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。     

半城子水库水生态健康评价

参照《水生态健康评价技术规范》中的评价方法及评价体系,对密云水库上游半城子水库水生态健康状况进行评价,评价结果显示:半城子水库水生态健康综合指数为83.79,处于评价水平中的健康等级.根据评价结果,从村庄生活污染控制、河道生态修复及库区水质改善等方面提出建议.通过对河湖生态系统的现状及存在的问题进行诊断,来评估北京市河湖水生态系统的健康状况,对加快推进水生态文明建设具有重要意义.     

太湖流域水生态状况演变及评价

本文以太湖流域管理局水文局2010－2014年系列监测资料为依据,根据《技术大纲》的相关评价标准并且结合历年《太湖健康评估报告》成果,通过太湖近5年的水功能区达标率、富营养化指数、鱼类损失指数、河湖连通情况等指标在不同年份之间的变化情况分析,对太湖流域水生态状况作出总体评价。认为,2014年太湖水功能区达标率为62.5%;平均营养指数为61.5,评价结果为中度富营养化;鱼类损失指数为0.49,评价结果为中;河湖连通率为80.87%,评价结果为良。     

基于BP和RBF神经网络的水轮机综合特性曲线的拟合

关于大波动过渡过程中水轮机特性曲线的处理有很多种方法,其中有用神经网络方法来训练相关数据形成网络从而预测待求数据点,其中BP和RBF两种网络为较为常用的神经网络方法。本文通过学习Matlab中神经网络工具箱的调用,比较分析了BP和RBF两种神经网络在水轮机特性曲线拟合上的区别,试图找出BP网络隐含层神经元个数对其拟合精度的影响,以及随着其神经元个数增加而拟合度增加的情况。     

南渡江下游河流生态系统健康评价研究

构建了包括目标层、准则层和指标层的南渡江下游河流生态系统健康评价模型,其中,准则层包括环境功能、生态功能、防洪功能、利用功能和服务功能等共计15个评价指标。根据国内外研究成果和南渡江下游河流的实际情况,划分评价指标的评价标准及其刻度值,利用层次分析法得到综合评价指数为0.751,说明南渡江下游河流处于良好健康状态。     

河湖健康评价体系中生物完整性指标之浅见

生物完整性指标是河湖健康评价的核心内容之一,其准则层中的七项指标大都需要专业机构现场调查所得。作者根据河湖健康评价《技术导则》和《指南》的要求,结合生物多样性调查所采用的分析方法,提出自己的见解和建议,以供相关人员参考。     

山丘区幸福河湖与河湖健康评价指标体系构建及应用

针对目前幸福河湖及河湖健康评价指标体系涉及指标较多、指标差异大、评价体系和所需数据不统一等问题，旨在构建一套既可以用于幸福河湖评价、通过调整又可以作为河湖健康评价的指标体系。根据浙江省山丘区河湖特点，构建山丘区幸福河湖评价指标体系，并结合目前已有的河湖健康评价指标体系，对幸福河湖评价指标体系进行调整，形成山丘区幸福河湖与河湖健康评价指标体系。通过实例分析可知，新建评价指标体系能很好地适用于山丘区河湖的幸福河湖与河湖健康的评价工作。     

基于改进的BP神经网络水源地水质安全预测

针对传统的BP神经网络未对影响因子进行筛选和筛选过程的主观性等问题,提出了改进的BP神经网络模型。选取山西省阳泉市地下水饮用水水源地的10个水质监测指标,进行Pearson相关分析得到相关系数;运用信息指标评价法对模拟因子进行筛选,得到最优的模拟因子,在明确BP神经网络的结构后,把最优模拟因子作为BP神经网络的输入样本,被模拟因子(水质状况综合指数)作为输出样本,建立水质预测模型。结果表明,预测的水质状况综合指数与实际值平均相对误差为3.80%,水质指数平均相对误差为0,较传统的BP神经网络模型精度高。     

山东河湖健康评价指标的选择与建议

河湖健康评价是评判河湖状况,找出导致不健康原因和特征的重要方式。在通用河湖健康评价指标基础上,因地制宜优化指标选择和权重设定是全面实现“河畅、水清、岸绿、景美、人和”目标的重要方式,尤其是山东省这类水资源紧缺的地区,只有针对性开展河湖评价,才能有效推动河湖管理工作不断深入。     

BP神经网络在岩爆预测中的应用

综合考虑围岩产生岩爆的内外在因素,采用地应力大小、岩石抗压和抗拉强度、岩石弹性能量指数等参数作为指标,建立了BP人工神经网络岩爆预测模型.将国内外具有代表性的工程实例作为样本,以提高网络的泛化能力;采用Levenberg-Marquardt算法来训练BP神经网络,以提高效率.实例表明,采用本文所给出的BP神经网络模型预测结果与实际情况相符,说明了此模型的有效性.     

人工神经网络模型在黄河水质预测中的应用

采用画匠营子断面2004-2009年逐周水质指标资料作为神经网络模型的训练样本,对BP神经网络进行训练,分别建立了pH值、溶解氧、氨氮、高锰酸盐指数的预测模型.为了验证模型的正确性,利用训练好的神经网络模型,采用调整后的权值和阈值,将2010年的数据作为独立样本进行预测检验.结果表明:基于BP神经网络的水质指标预测模型收敛速度快,对训练样本具有很好的拟合能力,且对检验样本的预测精度较高.     

