BP神经网络在水质评价中的应用

为了研究BP神经网络在水质评价中的应用，根据人工神经网络的原理，建立了项目综合评价网络模型，分析了BP网络学习规则，并以此对湖泊富营养化程度进行了分析评价，从而为防治水污染提供了科学依据，也为BP神经网络在水质评价中的应用提供了实例。     

BP网络、Hopfield网络在水质评价应用中的比较研究

针对BP网络、Hopfield网络在水质评价的应用问题,建立BP网络、Hopfield网络水质评价模型,对BP网络、Hopfield网络从结构、输入输出、稳定性、评价结果等方面进一步地分析比较。然后以东辽河为例,运用BP网络、Hopfield网络、模糊评价法、内梅罗指数法4种水质评价方法进行水质评价,通过比较评价结果进行深入研究。结果表明,Hopfield神经网络更适用于水质评价。对神经网络方法水质评价问题进行探讨,试图找出BP网络、Hopfield网络方法在水质综合评价中的优缺点,具有非常现实的意义。     

基于T-S模糊神经网络的地下水水质评价

采用T-S模糊神经网络模型对吉林省西部地区部分地下水水化学监测点水质进行评价。T-S模糊神经网络模型是根据模糊系统和人工神经网络优缺点具有明显的互补性结合而成,考虑了水质评价标准的区间形式和水系统的不确定性。将T-S模糊神经网络的评价结果与水质综合评价方法中经典的内梅罗指数法和BP人工神经网络法的评价结果进行对比,结果表明:T-S模糊神经网络法评价地下水水质更全面更客观。利用该方法对吉林西部的地下水水质进行评价,结果显示:吉林西部地区地下水资源已经遭受不同程度的污染,需要进行有效的保护。     

基于BP神经网络的降雨量预测研究

使用2种方法,即用前5年降雨量来预测后1年的降雨量和用气象资料预测降雨量,应用BP神经网络对降雨量进行预测,试图找出应用BP神经网络预测降雨的最佳方法.通过对青海省10个气象站的降雨进行预测分析,得到结论如下:两种方法均适合于降雨预测,其被选择概率均等.     

基于遗传算法和BP神经网络的用水

为避免BP算法易陷入局部极小的缺陷，根据遗传算法具有全局寻优的特点，将二者结合起来形成GA-BP混合算法。以GA优化BP网络的初始权值和阈值，按负梯度方向修正网络权值及阈值，对网络进行训练。最后，用matlab编写GA-BP计算程序，以多组数据进行测试，并与纯BP算法进行分析比较，结果表明该方法可以有效、准确的应用于城市用水量预测。     

基于BP神经网络工具箱实现函数逼近

运用计算机高级语言编程对神经网络BP模型进行仿真和辅助设计是件十分麻烦的事情,为了解决这个矛盾,Matlab神经网络工具箱中专门编制了大量有关设计BP网络模型的工具函数.文章分析了Matlab软件包中人工神经网络工具箱的有关BP网络的工具函数,结合一个实际的例子详细阐述了基于BP神经网络的函数逼近过程及其MATLAB实现方法.     

基于RBF神经网络与BP神经网络的核桃作物需水量预测

采用RBF网络与BP网络的方法,利用MATLAB工具箱并结合气象资料中的相对湿度、平均气温和太阳日辐射量,建立了预测核桃作物需水量的神经网络预测模型.两种预测模型通过实例证实了预测的准确性,并且将这两种网络模型进行了比较分析.RBF神经网络预测作物需水量的绝对误差平均值为0.254 7 mm/d、相对误差平均值为5.47％,BP神经网络预测作物需水量的绝对误差平均值为0.320 6mm/d、相对误差平均值为6.97％,由此可见,RBF网络预测的精度比BP网络高.并且,通过程序记时显示RBF网络训练用时0.063 0 s,比BP网络训练所需的时间要短的多,因此RBF神经网络具有较好的实用价值,实现了精度与实用性的统一.     

