基于BP神经网络的文山州水资源承载能力评价分析

基于人工神经网络模式识别理论和方法,依据水资源承载能力评价指标体系和标准,构建BP神经网络水资源承载能力评价模型,对区域不同规划水平年不同保证率情景下的水资源承载能力进行评价分析。结果表明：①文山州及各县级行政区域的水资源承载能力在不同水平年不同保证率情景下均未达到Ⅰ级标准,表明各评价区域水资源仍有一定的开发利用潜力。②BP神经网络模型的评价结果符合区域实际,且评价网络稳定,结果直观明了,是一种可以运用的区域水资源承载能力综合评价方法。     

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。     

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。     

基于AHP-BP模型的文山州水资源可持续利用评价分析

基于层次分析法和BP神经网络的基本原理和方法,结合区域实际,利用层次分析法构建了符合丰水地区水资源可持续利用指标体系和评价标准,从水资源条件、水资源开发利用效率、生态环境状况、水资源合理配置和水资源管理能力五个方面提出50个评价指标,运用双隐层BP神经网络,建立AHP-BP水资源可持续利用评价模型,对文山州不同规划水平年水资源可持续利用进行综合评价。结果表明:①不同规划水平年各评价区域水资源可持续利用评价为2～3级,即处于可持续与基本可持续之间,反映了文山州现状及中、长期水资源可持续利用状况,符合区域发展实际。②AHP-BP评价模型克服了层次分析法判断矩阵构造主观性强和一致性不易检验等缺点,满足客观评价要求,且双隐层BP神经网络具有比单隐层网络学习时间短,参数收敛迅速,自适应能力强等优点。     

基于改进BP神经网络模型的云南文山州水资源脆弱性综合评价

利用层次分析法构建符合丰水地区水资源脆弱性评价的指标体系和等级标准,分别构建基于单、双隐层BP神经网络技术的区域水资源脆弱性综合评价模型,并采用内插法构造网络训练样本,将水资源脆弱性分级评价标准值作为“评价”样本,对云南文山州区域水资源脆弱性进行评价分析。结果表明：①单、双隐层BP神经网络模型对区域水资源脆弱性综合评价结果基本相同,说明研究建立的区域水资源脆弱性评价模型和评价方法均是合理可行的,与单隐层网络相比,双隐层网络泛化能力强,预测精度高,但训练时间较长;②文山州各评价区域不同规划水平年水资源脆弱性评价等级为Ⅲ-Ⅴ级,即处于中度脆弱与不脆弱之间,客观反映了该州水资源脆弱性状况,符合区域实际情况。评价结果可以作为研究和评价区域水资源脆弱性的参考依据。     

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.     

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     

BP神经网络在洪水灾害灾情等级评价中的应用

针对洪水灾情评价指标与洪水灾害灾情等级之间的复杂的、不确定的关系,建立了适于洪水灾害灾情等级评价的BP神经网络模型,运用MATLAB来快速估算洪水灾害灾情的等级。经实例验证,该方法为一种快速、可靠的灾情评价方法。     

BP神经网络在盘龙河水质综合评价中的应用

基于BP神经网络原理,建立人工神经网络水质综合评价模型,选取影响盘龙河水质类别的总磷、氨氮、高锰酸盐指数等7个指标作为评价因子,并参照GB3838—2002《地表水环境质量标准》,确定神经网络学习和训练样本,运用大型工程计算软件Matlab2010a工具箱中提供的函数进行计算,得到水质的综合评价结果,并将评价结果与单因子评价结果进行了比较。结果表明：BP神经网络模型的评价结果不仅令人满意,而且具有客观、可靠的优点,是一种科学、新型的水质综合评价方法。     

BP神经网络在盘龙河水质综合评价中的应用

基于BP神经网络原理,建立人工神经网络水质综合评价模型,选取影响盘龙河水质类别的总磷、氨氮、高锰酸盐指数等7个指标作为评价因子,并参照GB3838-2002<地表水环境质量标准>,确定神经网络学习和训练样本,运用大型工程计算软件Matlab2010a工具箱中提供的函数进行计算,得到水质的综合评价结果,并将评价结果与单因...     

