基于模糊BP神经网络的辽河口湿地水质评价

利用模糊BP神经网络法对辽河口湿地不同时期（汛期、非汛期和冰封期）不同区域（核心区、试验区和缓冲区）水环境质量进行水质评价。各样点监测结果表明,核心区全N（TN）和氨氮（NH₃-N）优于表水环境质量Ⅲ类标准,缓冲区和试验区中全N（TN）、全P（TP）和化学需氧量（COD）超Ⅳ类标准。建立以上述4个水质指标为输入变量、包含5个神经元节点的隐含层和1个水质类别输出结果所构成的BP人工神经网络,结合模糊数学综合评价法对输出结果进行隶属度分析。结果表明,核心区、缓冲区和试验区在汛期和冰封期评价结果相同,依次为Ⅲ类、Ⅳ类和Ⅳ类,而在非汛期评价结果依次为Ⅱ类、Ⅲ类和Ⅳ类,可见从试验区、缓冲区到核心区水质逐渐转好,说明湿地对污染物具有一定的净化能力。评价结果与实际监测数据基本吻合,说明模糊BP神经网络综合评价具有客观性和实用性。     

基于改进BP神经网络的地下水水质评价--以新疆和田地区为例

在阐述人工神经网络基本原理的基础上,提出了地下水水质评价的BP网络模型。并分别利用BP网络模型与传统的模糊综合评判法对新疆和田地区地下水水质进行了评价,结果表明,BP网络模型不仅计算简便,而且具有较高的计算精度。     

模糊综合评价在嘉陵江南充段水质评价中的应用

目的:运用模糊综合评价方法对嘉陵江南充段的水质进行综合评价。方法:根据环境质量标准的5个等级建立评价等级集,选择降半梯形分布来确定隶属函数,建立模糊关系矩阵,采用超标倍数赋权法确立权重系数,构造权重系数矩阵,将模糊矩阵和权重矩阵进行合成,计算水质综合评价结果。结果:结果表明,总氮和粪大肠菌群是嘉陵江南充段主要超标因子。2003-2009年嘉陵江南充段三断面水质总体呈现逐年好转的趋势。其中,清泉寺饮用水水源水质属于III类,基本能够达到饮用要求。小渡口控制断面和李渡镇出境断面,水质级别在IV和V类之间。结论:模糊综合评价充分考虑了多个因子对水体的影响,其结果更加准确、客观,因此可为该地区的水质规划与管理工作提供科学的参考依据。     

利用模糊神经网络对湖泊富营养化程度进行评价的研究

本文在综合评价体系结构基础上，应用模糊神经网络技术，建立了湖泊富营养化程度模糊神经网络评价系统。并利用该系统对全国16个有代表性的湖泊进行水质评价，均得到了正确的评价结果。     

基于BP神经网络的河川年径流量预测

运用人工神经网络模型对松花江流域年径流量径流序列做出预报,表明了人工神经网络模型在水文预报中具有一定的优势。通过对基本BP网络算法和L-M算法的比较工作,得到了适合该神经网络模型的训练算法,既L-M算法,提高了预报的精度。以松花江流域哈尔滨站年径流量实测序列为研究对象,在数值试验的基础上找到了适合于松花江流域哈尔滨站年径流序列预报的人工神经网络预报模型结构,提高了该模型的预报准确性。     

模糊综合评价的一种神经网络方法

将神经网络理论应用于模糊综合评价，首先引入因素空间的概念，在因素空间中给出了一种基于三层神经元的多用量化模糊综合评价方法，并利用LMS算法及矩方法研究了该模型权重及学习步长的确定方法，实现了权重及学习步长的网络学习，最终实现了等级评价值的计算机输出．较好地解决了传统的综合评价方法中各指标的权数受人为因素的影响这一难点问题．     

模糊综合评价法在新疆焉耆县浅层地下水水质评价中的应用

以焉耆县浅层地下水监测资料为依据,选用Cl^-、SO4^2-、NO3^-、F^-、NH4^＋、总溶解固体、总硬度等7个监测指标,从隶属度、权重的计算以及模糊模型的选择等方面,详细介绍了模糊综合评价法运用于地下水水质评价中的全过程。评价结果表明,焉耆县浅层地下水水质较差,模糊综合评价法是一种有效的评价方法。     