基于BP 神经网络的大棚作物腾发

在分析影响大棚作物蒸发蒸腾量的气象因子的基础上, 以气象因子输入向量, 以大棚作物腾发量为输出向量, 构建了气象资料不足情况下计算大棚作物腾发量的BP 神经网络模型BP ET。利用鄂州节水灌溉实验基地逐日气象资料对所建模型进行反复训练和预测, 并把预测结果与传统的Penman－Monteith 公式计算而得的同期作物ET 值相比较。其中, BP ET 的预测值与ET值的相关系数为0.986。研究结果表明, 本文构建的模型计算精度较高, 方法简便可行, 能满足实际生产需要。     

基于BP神经网络的农业机械数量预测

为了提高农业机械化水平、农业生产效率和优化农业产业结构,保证在农业机械生产与实际需求的一致性,在制订农业机械化水平发展规划过程中需要对农业机械数量进行预测。为此,采用基于遗传算法的BP神经网络预测算法,对我国从1997-2013年期间以农机总动力、中大型拖拉机数量和小型拖拉机数量为内容的主要农业装备数量进行预测。预测结果表明,利用遗传算法与BP神经网络相结合的方法预测全国农业机械装备数量,农机总动力预测值与绝对值平均误差为1.080%、农用大中型拖拉机数量预测值与绝对值平均误差为1.352%、小型拖拉机数量预测值与绝对值平均误差为1.765%,预测精度稳定,该预测方法适用于本时间序列预测问题。     

概率神经网络在白洋淀水质评价中的应用

用概率神经网络的方法,以河北省白洋淀为研究对象,对其水质进行评价分析,并将其结果与灰色聚类方法和BP神经网络方法评价结果作比较.结果表明,用概率神经网络进行评价过程简单,计算用时少,评价避免了人为因素的干扰,结果更加准确并切合实际情况.提高了水质评价的准确性.     

RBF神经网络方法在水质评价中的应用

就径向基函数人工神经网络(RBF)在水质评价中的应用做了探讨。分别从网络结构的选择、可调参数的优化方法和学习样本的代表性3方面作了详细的分析、阐述,并提出了一些解决办法,为RBF网络在水质评价中的应用提供了一定的参考材料。最后以博斯腾湖为例,利用RBF网络建立水质评价模型,模型评价结果趋势基本符合实际,效果较好。     

典型暴雨洪水对三峡水库香溪河库湾水华的影响

2010年6月7日至8日,长江流域经历了一次强降雨过程,香溪河兴山水文站流量最大达到478m3/s.对降雨前后库湾水动力、营养盐、光学特性、叶绿素a浓度等因素进行的分析表明:暴雨洪水对香溪河库湾水华影响较大,期间叶绿素a浓度明显降低,4d后其浓度又上升到较高值.降雨后,长江干流水体从表层倒灌入香溪河库湾,库湾上游水体受洪水冲刷在库湾中游水域潜入库湾底部流向河口,这两股水流流速较降雨前明显增大,直接冲淡了藻浓度;两股水流交汇处增大的剪切力使上下水体产生不同程度的掺混,影响藻类在表层的聚集,同时暴雨冲下的悬浮颗粒使水体浊度降低,透明度和真光层减小,抑制藻类的光合作用,有效改善库湾水华情势.而温度梯度增大,混合层深度减小,则为日后藻类生长提供了适宜条件.     

基于BP神经网络的土壤养分综合评价模型

以土壤养分指标体系作为神经网络的输入,以土壤养分等级评分作为输出,基于BP神经网络,建立了具有5个隐含层节点、3层网络的土壤养分综合评价模型;以土壤养分指标的各级评价标准作为模型的训练样本和检验样本,利用Matlab软件对BP神经网络进行训练和检验,并对安塞县土壤养分进行综合评价.结果表明BP神经网络对检验样本的模拟输出和期望输出是一致的;对安塞县土壤养分综合评价结果与模糊模式识别、主成分分析结果也是完全一致的.     