Elman与GRNN神经网络模型在水环境承载力评价中的应用——以文山州区域水环境承载力评价为例

利用层次分析法构建符合区域水环境承载力的评价指标体系和分级标准,基于Elman神经网络与广义回归神经网络(GRNN)算法原理,提出Elman与GRNN神经网络水环境承载力评价模型,采用内插法构造网络训练样本,将水环境承载力分级评价标准阈值样本进行评价,将结果作为区域水环境承载力等级评价的划分依据,对文山州不同规划水平年水环境承载力进行评价。结果表明:文山州不同规划水平年水环境承载力处于绝对可承载与基本可承载之间,客观反映了区域水环境现状及规划期望效果,可为区域水环境承载力评价和研究提供参考。Elman与GRNN神经网络模型评价结果基本相同,表明研究建立的区域水环境承载力评价模型和评价方法均是合理可行的,二者均可作为区域水环境承载力评价的选用模型。     

SSO-BP模型在水资源可再生能力评价中的应用

为评价区域水资源可再生能力,提出了水资源可再生能力评价指标体系和分级标准,构建了基于BP神经网络的评价模型,并以云南省文山州水资源可再生能力评价为例进行实例研究。首先,遴选出单位面积水资源量等10个指标,构建水资源可再生能力评价指标体系和分级标准;其次,针对BP神经网络初始权值和阈值难以确定的不足,利用一种全新的仿生群体智能算法--群居蜘蛛优化（SSO）算法优化BP神经网络初始参数,提出了SSO-BP评价模型,并通过6个高维复杂函数对SSO算法进行验证,且与粒子群优化（PSO）算法进行对比;最后,利用SSO-BP模型对实例进行水资源可再生能力评价。结果表明：① SSO算法具有较好的收敛精度和全局寻优能力,可有效提高BP神经网络模型的预测精度和泛化能力。② 文山州各评价区域2014年水资源可再生能力处于最强与中等之间,符合区域现状。     

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.     

神经网络应用于大坝安全评价的方法研究

运用神经网络方法评价大坝安全极具优越性,但传统大坝安全评价方法不能为神经网络模型提供学习样本。提出一种新的大坝安全评价方法,为神经网络应用于大坝安全评价提供可能。     

突变理论与BP神经网络相结合的堤防安全综合评价

针对堤防工程失事后果严重,难以进行全线监控等问题,从致灾因子、孕灾环境和承灾体3个方面考虑,选取恰当的评价指标,构建了多层次多目标半结构性的堤防工程安全评价指标体系。在堤防安全评价指标体系的基础上,提出基于突变理论与BP神经网络相结合的堤防安全综合评价模型,即将突变理论归一公式处理后的指标作为BP神经网络的输入,通过试错法确定中间层,输出为堤防安全综合评价值。利用该模型对黄河宁夏段堤防工程进行堤防安全综合评价,并将综合评价模型评价结果分别与主成分分析法和层次分析法的评价结果进行对比分析。结果表明,模型评价结果合理,既考虑了系统内部各影响指标间的矛盾关系,也具有较强的鲁棒性,简单实用,对同类水利工程安全评价具有借鉴意义。     

BP神经网络在水资源承载能力预测中的应用

采用三层的BP神经网络结构,选取与水资源承载力密切相关的6个社会经济指标,根据1995～2004年10年时间序列指标数据,运用MATLAB中改进的BP神经网络算法建立了长春市水资源需求量预测模型,通过预测值和检验值的误差比较,表明预测模型的精度较高。参考长春市“十一五”规划期间的社会和经济发展目标,预测得到“十一五”期间长春市水资源需求量,对比现有供水能力,“十一五”期间水资源承载能力无法满足社会和经济的发展要求,为实现资源、社会和经济的协调发展,从开源和节流两个方面提出了水资源的可持续利用对策。     

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MATLAB下BP网络在河流污染物浓度预报中的应用

文中简介了MATLAB语言和BP神经网络，并运用于河流污染物浓度的预报中，取得了良好的效果，说明运用BP神经网络进行河流污染物浓度预报是可行的．人工神经网络用于解决河流污染物传播扩散的复杂非线性问题，具有其独特优势．运用MATLAB神经网络工具箱，免去了繁琐的编程工作，值得进一步的研究和实践。