改进BP神经网络在水环境质量评价中的应用

针对传统水环境评价方法的不足,建立了改进的BP神经网络水环境质量评价模型.采用遗传算法对BP神经网络参数进行优化改进,并给出了该模型建模的一般步骤.以抚河流域进行实例应用,将其评价结果与投影寻踪评价结果进行比较,结果表明改进后的BP神经网络计算速度快、评价精度高、结果客观准确,在水环境评价中具有较好的应用价值.     

基于BP神经网络和模糊聚类分析的露天煤矿地下水质量评价

针对阜新新邱露天煤矿排土场淋溶水对附近于家沟地区地下水环境质量的影响所存在的问题,对研究区内的17眼水井分别采样,进行水质分析,采用模糊聚类分析方法对影响区地下水质量进行了评价,再利用BP神经网络对数据进行训练的和预测,研究了隐层节点对预测精度的影响,根据研究结论可确定出该区域地下水污染范围,具有一定的工程应用参考价值.     

BP神经网络在城市水环境承载力预测中的应用

将人工神经网络引入到水环境承载力预测的研究应用中,选取11项指标为模型输入项,把综合污染指数作为输出项,构建了BP神经网络评价模型,利用构建的模型预测评价丽水市内河水环境承载力状况,给出了该区在不同方案下的水环境承载力情况,并对预测结果进行了分析。采用的BP神经网络评价模型具有结构简单、建模方便等特点,通过训练能快速准确获得样本信息,评价结果能直观地反映评价地区的水环境承载状态。     

BP神经网络在地下水水质评价中的应用

地下水污染是当前较为严峻的现实问题,地下水水质评价是开发和保护地下水资源的前提,将BP神经网络应用到地下水水质评价中,解决了以往评价方法人为性较大和隶属函数构建不合理等问题。应用实例表明,BP神经网络法训练速度快、精度高,能如实地评价地下水质情况。     

基于模糊综合评价法的地下水环境质量评价

为了确定某储煤基地地下水的污染区范围,运用模糊综合评价法,选择总硬度、溶解性固体、SO2-4、Cl-、氟化物、NO3--N、Fe、Mn、Cr6+为评价因素,对5个监测点进行水质分析,并通过Matlab编程,结合其强大的数据处理功能,对其地下水水质进行评价。分析结果表明,该储煤基地水质状况尚可,但是2号监测点附近水质属于严重污染。     

基于BP神经网络在白洋淀水质综合评价中的应用

选用2012年为现状年,应用BP神经网络建立白洋淀水质综合评价模型,用训练好的BP神经网络模型对白洋淀各监测断面的水质现状进行类别评价。结果显示,与单因素评价法相比,BP神经网络法是一种更加客观、有效和实用的环境质量评价方法。     

离柳矿区岩溶地下水环境质量评价

通过大量资料的分析，根据地下水各指标含量特征，划分水质类型，采用综合指数法，确定地下水质量级别，据水质地质条件划分质量分区，对保护和利用好水资源起到一定的指导作用。     

双隐层BP神经网络模型在区域水安全评价中的应用

基于BP神经网络的基本原理和方法,构建双隐层BP神经网络水安全评价模型.以相关文献资料进行模型评价效果验证.验证表明:所建立的双隐层BP评价模型和评价方法是合理可行的,是一种可以运用的区域水安全评价方法.基于此模型,结合丰水地区区域实际,利用层次分析法构建了符合丰水地区水安全评价的指标体系和标准,以文山州区域水安全评价为例进行分析.结果表明:文山州各评价区域不同规划水平年水安全评价等级为Ⅳ～Ⅱ级,即处于不安全与安全之间,客观反映了文山州现状及中、长期水安全状况,符合区域实际,评价结果可作为研究区域水安全评价的参考依据.     

BP神经网络在鱼洞河滑坡稳定性评价中的应用

 以边坡高度、边坡角度、岩土重度、粘聚力、内摩擦角等作为输入模式变量，建立BP人工神经网络训练样本集以之用作滑坡稳定性评价。通过对网络学习参数的优化，如学习速率为0.9，学习步长为0.7，在迭代12 589次网络训练后样本收敛。以此为基础，建立BP神经网络各隐含层的连接权重和阈值，进行模式识别，完成了鱼洞河边坡状态和稳定系数的计算。计算结果表明，鱼洞河边坡处于破坏（不稳定）状态，稳定系数为1.100 5     

改进的BP神经网络模型在大坝安全监测预报中的应用

针对BP神经网络模型存在的缺陷进行了改进 ,并将改进的BP模型应用于大坝安全监测中效应量的预报。示例证明 ,改进的BP神经网络模型与常规BP神经网络模型及回归统计模型比较具有明显的优越性     

BP神经网络在渭北旱塬区地下水埋深预测中的应用

地下水埋深变化是地下水动态变化的主要特征之一。本文选取了渭北旱塬区两个具有典型性的观测井点,利用已有的2000年-2010年埋深数据以BP神经网络的方法对地下水埋深进行模拟和预测。结果表明:预测值与实测值拟合较好。故该方法可应用于地下水动态的预测。     

基于改进BP人工神经网络在地下水水质现状评价中的应用

利用改进BP人工神经网络模型对吉林市地下水水质进行现状评价,并与综合指数法评价结果进行对比,研究结果表明,改进BP人工神经网络应用于地下水水质评价简单实用,并得到与常规评价方法一致的结论,是一种快捷有效的评价方法.     

