水质综合评价的LM-BP神经网络通用模型应用

分析BP神经网络应用于水质评价中存在的问题和目前水质评价中的不足,基于地表水环境质量分级标准和L-M算法原理,提出LM-BP神经网络水质综合评价通用模型。利用随机内插方法在地表水环境质量分级标准阈值间生成训练样本和检验样本,采用顺序和随机两种方法选取训练样本和检验样本进行随机模拟;利用平均相对误差、最大相对误差等统计指标评价LM-BP模型性能,并构建传统BP、RBF模型作为对比模型;以某水质评价实例进行模型验证,并与灰色关联分析法、模糊综合评判法和TOPSIS法评价结果进行比较。结果表明：LM-BP通用模型具有评价精度高、泛化能力强、收敛速度快、算法稳定和通用性能好等优点,可应用于任意水质评价。在实际应用中仅需对通用模型的评价因子、输入维数和隐含层神经元数进行删减即可满足评价要求。     

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。     

水质评价的人工神经网络方法

在分析BP神经网络算法的基础上,针对其某些不足,提出了几点改进措施。在此基础上,以宁夏水质评价为实例,探讨了人工神经网络在水质评价中的应用,并用VB语言编制了水质评价程序。结果表明,采用人工神经网络进行水环境质量评价,运算速度快,评价结果准确,具有广泛的应用前景。     

基于主成分分析法与人工神经网络耦合模型的水质评价

为了解决水质评价中评价指标权重难以合理确定、评价模型过于复杂、评价结果不合理等问题,将改进的主成分分析降维能力与人工神经网络自学习能力相结合,提出PCA-BP神经网络水质评价模型.实例分析表明,PCA-BP神经网络在避免了传统的单因子评价法评价结果过于悲观、神经网络法模型复杂的同时,能够确定主要污染物,所得评价结果的合理性、准确性均能够得到保证.     

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BP神经网络在地下水环境质量评价中的应用

以LM算法和步长自适应法对BP神经网络进行改进,并将输入数据采用压缩系数法进行处理, 用改进后的BP神经网络对黄河流域某地区地下水环境质量进行评价,并和内梅罗指数法、灰色聚类法评价结果相比较,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。     

改进BP神经网络集成模型在径流预测中的应用

为提高径流预测预报的精度和泛化能力,建立了基于3种基本改进算法的BP神经网络集成预测模型。利用ADF单位根检验方法、自相关分析方法确定径流时间序列的平稳性和模型的输入向量。针对BP神经网络标准算法收敛速度慢、易陷入局部极值的缺陷,采用自适应动量梯度法、共轭梯度法和Levenberg-Marquardt法分别改进BP神经网络标准算法,依次构建基于3种改进算法的BP神经网络模型对文山州南利河董湖水文站年径流进行预测,并构建GA-BP预测模型作为对比模型;采用加权平均方法对各单一模型预测结果进行综合集成。结果表明:集成模型对南利河2001-2005年径流预测平均相对误差绝对值为4.67%,最大相对误差绝对值为7.11%,精度和泛化能力均优于各单一模型和GA-BP模型。集成模型克服了单一模型预测精度不高和误差不稳定的缺点,具有较好的预测精度和泛化能力,是提高径流预测预报精度的有效方法。     

汉江中下游典型河段水环境遥感评价

选择汉江中下游典型河段作为研究区域,利用2012年春、夏、秋3季水质采样结果及HJ1A卫星CCD同步多光谱数据,建立了研究区总氮浓度BP神经网络反演模型,并根据反演结果对研究区进行水质状况评价。研究结果表明基于弹性BP训练算法(启发式训练算法)的BP神经网络模型反演精度高,适用性强,可真实反映研究区总氮浓度在不同河段及不同季节中的变化情况,可较好地利用国产卫星数据开展流域水质评价工作。水质评价结果表明研究区在不同季节和不同区域水质差异较大,研究区春季总氮指标严重超标,夏、秋2季指标优于春季,下游指标优于上游。     

改进的AHP法在南宁内河水质评价中的应用

针对水质评价具有多目标性和模糊性的特点,以2006年南宁市内河水质监测资料,采用改进的AHP法建立了水质评价模型对水质进行评价,并将结果与其它算法的结果对比,证明改进的AHP法在水质评价中是可行性的.     

基于改进人工蜂群算法的地下水埋深预测研究

为了改进人工蜂群算法的RBF神经网络模型在地下水埋深预测中的应用,在基本人工蜂群算法中引入高斯变异算子,并优化初始蜜源位置,提出了基于改进人工蜂群算法的RBF神经网络模型,并利用安阳市某观测站的降水量、蒸发量、河道流量、灌溉渗漏量和人工开采量5个相关影响因子的数据,对该方法进行了应用。为了验证模型的优劣性,与单一的BP神经网络模型、RBF神经网络模型、基于蚁群算法的RBF神经网络模型和基于基本人工蜂群算法的RBF神经网络模型的预测结果进行了比较,结果表明:基于改进人工蜂群算法的RBF神经网络模型收敛速度更快、预测结果误差最小。     

基于随机遗传算法的LM-BP模型的氨氮预测

针对伦河孝感段近几年实际的氨氮含量,提出并建立随机遗传算法的LM-BP模型,并对该地区的氨氮含量数据进行取样、拟合、测试并预测。由于LM-BP网络对其初始权阈值敏感,泛化能力不强,故采用遗传算法（GA）对其初始权阈值进行了优化。为扩展初始种群的覆盖范围得到更优的测试结果,经过多次随机产生初始种群的多次优化,进一步提高了LM-BP网络的泛化能力。实测结果表明：该模型基本能100%拟合,测试误差不超过2%,能够采用该模型对该地区的氨氮含量进行预测,为水质预警预报和水环境规划治理提供科学依据。     

