异范围在6.53-91.10 NTU，叶绿素a浓度值变异范围在0.36-245.47 μg/L。通过逐步回归方法提取了水体DOC浓度的五个图像特征参数为R1＇、B/G2＇、R2"、R4"、B/G6＇，浊度图像特征参数为B/R3＇、G5"、R6"，叶绿素a的图像特征为B/G1＇、R2"、B/G4＇。结合人工神经网络模型反演水体水质参数，DOC浓度纳什系数NSE为0.62，浊度NSE为0.65，叶绿素NSE为0.67，具有较高的反演精度。本研究构建了基于智能手机反演水质光学参数的方法，并探讨了非光学参数反演的可行性，为后续开发APP应用程序和反演水质参数提供了基础和依据。     

人工神经网络在现代农业园区机械化程度综合评估中的应用

通过将人工神经网络应用于现代化农业园区机械化程度的综合评估,介绍了神经网络的评估原理,建立了农业园区机械化程度的评估模型。并用计算实例表明此种方法还具有较好的可靠性     

灌溉水质属性的人工神经网络评价方法研究

应用人工神经网络理论与方法建立了灌溉水质评价的BP神经网络模型 ,以对水质评价中普遍采用的盐浓度、渗透率、特殊离子及其毒性等 5个指标进行了示例分析计算 ,并与综合评价方法进行对比 ,所得结果表明神经网络模型能很好地解决评价因子与水质等级间复杂的非线性关系 ,评价水质简便可靠 ,采用该方法评价灌溉水质是科学的和客观的     

稻米品质综合评价的人工神经网络方法

基于人工神经网络 (ANN)理论 ,面向稻米品质的综合评价问题 ,分别开发了 SOM和 BP神经网模型 ;研究了模型的设计、利用观测数据建立网络结构训练样本集以及网络学习等问题 ;从不同角度分别对杂交籼稻雄性不育保持系和恢复系两组供试亲本的品质样本进行聚类和综合评价 .实际仿真结果表明 ,ANN用于米质评价是科学、有效的 ,而且方法简便、速度快     

基于人工神经网络的林分直径分布预测

以马尾松人工林为研究对象,用人工神经网络建模技术构建了林分直径分布预测模型。经训练和优选,得到的理想模型结构为3∶6∶6∶1,训练误差指标为0.000281,总体拟合准确度为98%。模型对82块训练标准地的累积频率拟合准确度最大为100%,最小为95%,平均为98%;频率拟合准确度最大为96%,最小为75%,平均为87%。模型对18块检验标准地的累积频率预测准确度最大为99%,最小为97%,平均为98%;频率预测准确度最大为96%,最小为76%,平均为88%。所建模型具有很好的拟合效果和很强的预测能力,可用于10～30年生马尾松人工林。研究结果证明,人工神经网络技术可以作为有效的林分直径分布预测技术。     

基于人工神经网络的英文字符识别技术的研究与实现

人工神经网络就是采用物理可实现的系统来模仿人脑神经细胞的结构和功能的系统,是近年来迅速发展起来的先进研究方向之一,使用Java语言和人工神经网络可开发出英文字符识别软件。