水质综合评价的Hopfield网络模型

将人工神经网络技术运用于水质评价，建立了水质综合评价的Hopfield模型，并以重庆市南川凤嘴江水质资料为实例，对模型精确度进行了测试。结果表明：Hopfield网络用于评价水环境质量形象、客观、准确、合理,具有广阔的应用前景。     

南水北调东线源头水质综合评价及其方法比较

采用标准中内插值的方法生成足够多的样本,用LM改进算法进行训练,模型收敛加速,泛化能力提高,用该网络对南水北调东线源头的断面连续8年的水质数据进行综合评价。建立离散Hopfield网络模型对该数据进行评价,得出客观、全面的水环境质量状况,并针对具体超标的指标给出了改善建议。     

运用模糊综合评判方法评价地下水水质

运用模糊综合评判的方法对温县县水厂井水近期的监测结果进行了水质分析评价，得出了该井水的水质级别及污染程度，并针对结果提出了建议。     

DBD演算法BP神经网络水质综合模拟研究

建立水质模型对水体水质的变化进行模拟是一条有效的途径。由于污染物之间的相互作用以及水环境中物理、化学、生物、水力特征的高度非线性耦合，对其了解是有限的，致使传统的微分方程建模方法和数值求解在应用中遇到许多困难。本文采用BP人工神经网络进行河流综合水质模型的建模，为了加强模型的收敛速度采用学习速率自适应的DBD演算法，通过应用长江干流重庆段实测水质样本对模型进行的训练与检验表明：该模型用于一维水质综合模拟可行，且精度较高，为河流水质模拟提供了一条简便可行的新方法。     

基于改进BP神经网络算法的多指标综合评价方法的应用研究

研究利用误差反向传播人工神经网络(BP网络)的多指标综合评价问题，以建设工程项目招标评标为背景，建立了多指标综合评价的BP模型，引入附加动量法和变步长算法，对BP神经网络算法改造，大大提高了学习训练速度，运用这种神经网络来解决实际问题，并给出了结果．     

湛河水质综合评价及保护对策研究

本文依据2003年～2005年平顶山市湛河的水质监测数据,采用模糊综合评判法、属性识别法和物元分析法分别对湛河水质进行综合评价,进而分析湛河水质的变化趋势,探讨保护对策.分析结果表明:三种方法评价的2004年和2005年湛河水质均已达地表水环境Ⅲ类标准,污染严重,水质逐年渐趋恶化,必须加大治理力度.     

基于BP神经网络的钱塘江水质指标的预测

为掌握钱塘江水质未来的变化情况以及预防污染事件的发生，建立了一个水质指标预测模型.利用钱塘江某行政交界断面的水质指标实测数据作为学习样本，选取了总磷、总氮、化学需氧量等9项指标作为预测参数，运用Levenberg-Marguardt优化算法对学习样本进行优化，建立了反向传播（BP）神经网络模型，并运用该模型对钱塘江水质指标进行了预测.结果表明，BP神经网络模型的预测精度较高，预测速度快，对大部分水质指标能够得到较好的预测值，相对误差的绝对值小于6％.此BP神经网络能够有效地应用于水质指标的预测和水质趋势的预警预报系统中.     

BP网络学习算法改进方案的探析

Ｂ Ｐ 网络是目前应用最为广泛的神经网络,但由于 Ｂ Ｐ 网络采用的是梯度下降法,这就不可避免地会出现网络学习收敛速度慢及容易陷入局部极小等问题。此外,学习因子和惯性因子选取对网络的收敛有较大的影响,但它们只能凭 经验确定。因此, Ｂ Ｐ 网络的有 效应用受到 了一定的限 制。针对 Ｂ Ｐ网络的学习收敛速度慢这一主要缺陷,对改进激励函数、改进 误差函数、改进一般化误差、学 习因子和惯性因子的自适应调整、梯度下降法与直接搜索法相结合、全局 优化、非线性优化、拓仆修正算 法等多种改进方案按改进原理进行了分类综述,并在此基础上,通过解决 Ｘ Ｏ Ｒ 问题的仿真实验对部分改进方案进行实验性评价,分析说明了它们的优劣和特点。     

基于正态分布原理的贝叶斯水质综合评价

将正态分布原理与贝叶斯方法相结合来进行黄壁庄水库水质综合评价,并给出了改进的贝叶斯(Bayes)方法的思路和计算方法。以GB3838-2002为评价标准,采用改进的贝叶斯方法建立贝叶斯水质评价模型,对黄壁庄水库坝上水质监测数据8项指标进行水质评价研究。评价结果表明:改进的贝叶斯综合水质评价模型适用于黄壁庄水库的水质评价,且黄壁庄水库综合水质处于Ⅰ—Ⅱ类,年内水质变化不大,丰水期水质相对较差,为Ⅱ级水质,其余月份均达到Ⅰ类水质标准。     

