人工神经网络在水质评价与水质模拟中的应用

本论文主要研究人工神经网络在水质评价与水质模拟中的应用。论文在对目前水环境质量现状评价30余种方法进行综述分析的基础上,根据水质评价的要求和特点,成功地将人工神经网络的理论、算法及模式引入到水质评价领域,建立了地面水环境质量综合评价的隶属度ＢＰ网络模型与综合评价的Ｈｏｐｆｉｅｌｄ网络模型,并以重庆市南川凤嘴江水质资料为实例,对学习成功后的网络进行了检验测试,取得了良好的效果。在此之后,论文系统地对目前在水质评价领域中最具代表性和综合性的模糊综合法、灰色聚类法,与本文建立的隶属度ＢＰ网络模型与Ｈｏｐｆｉｅｌ…     

人工神经网络在综合水质评价中的应用

人工神经网络(ANN)是复杂非线性科学和人工智能科学的前沿，其在水质评价的应用研究在国内外尚处于初创阶段。在详细分析LM算法的基础上，提出了基于LM算法的水质综合评价BP模型，并将该模型应用于实例，进行效果检验。结果表明：LM-BP模型用于水质综合评价是可行的，与其它评价方法相比，评价结果更加客观、合理，而且网络训练速度最快，适合作为水质综合评价的通用模型。     

基于LM—BP算法的综合水质评价研究

人工神经网络(ANN)是复杂非线性科学和人工智能科学的前沿，其在水质评价方面的应用研究在国内外尚处于初创阶段。在详细分析LM算法的基础上，提出了基于LM算法的水质综合评价BP模型，并将该模型应用于实例进行效果检验。结果表明：LM—BP模型用于水质综合评价是可行的，与其它评价方法相比，评价结果更加客观、合理，而且网络训练速度最快，适合作为水质综合评价的通用模型。     

不同水质评价方法在朱庄水库、野沟门水库水质评价中的应用

目前应用较广泛的水质评价方法有单因子评价法、水污染指数法、综合水质标识指数法、人工神经网络法、模糊综合评价法等,其中人工神经网络法、模糊综合评价法操作复杂,对评价人员素质要求较高,且适用面偏窄,选取前三种评价方法对朱庄水库、野沟门水库2018年度水质情况进行评价,并对比分析三种评价方法的区别,探讨分别适用的水体情况。     

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.     

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.     

基于粗糙集——信息熵的水质综合评价方法研究

水质评价是水环境治理和水环境保护的基础,如何客观地设定各水质评价指标的权重是水质评价的重点和难点。首次将改进的基于粗糙集和条件信息熵权重的确定方法应用到水质评价中,科学、有效地确定了各水质评价指标的权重,并在此基础上进一步建立了基于粗糙集和条件信息熵的水质评价模型。利用该模型,对重庆市南川凤嘴江的实测水质数据进行了综合评价。应用结果表明:运用该方法得出的评价结果更加科学、合理,而且能够对同一等级的水质开展进一步的细化分级。研究成果可为水质监测和水质评价提供一种新的思路。     

人工神经网络在水文水资源水环境系统中的应用研究进展

在简要介绍了人工神经网络（ANN）的独特性能和应用于水文水资源水环境系统的研究意义的基础上，从预测预报、分类识别、优化调度与计算、环境水质评价评估等诸多方面详细综述了国内外的应用研究进展，文中还探讨了今后的研究方向．     

人工神经网络在地下水水质评价中的运用

目前，在许多学科中，关于人工神经网络方面的研究异常活跃，该文结合淮北地区实际情况，对ＢＰ网络在水质评价中的应用作了探讨。     

神经网络在淮北地区水质评价中的应用

目前，在许多学科中，关于人工神经网络方面的研究异常活跃，本文结合淮北地区实际情况，对ＢＰ网络在水质评价中的应用作用探讨。     

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。     

基于粒子群算法优化极限学习机的区域地下水水质综合评价模型

地下水环境质量的准确评价可降低由水质不确定性导致的农业水管理决策风险,对于指导区域发展绿色农业、清洁生产等均具有重要的实践意义。针对ELM会随机产生输入层与隐含层的连接权值和隐含层阈值,导致网络泛化能力降低以及过度拟合引起的评价结果失真问题,提出一种基于粒子群算法优化极限学习机的地下水水质综合评价模型。选取黑龙江省建三江地区为研究区域,通过典型农业机井中地下水体的实地采样,利用构建的PSO-ELM模型对地下水水质进行综合评价。结果表明:PSO-ELM模型拟合性高于传统的ELM模型和RBF模型,并提高了区域地下水水质的模拟评价效果。建三江地区下辖的15个农场,整体地下水水质较好。研究区范围内地下水水质等级呈现出集中式分布特点,地下水综合水质较差的农场集中在研究区中东部,水质较好的农场集中在研究区的东西两侧。建三江地区地下水水质地域性规律主要与化肥施用量有关。为此,在保障粮食安全与用水安全的同时实现清洁生产应注意控制化肥的使用量,积极探索作物高产新举措。     

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。     

流域水资源配置后效评价研究

从流域的角度对水资源配置后效进行评价，根据评价指标的筛选原则，设计了流域水资源配置后效评价的指标体系，运用层次分析法（AHP）和改进的BP神经网络相结合的方法构建了流域水资源配置后效评价模型。最后以淮河流域为例，采用此模型进行了评价，评价结果与实际相符。     

修正的模糊综合评判法在地下水水质评价中的应用

模糊综合评判法在水质评价中越来越为更多的环境水文地质工作者所采用,但在地下水质量评价中存在确定隶属度问题和模糊数学综合评判法的复合运算问题。通过对存在的问题进行简单的处理,对评价方法加以修正,并将修正前后的方法应用同一案例,进行评价效果对比。结果显示,由于所采用的案例区域地下水水质较差,因此导致评价结果与改进前的"相乘取大"和"取小取大"算子相似性较强,但评价结果仍显示,改进后的方法更为真实的反映了地下水水质状况,方法可行,评价结果可信,有一定的借鉴意义。     

BP神经网络用于水质评价的参数确定

水质评价是多变量的非线性系统,而神经网络解决非线性问题有其独到优势,其用于水质评价是较好的方法。在评价时,神经网络参数的确定直接影响到评价的精度。通过对输入输出数据的归一化、权和阈值的初始值以及网络隐层节点数确定方法进行探讨,优化了在水质评价时BP神经网络的参数,并在实际评价中应用,从而使评价结果更客观和符合实际。     

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。     

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。     

城市河网连通循环净化系统构建及其关键技术

针对城市河网连通性欠佳、水环境质量下降及河网调控难度大等问题,提出基于活水循环耦合高效净化的城市河网水环境改善新模式,并提出河网整治过程中待解决的关键问题,即城市河网全局补水调控技术、定量化整装净化技术、精细化水环境模拟与信息互馈机制、信息集中与全局处理。在此基础上,阐述了新发展形式下城市河网连通活水循环净化系统的内涵与总体需求,提出了涵盖河网整治、河网水体净化、河网水流-水质模拟评价、水质在线监测等4个方面的系统架构,明确了城市河网水体动态连通调控-定量整装成套净化耦合技术、河网水体动态监测-精细化模拟耦合技术、城市河网水环境全局信息管理与全面互联等关键技术问题,给出了城市河网未来的规划治理方向。     

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.