基于BP神经网络的大气环境质量评价模型

依据BP人工神经网络原理,以MATLAB为工具,建立了某市大气环境质量评价模型,评价了该市1月上旬大气环境质量状况,并与灰色聚类法、模糊综合评价法的评价结果进行比较,得到了较为一致的评价结果。     

基于模糊综合评价法和层次分析法的张掖市黑河湿地水质评价

张掖市黑河湿地在维系黑河流域经济社会可持续发展和生态安全等方面有极其重要的作用。为了解黑河湿地的水质状况,分别在2011年6月和2012年6月采集了水样并对5项水质污染因子进行评价。同时,为克服层次分析法中人的主观性对水质评价的影响,用AHP模糊综合评价法来分析黑河湿地的水质情况。结果表明,黑河湿地的水质状况较差,属于地表水Ⅴ类水质,总氮是导致水质超标的主要污染物。     

模糊综合评价法在黄龙洞景区水质评价中的应用

随着旅游业的快速发展,水环境问题日趋凸显.为深入了解黄龙洞景区水环境问题,借助黄龙洞景区2014—2018年的水质监测数据并结合实际污染特征,选取氨氮、总氮、总磷和大肠菌群4个评价参数,运用模糊综合评价法对其地表水水质进行了综合评价.结果表明:(1)总氮和总磷是影响黄龙洞景区水质的主要污染因子,其中总氮污染是黄龙洞景区水环境保护治理的重点;(2)5年间,黄龙洞景区水质从Ⅱ类向V类逐级过渡,丰水期受污染程度明显高于平水期和枯水期,水质污染严重;(3)黄龙洞景区水质的变化与上游转嫁污染、旅游规模扩大和农业面源污染存在密切关系.     

沱江水质模糊综合评价及主要污染物的预测研究

为准确掌握沱江水质状况,探明沱江主要污染物,对沱江水质进行了模糊综合评价和BP神经网络预测。使用沱江31个监测断面2018年1月—2019年10的逐月水质数据,通过筛选优化评价因子,对各断面水质进行模糊综合评价。对沱江水质进行主成分分析以确定主要污染源和主要污染因子,并构建了BP神经网络对主要污染因子进行预测。研究发现,沱江有9个断面水质符合Ⅰ类水质标准,其余22个断面水质均为Ⅴ类水且在沱江上游、中游和下游均有分布。TN浓度在所有监测断面中均超过了Ⅳ类水质标准,其中27个断面的TN浓度超过了Ⅴ类水质标准。使用上游断面水质数据构建的BP神经网络预测下游断面的TN浓度,平均相对误差为2.041%。研究表明,沱江受TN的污染较为严重,其主要污染源为农业面源和工业废水,同时根据构建沱江其他断面的BP神经网络模型可实现对沱江TN浓度的准确预测。     

GA-BP优化TS模糊神经网络水质监测与评价系统预测模型的应用——以太湖为例

针对水质监测与评价系统在太湖应用过程中水质数据和水质等级评价不准确的问题,建立了一种多隐含层改进型GA-BP神经网络来辨识复杂的水质模型,以均方误差MSE作为个体适应度,并在权值调整过程中加入动量因子来加快收敛速度,获取最优权阈值,提高其拟合程度和泛化能力.根据校准后水质的pH、溶解氧、浊度和氨氮数据,利用TS模糊神经网络建立了适用于当地水质评价的模型.仿真测试结果充分说明改进型GA-BP优化TS模糊神经网络对复杂水质模型的拟合程度更高,水质数据的均方误差、绝对误差更小,绝对误差保持在1.5%以内,水质等级预测精度提高14.28%.     

湖泊富营养化综合评价模糊神经网络专家系统的研究

在综合评价体系结构基础上，应用模糊神经网络技术，建立了1个湖泊富营养化综合评价模糊神经网络专家系统，该专家系统易于表达模糊知识，其知识获取和存储方式与普通专家系统不同，具有较高的推理效率，较强的容错、自适应和自我更新能力。     

模糊模式识别在乔店水库水质评价中的应用

对水库水质进行合理评价是加强水源地管理的一项重要工作。本文提出利用模糊模式识别理论模型对水源地水质进行评价;根据水质评价的特殊性,提出一种模糊距离计算的新方法,对模糊模式识别模型进行了改进;将改进的模糊模式识别模型应用于山东省莱芜市乔店水库水质评价,评价结果与实际相符。实例说明本文提出的模糊模式识别理论模型用于水质评价是有效的。     