改进型LM-BP神经网络在水质评价中的应用

为了克服传统BP神经网络在水质评价中的不足,利用双极性S型函数输出可为正或负的特性以及LM算法具有梯度下降法的全局特性和高斯-牛顿的局部特性,对BP神经网络法进行改进,提出了基于双极性S型函数的改进型LM-BP神经网络模型的水质评价方法。应用结果表明,将此网络模型应用于水质评价是有效的、可行的。与其他评价方法相比,评价结果更加客观、合理。改进后的算法收敛速度较快,预测精度很高,为水质评价提供了一种新方法。     

改进的模糊综合评价法在长春市地下水水质评价中的应用

采用改进的模糊数学综合评价法对吉林省长春市东南部生态区和西南部工业区的地下水水质进行评价。结果表明,长春市西南部工业区的地下水水质为Ⅳ类,影响水质的主要因素是重金属离子,需要采取有效措施防止地下水污染;长春市东南部生态区的地下水水质为Ⅱ类,综合水质优于西南部工业区。     

改进的灰色聚类法在地下水质量评价中的应用

选择50项地下水评价指标,利用灰色聚类法对滹沱河冲洪积扇平原区地下水质量状况进行评价,发现由于参评指标中痕量指标较多,导致评价结果失真。通过修正其聚类权的计算方法将原有方法加以改进,得出结论:区内绝大多数地区水质状况良好,影响区域地下水质量的指标主要为溶解性总固体、总硬度、硝酸盐氮等无机指标,水质较差区主要分布在城区、城镇周围区、排污河道两侧、地表污染水体分布区及引污水灌溉农田地区。指出工农业发展及人类活动加剧是造成研究区水质变化的主要原因。     

基于改进BP算法的地下水动态预测模型

运用学习率自适应动量BP算法建立了吉林西部地下水埋深人工神经网络模拟预测模型。首先利用自回归分析方法确定网络输入输出样本,而后应用“试错法”确定隐含层节点数,最终建立了6∶10∶1的ANN地下水动态模拟预报模型,最后应用VB语言依据改进BP算法编制计算程序进行模拟计算。通过对模型检验可知该模型模拟和预测精度均较高,完全可应用于地下水位动态预报。2002年以后的预报结果表明该地区地下水位持续下降,应及时加以控制。     

基于改进BP神经网络模型的苏帕河流域梯级电站水质综合评价

引入人工神经网络（ANN）理论,提出了水环境质量综合评价的改进BP神经网络模型,并编制了相应的程序。将模型运用于苏帕河流域梯级电站水质综合评价中,结果表明改进的BP神经网络模型通过变步长法和加入动量项的方法不仅可以减少训练的次数,避免网络训练陷入平坦区,还可以提高网络的精度,减小全局误差。与传统评价方法相比,本模型全面考虑多种因素,评价结果更为客观、合理;相应所开发的评价系统适应性强,通用性好,简单易用,具有优越性。     

BP神经网络在洞庭湖氨氮浓度预测中的应用

采用BP网络的三种改进算法,对洞庭湖桂花园8年(1995年~2002年)的氨氮浓度和其影响因子实测资料进行分析,建立了基于BP神经网络的氨氮浓度预测模型,并对三种改进算法的训练结果进行了比较。结果表明:作为数据驱动型模型的BP网络,用来建模的学习样本质量至关重要,可以直接影响网络的预测精度。1995年~2002年的丰水期(9月份)数据分布比较均匀,能让网络对样本充分学习,与传统的统计建模方法相比,预测精度较高,能较好地反映洞庭湖氨氮浓度与其影响因子之间变化规律。     

基于改进BP网络的轴流式水轮机调节特性仿真

为了获得水力机组在小开度、小流量工况点下非线性特性数据,利用改进BP网络与MATLAB神经网络工具箱相结合的方法,将已知的水轮机综合特性曲线数据与边界约束点相结合,经网络自动"学习"训练可获得低效区的流量延拓、力矩延拓仿真曲面。改进BP网络模型可以大大地提高水轮机综合特性曲线数据处理的效率与精度,是研究水轮机控制系统的一种新的非线性建模仿真模型。