基于RDPSO结构优化的三隐层BP神经网络水质预测模型及应用

提出基于随机漂移粒子群(RDPSO)算法结构优化的三隐层BP神经网络水质预测方法,利用RDPSO算法优化三隐层BP神经网络隐层节点数,构建三隐层RDPSO-BP水质预测模型,并与基于单隐层、双隐层节点优化的RDPSO-BP神经网络、基于网络权值阈值优化的RDPSO-BP神经网络预测模型作对比,以云南省五里冲水库总氮预测为例进行实例研究,利用实例60个月的总氮监测资料对此4种模型进行训练和预测。结果显示,三隐层RDPSO-BP神经网络模型对总氮预测的平均相对误差绝对值为6.98%,预测精度远高于其他3种模型,具有较好的预测精度和泛化能力。模型及方法可为相关水质预测研究提供参考。     

加强太湖流域综合管理维护河湖健康生态

以太湖流域为例,分析了流域水生态环境问题和河湖生态健康的评价指标,阐明了流域综合管理对维护河湖生态健康的重要性,提出了有效的流域管理目标在于建立人类活动与生态环境之间平衡的观点.维护流域生态健康所必需的综合管理措施,首先是要形成流域综合管理机制,建立高效、权威的流域管理机构,通过有效的流域综合管理来协调人类活动与水生态环境的兼容性,对于已经受损的流域河湖生态系统需要采取有效措施加以修复或恢复.另外,提出应把河湖生态健康作为衡量可持续发展和流域管理成效的尺度之一.     

LM—BP神经网络在于桥水库水质预测中的应用

利用BP神经网络的改进算法（L-M）,通过对大量样本进行多次的训练学习,建立于桥水库水质预痢模型,用该模型对于桥水库高锰酸盐指数、五日生化需氧量、氨氮、溶解氧等污染指标进行了预测,预测结果表明,LM—BP神经网络模型用在于桥水库水质预测时是可行的,可以得到较为理想的的精度和可靠度。     

可拓神经网络在水质评价中的应用

可拓神经网络是可拓学与人工神经网络的有机结合,能够更好地模拟人脑神经系统思维等智能行为。讨论了神经网络物元模型、神经网络的物元可拓性及基本物元变换,并利用可拓学的扩缩变换,通过在输出空间中用一个区域来代替BP神经网络的训练停止区域,极大地提高了神经网络的训练速度。以几个主要指标作为衡量水质优劣的标准并作为神经网络的输入样本,建立可拓神经网络训练水质的模型,并与普通BP神经网络进行训练速度和训练效果比较,实验表明,用可拓神经网络对水质的评价效果更为明显。     

基于水文学法的郭苏河生态流量研究

<正>按照《关于全面推行河长制的意见》的相关要求,为进一步推动河湖健康评价工作,平山县水利局以郭苏河作为平山县河湖健康评价工作试点。生态流量满足程度是河流健康评价的重要必选指标,郭苏河无已批复的生态水量保障实施方案。此文按照《河湖健康评价指南》以及《河北省河湖健康评价技术大纲》的要求,依据《河湖生态环境需水量计算规范》中的计算方法,计算了郭苏河生态流量目标值,并对不同计算方法进行了对比分析。     

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。     

自适应变步长BP神经网络在水质评价中的应用

为克服传统的BP网络的不足，采用自适应变步长算法（ABPM）来训练前馈人工神经网络。根据黄河流域的大汶河水系的水质监测的数据，建立了一个对地面水质进行判别的多层前馈网络数学模型。以地面水质七项污染指标为训练样本，对网络进行训练，并将训练好的网络用于水质进行评价，将计算结果与BP网络评价结果、单因子评价结果进行了比较分析。结果表明，ABPM神经网络方法收敛速度较快，预测精度很高，为水质评价提供了一种新方法。     

基于BP神经网络的潇河流域水质预测

针对传统水质预测方法存在预测精度不理想以及对实测数据要求较高的问题,建立基于BP神经网络的水质预测模型,以掌握研究流域未来一定时段的水环境质量情况。模型以潇河流域6个水质监测断面2017年1月-2020年5月的重铬酸盐指数和高锰酸盐指数的浓度作为训练集,以2020年6月-2020年8月的水质数据作为验证集进行模拟与预测。结果表明：BP神经网络模型经训练后,模拟的各断面水质指标平均相对误差均小于7%,相关性系数均超过了0.98,验证集的水质指标平均相对误差均小于18%。构建的BP神经网络模型预测精度较高,可以用于潇河流域的水质预测。     

基于综合功能辨识的城市河湖生态流量计算模型及应用

为了合理确定河湖生态流量的阈值,针对城市河湖功能的特点和实际,综合体现河湖多种生态服务功能目标的协调、河流断面与湖泊/湿地的耦合关联以及生态流量消耗与非消耗分项、存量与通量、水量与水质关系,构建了基于综合功能辨识的城市河湖生态流量计算与保障程度分析模型(MUSEF模型)。利用该模型可对城市河湖生态流量大小、流量过程、流量构成、流量空间分布以及变异性进行量化计算与优化辨识,对不同来水频率条件下生态流量的满足程度进行评价,明确生态流量的调控指标要求与时机,从而为城市河湖生态保护与健康管理提供定量工具。以株洲市区河湖水系为案例开展应用,量化得出了河湖生态流量的逐月过程线、生态流量构成以及变异性特征,分析提出了不同来水频率条件下河湖生态流量的满足程度、调控指标与调控时机,为株洲市河湖生态流量的有效管理和安全保障提供依据。