模糊综合评判在水质评价中的应用——以金华江为例

介绍了模糊综合评判模型与方法,并运用模糊数学方法对金华江水质进行综合评价,得出了金华江各断面的水质级别,通过权重的计算发现了影响断面水质情况的主要因子。     

基于混合学习算法的模糊小波神经网络控制

采用小波函数作为模糊隶属函数,将模糊控制与神经网络相结合,利用神经网络实现模糊推理.针对BP算法易陷入局部极值点的缺点和简单遗传算法局部搜索能力差的不足,提出了一种混合学习算法,即首先利用遗传算法全局搜索的特点来离线优化神经网络的参数,再利用BP算法较强的局部搜索能力对网络参数进行在线调整.仿真结果表明,该网络能对不同的对象实施有效控制,且具有快速、适应性强等特点.     

模糊优选神经网络BP模型在植被生物量参数反演中的应用

根据模糊优选神经网络BP模型，利用1988年小麦生长期中生物量参数和微波（10.2GHz）主被动遥感实测数据，作为输入输出I／O矢量对，计算出网络模型的正向传输权重矩阵及反向传输权重矩阵。用1989年小麦生长期中微波实测数据和该神经网络模型得到的权重矩阵，来反演其生物量参数在整个1989年生长期中的变化，反演结果与遥感实测结果的比较说明了所提方法的准确性。     

基于三角模糊数层次分析法的海参养殖水质评价

为了解和掌握海参养殖过程水质状况,对海参养殖水质使用融合三角模糊数层次分析法的多级模糊评价方法评估。首先依据水质关键因子在海参生长过程中所起积极和消极作用将水质关键因子分类,并依据2类关键因子设计“海参养殖水质正、负相关因子模糊推理系统”。其次,将两模糊推理系统作为一级模糊,其结果作为二级模糊的输入。二级模糊系统通过一级正、负相关因子推理结果得到最终水质评价结果。在模糊推理过程中,采用三角模糊数层次分析法为海参水质关键因子赋权来提高评价结果的准确性。最后,将该方法与融合三角模糊数层次分析法的海参养殖水质单级模糊评价系统、海参养殖水质ANFIS模糊评价进行对比试验。结果显示,3种方法评价结果一致,融合三角模糊数层次分析法的海参养殖水质多级模糊评价法将模糊规则由原来的243条减少为45条,缓解了维数灾难问题;且与ANFIS模糊评价相比无需经过大量调参和训练,占用系统资源更少。以上结果表明,融合三角模糊数层次分析法更适用于海参养殖中的水质评价与管理。     

模糊评价在巢湖市饮用水水源地水质评价中的应用

运用模糊评价对巢湖市饮用水水源地保护区水质进行综合评价,通过确定8个主要影响因子的权重和隶属度,结果表明,主要超标指标为TN、TP,水体富营养化严重;6、7、8月随入湖水量进入的污染物多,12月水体自净能力差,水质恶化严重。同时,将模糊综合评价结果与单因子评价结果进行对比分析,结果表明单因子评价突出影响水体的主要污染因子,具有从严性,而模糊综合评价充分考虑了多个因子对水体的影响其结果更加准确、客观,因此可为水源地保护区的水质规划与管理工作提供科学的参考依据。     

基于主成份BP神经网络的农业现代化综合评价体系研究

依据辽宁省2007~2010年14个地区农业现代化发展现状,通过主成份分析获取能全面衡量农业现代化的进展程度的新指标,并将其应用于BP人工神经网络,建立农业现代化发展现状综合评价体系(PCABP),对辽宁的各地区农业现代化发展现状进行综合评价。同时将PCABP的评价结果与直接应用主成份综合评价体系(PCA)以及BP神经网络综合评价体系(BP)的进行对比。结果表明:3种方法 MAE和RMSE大小关系为:PCABPBP>PCA,即:PCA、BP、PCABP评价效果依次增强。PCABP既能不考虑PCA综合评价模型在学术界上的争论性,又能解决BP神经网络输入向量信息冗余的问题。相对两者单独评价而言,PCABP能显著提高评价体系的准确度和稳定性,为农业现代化评价提供了一种确实可行新的途径。