新阶段重庆三峡库区扶贫开发思路的探索

三峡库区既是倍受全世界瞩目的移民生态开发区,又是全国集中连片重点贫困片区之一,其社会、经济的落后状态成为阻碍“东靠西移“战略实现的一个“断层“.在新阶段加大重庆三峡库区的扶贫开发,对重庆实施城乡统筹、构建和谐社会具有重大意义.     

三峡山地土壤水分特征曲线及模型拟合

为揭示土壤涵养水源的机制,并为山区生态治理提供依据,以三峡库首大老岭和夷陵山地为研究区,采集温性阔叶林棕壤、针阔混交林黄棕壤、茶园地和暖性针叶林黄壤的原状土样,通过离心法分析并拟合了山地土壤的水分特征曲线。结果表明,三峡山地土壤随吸力增大,土壤含水率呈先迅速降低后趋于平缓的变化规律。黄壤的持水性较差,黄棕壤相对于其他林地土壤有着更强的持水性。茶园持水能力比棕壤和黄棕壤差,与黄壤差异较小。孔隙分布随土壤剖面深度的增加而减少。大孔隙以黄壤体积比最大,其次是黄棕壤和棕壤,茶园最小。用van Genuchten模型拟合山地土壤的水分特征曲线,决定系数R2均大于0.95,模型可靠性高。van Genuchten模型参数n与有机质(P0.05)和粉粒(P0.05)的相关性较高,参数α与理化性质相关性较差。     

基于两种方法的石佛寺人工湿地水质综合评价与分析

采用熵权赋权贝叶斯法和BP神经网络模型法两种方法,评价石佛寺人工湿地2009~2014年间汛期和非汛期入口、中间和出口的水质级别。经比较,两种评价结果基本相同,均可用于水质评价,但熵权赋权贝叶斯法计算更简便。水质评价结果表明:出库水质基本都优于入库水质,说明石佛寺人工湿地对水质具有良好的净化效果;非汛期湿地出口水质较汛期差;出库水质均为Ⅲ和Ⅱ,水质状况良好,不存在用水障碍。     

基于GIS和RULSE的三峡库区土壤侵蚀量估算分析

以三峡库区为研究对象,在GIS技术支持下,利用野外实测及DEM、土地利用、土壤类型、植被覆盖等数据,对修正后的通用土壤流失方程(RUSLE)中各因子进行量化分析,从而对三峡库区土壤侵蚀量进行估算,并对土壤侵蚀强度进行分级;在此基础上计算不同坡度、土地利用类型、土壤类型下的土壤侵蚀综合指数。结果表明,三峡库区年均土壤侵蚀量为19 364.71×104 t/a,平均土壤侵蚀模数为2 741.48t/(km2.a),属于中度侵蚀;68.57%的区域为微度侵蚀或轻度侵蚀,强度以上侵蚀主要分布在库区的东部,面积占库区的14.43%,侵蚀量却占总侵蚀量的58.67%,是预防和加强水土流失治理的重点区域。     

基于T-S模糊神经网络模型对西部村镇集雨窖水水质的评价研究

针对西北村镇集雨窖水的水质特点,采用基于T-S模型的模糊神经网络对其进行评价分析。评价分析选用窖水水质指标中的CODMn、NH3-N和DO三个水质指标为输入向量,建立了适用于集雨窖水水质评价的T-S模糊神经网络模型,该模型最大训练误差︱e︱≤0.057 5,具有较强的泛化能力。在实例分析中,得出不同集雨面所收集的集雨窖水水质也不相同;降雨初期集雨窖水水质均为超Ⅴ类,随着时间的增长窖内水质有着明显的改善,但20d内,水质依旧较差且不稳定,需对集雨窖水进行相关处理后才可作为日常生活用水使用。