基于萤火虫算法的BP神经网络的水质评价（英文）

Assessment of water quality by firefly algorithm based on BP neural network model(FA-BP model)is built.In this model,the evaluation index function is constructed by BP Artificial Neural Network Algorithm(BP model),and Firefly Algorithm(FA model)is introduced to optimize weight values and thresholds to find the optimal solution.Fuzzy Comprehensive Evaluation method,Grey Incidence Analysis Algorithm and FA-BP model will be applied to evaluate the water quality of the five main rivers in Lianyungang City including Longwei,Yudai,Dapu,Paidan,and Dongyan River.The results show that the Fuzzy Comprehensive Evaluation method is difficult to use for slight pollution rivers with several slightly over standard indexes.It will be easy to ignore the impact of extreme indexes by Grey Incidence Analysis Algorithm.FA-BP model solves the shortcomings of the two methods.The evaluation results provide an important reference for the formulation of reasonable measures.It is a relatively comprehensive evaluation method and has a good application prospect in water quality evaluation.     

Assessment of water quality by firefly algorithm based on BP neural network model

Assessment of water quality by firefly algorithm based on BP neural network model ( FA-BP model) is built. In this model, the ev aluation index function is constructed by BP Artificial Neural Network Algorithm ( BP model) , and Firefly Algorithm ( FA model) is intr oduced to optimize weight values and thresholds to find the optimal solution. Fuzzy Comprehensive Evaluation method, Grey Incidence Analysis Algorithm and FA-BP model will be applied to evaluate the water quality of the five main rivers in Liany ungang City including Longwei, Yudai, Dapu, Paidan, and Dong yan River. The results show that the Fuzzy Comprehensive Evaluation method is difficult to use for slight pollution rivers with several slightly over standard indexes. It will be easy to ignore the impact of ex treme indexes by Grey Incidence Analysis Algorithm. FA-BP model solves the shortcomings of the two methods. The evaluation results pr ovide an important reference for the formulation of reasonable measures. It is a relatively comprehensive evaluation method and has agood a pplication prospect in water qualit yevaluation.     

太湖流域平原河网区水系连通性评价

河湖水系连通是流域及区域防洪、供水和水生态安全的重要基础。现有的基于水流阻力与图论的水系连通性评价方法并不适用于连通性受闸门工程调度影响较大的平原河网区,为此提出了改进的水系连通性评价方法,不仅考虑河网中不同类型河道的实际输水能力,还考虑了闸门启闭的开启度。以太湖流域平原河网区为例,运用太湖流域水量水质模型中的概化河网绘制河网图,结合模型计算出各河道水位及闸门开启度,构建出加权邻边矩阵,并利用MATLAB编程算出每个节点连通性,进行了平原河网区典型年时河网水系连通性评价。总体评价结论为太湖流域平原区总体水系连通性较高,但各水利分区的连通性有一定差异,其中阳澄淀泖区和太湖区水系连通性较高。评价结论符合太湖流域平原河网区的实际情况,和前期研究方法的结论基本一致。该方法实现了受闸门调度影响较大河网水系的连通性定量化评价,可用于河网水系连通性变化评估、改善水系连通工程设计等领域。     

基于改进模糊综合评价法的喀斯特山区水质评价研究

将水污染物浓度超标指数算法应用于双权重超标赋权法中,与超标倍数法划定组合新的综合权重,构建新模型,并与双权重超标赋权法、超标倍数法、灰关联数代替模糊隶属度综合评判法进行对比分析,为水质评价提供一种新的研究方法。以乌江流域喀斯特山区水质评价为例,选取3个具有代表性的监测断面中7种水质指标为研究对象。结果表明:(1)改进模糊综合评价法与单一权重评判法、灰关联数代替模糊隶属度综合评判法进行对比分析显示,前者克服了单一方法在计算过程中的不足,在评价结果上更为全面客观,断面污染评判与实际更加吻合,主要污染物筛选结果可靠,而后两者在不同程度上偏离实际检测评判结果,不能充分对水质进行合理评判;(2)改进模糊综合评价法对国控监测断面的评价结果显示,龙场断面全年水质较好,处在Ⅰ类水质的时间达到10个月;(3)改进模糊综合评价法对省控监测断面的评价结果显示,天文和叉河断面的水质污染状况较为严重,二者全年平均值均为Ⅴ类水质,其中天文断面有8个月属于Ⅴ类,叉河断面有5个月属于Ⅴ类。     

基于极限学习机的长江流域水资源开发利用综合评价

为能客观、准确地对长江流域水资源开发利用进行综合评价,利用层次分析法构建了符合长江流域水资源开发利用现状的综合评价指标体系和分级标准,基于极限学习机(ELM)算法原理,构建了ELM水资源开发利用综合评价模型对长江流域及主要水系水资源开发利用进行综合评价,并构建RBF、BP神经网络模型作为对比评价模型。采用随机内插的方法在各评价分级标准阈值间生成训练样本和检验样本,在达到预期评价精度后将模型运用于长江流域水资源开发利用综合评价中。结果表明:ELM水资源开发利用综合评价模型对长江流域及主要水系水资源开发利用综合评价等级为4～8级,处于有潜力至失衡之间,与长江流域各主要水系水资源开发利用现状相符;该模型的评价精度和泛化能力均优于RBF及BP神经网络评价模型,是合理可行和有效的,可应用于长江流域水资源开发利用综合评价,具有参数选择简便、评价精度高、泛化能力强等优点。