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...     

基于BP神经网络的水环境质量评价模型的研建

选择丹江口水库13个水质监测断面，应用了人工神经网络BP算法，构建了丹江口库区水环境质量评价模型。通过5个水质监测项目，氨氮、总氮、总磷、高锰酸盐指数、化学需氧量对丹江口水库库区水质进行了综合评价，并与单因子评价法的综合评价结果进行了比较,二者评价结果基本一致。应用结果表明，BP神经网络用于水环境质量评价具有客观性、通用性和实用性。     

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。     

基于改进灰色关联法的地表水环境质量评价

为了优化灰色关联法,获取西安市典型地表水环境的水质信息,采用线性内插法对监测数据归一化,使用超标倍数法确定指标权重,引入加权海明距离法计算评价对象和标准对象之间的相似度,得到新的水质评价模型,将其应用到西安市典型地表水环境质量评价中,并与单因子指数法、模糊综合评价法和BP神经网络法的评价结果进行比较。结果表明:黑河主要污染因子为总磷、总氮和COD,属Ⅱ类水质;浐河主要污染因子为总氮和氨氮,属Ⅴ类水质;北石桥污水处理厂二级出水主要污染因子为总氮、氨氮和COD,属Ⅴ类水质;大唐芙蓉园北湖主要污染因子为COD,属Ⅲ类水质;兴庆湖主要污染因子为总磷和总氮,属Ⅴ类水质;模糊综合评价法、BP神经网络法和改进的灰色关联法的评价结果完全相同。     

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。     

投影寻踪和BP网络在农村饮用水水质评价中的应用

日渐严重的农村饮用水水源污染问题已经影响到人们的日常生活,对水质变化情况的及时了解并针对其综合状况进行合理评价十分必要。根据农村饮用水水源地特点,选取了粪大肠杆菌、氨氮、总磷、高锰酸盐指数、溶解氧5个主要污染物作为评价指标,建立投影寻踪等级评价模型,计算水质标准等级与水质样本投影值,通过比较投影值得出样本等级。然后用BP神经网络对样本及投影值进行学习并预测,验证计算结果的合理性。以安徽省定远县的11个地表水水源地丰水期和枯水期水质进行实际评价。计算结果表明:与常用评价方法相比,模型准确有效,可为水质综合评价提供新方法。     

基于Hopfield网络的水质综合评价及其matlab实现

运用人工神经网络中的一种反馈网络(Hopfield网络)建立了水质综合评价模型,用大型工程计算软件matlab的工具箱中提供的函数进行计算,得到水质的综合评价结果,并将评价结果和运用BP网络法、灰色聚类法及单一污染指数法的评价结果进行了对比,结果分析表明,其评价结果也令人满意。Hopfield网络模型进行水质综合评价具有简单、直观,且容易实现的优点。     

基于两种方法对比的沛沿河水质综合评价

沛沿河水质的稳定达标直接关系到南水北调江苏段出境水质的好坏,对其进行水质综合评价尤为重要。根据沛沿河李集桥断面监测数据,分别采用模糊综合评价法、BP神经网络法,对徐州沛沿河进行水质评价。模糊综合评价法的结果显示,2009—2014年水质分别为Ⅳ、Ⅳ、Ⅳ、Ⅳ、Ⅳ、Ⅲ类;BP神经网络法的结果显示,2009—2014年水质分别为Ⅲ、Ⅲ、Ⅳ、Ⅳ、Ⅳ、Ⅲ类。沛沿河的水质逐渐好转,但效果不明显,应当采取进一步措施对其进行治理。分析表明:BP人工神经网络由于其自身的缺点导致评价结果较为乐观,模糊综合评价法能更好地反映水体的实际情况,可更好地为水环境保护提供科学依据。对比两种评价方法的优缺点,建议当评价结果重点体现各个评价因子对水质的影响时,选用模糊综合评价法;当数据量较大且需突出局部影响时,建议采用BP人工神经网络法。     

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。     

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。     

基于模糊RBF神经网络的地表水环境质量评价

针对现有水质评价方法评价结论过保护、存在人为因素影响、表达模糊信息能力弱等问题,结合模糊评价和RBF神经网络的优点,构建了模糊RBF神经网络水质综合评价模型。模型应用于淮河安徽段,并与单因子评价法进行对比,以验证模型的合理性。评价结果表明,两种方法的评价结果基本一致,模型客观合理,淮河安徽段部分监测点水质Ⅴ类、劣Ⅴ类居多,总体水质状况较差,评价结果符合实际情况。     

吉林市平原区地下水水质评价及成因分析

为进行吉林市平原区水质评价和水质成因分析,从该市平原区34个水质监测井的监测数据中选取铁、锰、氨氮等8项指标,运用BP神经网络法进行评价,并将评价结果与《地下水质量标准GBT14848-93》中的加附注评分法进行对比分析。评价结果基本一致,表明BP神经网络方法的评价结果可信,能够对地下水水质进行综合评价。该评价方法不需要确定权值,避免了赋予权值时主观误差的产生。所绘制的吉林市平原区地下水水质分区图表明,平原区地下水Ⅳ、Ⅴ级别水质区占较大面积,而Ⅱ、Ⅲ级别水质区分布较少。公因子空间分布图表明,平原区地下水水质的主要人为影响因素是化工企业的工业废水、烟尘等的不当排放,排污管道的渗漏,工业废弃物和生活垃圾的堆放以及农业中化肥农药的过量使用等。     

基于AM-MCMC的BP神经网络在煤矿地下水评价中的应用

BP神经网络模型用于水质进行评价的研究已经很多,然而,传统的BP神经网络无法考虑相邻水质级别临界处的模型性,评价指标较多时运行速度慢,且训练样本少、代表性差,评价结果精度不高。为此,建立了基于AM-MCMC算法的BP模型。利用AM-MCMC算法模拟足够的代表性好的样本以为BP网络训练所需,用于灌区的水质评价。实例研究表明,与传统的BP网络相比,基于AM-MCMC的BP评价结果与实际水质比较更为客观、合理。基于AM-MCMC的BP模型能考虑相邻水质级别临界处的模糊性,克服训练样本少的缺点生成足够的代表性好的样本,快速有效地对灌区水质进行评价。此外,基于AM-MCMC的BP模型还可用于洪灾损失评价、地震灾害评价及其他评价问题,具有广泛的实用性。     

尼尔基水库富营养化状态评价比较研究

通过对尼尔基水库"十二五期间"(2011-2015年)富营养化指标的分析,确定了各指标的相关权重系数。应用综合营养状态指数法(TLI)对尼尔基水库进行水质评价,并与模糊综合评价法、BP神经网络评价法进行对比。结果表明,三种评价方法均可以用于尼尔基水库的富营养化评价;TLI指数变化范围在40-58之间,对于尼尔基水库的评价基本处于中营养状态;模糊综合评价结果在3-4之间,水质总体处于轻度富营养化状态;BP神经网络评价法结果整体在2-3之间,水质总体处于轻度富营养化状态;结合实际情况,模糊综合评价法与BP神经网络评价法更为科学合理。     

洞庭湖上游平原浅层地下水水质综合评价

采用综合指数法、主成分分析(PCA)法和BP神经网络法对洞庭湖上游平原浅层地下水雨、旱季水质进行了综合评价,并分析了3种方法的适用性。结果表明:洞庭湖上游平原浅层地下水存在大面积地质成因污染和局部人为成因污染;雨季西洞庭湖平原澧水和沅江之间以及南洞庭湖平原资江下游浅层地下水为Ⅳ类水,可用于灌溉,不适宜饮用,雨季后受到降水补给、稀释作用,各指标质量浓度普遍降低。BP神经网络法适合整体水质评价,评价结果最合理;PCA法较简单,水质综合评价的结果与BP神经网络法的结果更接近;综合指数法的评价结果受主要污染指标的影响较大,适用于严苛的水质评价。     

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.     

广东江门四堡水库水质时空变化及综合评价研究

为了解江门市四堡水库水质状况,在该水库布置了13处采样点,于2018年6-12月进行了7次水样采集和检测工作,分析水质因子时空变化规律。分别采用单因子评价法、BP神经网络法、主成分分析法及指数法等对四堡水库水质和富营养化状况进行综合评价。利用Pearson方法研究叶绿素a与水质因子的相关性,分析影响水库富营养化的主要驱动因子。结果表明:不同月份的总磷、总氮和氨氮变化较为复杂,靠近水库中下游区域的水质较好,水库汇水区的水质较差;单因子评价法和BP神经网络的评价结果大体一致,水库水质总体在Ⅲ～Ⅳ类之间,主成分分析法表明水质主要受高锰酸盐指数、总磷、总氮、氨氮影响,指数法表明水库处于轻度富营养化状态,在水库汇水区的富营养化程度较高;相关性分析表明,叶绿素a与氨氮相关性较强,氮为浮游植物生长的限制因子,控制氮素浓度能够有效地治理水体富营养化。     

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。     

基于SPA-BP的河流水质评价模型

将集对分析法(SPA)和BP神经网络结合起来建立基于SPA-BP的河流水质评价模型,直接由样本联系度矩阵得出评价结果,并给出评价样本与评价标准之间的各级隶属度值。模型应用表明,该模型评价河流水质具有客观性和实用性,评价结果较为直观、可靠。     

基于互信息与神经网络的天山西部山区融雪径流中长期水文预报

为提高天山西部山区融雪径流的预报精度,更好地指导所在区域的工农业生产发展,针对影响预报精度的关键问题(预报因子的选择),基于互信息法、相关系数法、主成分分析法对研究区的预报因子进行优选,采用RBF神经网络以及组合小波BP神经网络模型进行径流预报研究,并进行不同方案的比较。结果表明:①互信息法优选出的预报因子作为模型输入可以提高预报精度;②采用不同优选预报因子作为RBF神经网络以及组合小波BP神经网络模型的输入变量,结果表明RBF神经网络模型的预测精度要好于组合小波BP神经网络模型;③以相对误差作为评价模型精确度的标准,预测效果最好的是基于互信息方法挑选出的预报因子作为RBF神经模型输入数据的模型预测结果。