基于层次分析法的供水风险综合评价模型

南水北调中线工程投入运行后,丹江口水库下泄流量减少,泄流过程也会发生变化,汉江中下游干流供水能力将随之减弱.如何合理评估调水后该地区的供水风险,规划适当的水源区配套工程及其规模,则是保证“南北两利”,促进该地区社会经济可持续发展的关键.首先建立了供水风险指标体系,然后利用层次分析法确定各风险指标的相对权重并建立了供水风险综合评估模型,最后结合中线工程和汉江中下游水资源系统,综合各种风险指标值对汉江中下游干流供水系统进行了风险综合评估.结果验证了该模型具有可行性和实用性,可为南水北调中线工程规划提供决策依据.     

ANN统计降尺度法对汉江流域降水变化预测

研究和探讨了基于ANN的统计降尺度法,通过ANN建立大尺度气候观测资料和实测降水之间的统计关系,并同多元线性回归降尺度法进行了比较.结果表明,基于人工神经网络的统计降尺度法模拟精度优于多元线性回归法,可以应用其研究未来气候情景下汉江流域降水变化情况.通过对A2气候情景下全球气候模式HadCM3的尺度降解,预测未来2011-2100年汉江流域降水变化情况,最终发现汉江上游未来降水在2020s(2011-2040年)和2050s(2041-2070年)时期比基准年减少,2080s(2071-2100年)时期则比基准年增加;中游未来降水在2020s时期比基准年减少,2050s和2080s时期比基准年增加;下游未来降水变化趋势不明显.     

基于 ANN 的 FMS 故障诊断模型及其学习算法

讨论了基于前馈型神经网络的ＦＭＳ故障诊断模型，并提出一种用于前馈型神经网络训练的改进ＢＰ算法和基于遗传算法的网络初始点获取策略，给出一种通用前馈型神经网络结构和学习参数自整定学习算法，最后应用上述方法建立了基于前馈型神经网络的ＦＭＳ机器人故障诊断模型，并用所提出的新的学习算法对网络进行了学习，与传统ＢＰ算法比较，学习速度较快，且不易陷入局部极小点     

基于人工神经网络的智能型自适应保护──(Ⅰ)原理和模型结构

介绍了一种基于人工神经网络的智能型自适应继电保护原理其基本思想是利用了比传统保护多得多的信息量它比传统保护能区分更多的故障类型,提高了继电保护的适用范围,如从原理上解决了经高阻抗的短路故障保护问题．本保护的人工神经网络由３个子网络组成：先采用第一个三层ＢＰ网络对输电线路一侧的电流、电压信号进行前置处理,得到其特征量（各次谐波的幅值）;然后,在不同运行工况和不同类型的区内外故障时,再把特征量输入第二个三层ＢＰ网络,以判别区内外故障;第三个ＢＰ网络用于故障相判别．     

穆棱河支流水质评价与水质类别分析

评价了穆较河主要支流在鸡西段的水质状蚣水质类别．分析了超标因子。     

Combined ANN prediction model for failure depth of coal seam floors

Failure depth of coal seam floors is one of the important considerations that must be kept in mind when mining is carried out above a confined aquifer. In order to study the factors that affect the failure depth of coal seam floors such as mining depth, coal seam pitch, mining thickness, workface length and faults, we propose a combined artificial neural networks (ANN) prediction model for failure depth of coal seam floors on the basis of existing engineering data by using genetic algorithms to train the ANN. A practical engineering application at the Taoyuan Coal Mine indicates that this method can effectively determine the network struc-ture and training parameters, with the predicted results agreeing with practical measurements. Therefore, this method can be applied to relevant engineering projects with satisfactory results.     

水环境质量评价的人工神经网络模型及应用

基于人工神经网络理论建立了一种新的水质评价模型．实例分析表明,该模型具有较强的处理矛盾样本的能力,用于水环境质量评价简便而实用,预测精度高,应用前景广泛     

穆棱河水质监测与评价

为了研究穆棱河的水环境，布设5个水质监测断面，对水质监测结果进行了水质评价。     

数据挖掘技术在松花江水质预测中的应用

为更好地实现松花江水质预测,对水质的科学管理起到指导作用,应用人工神经网络技术（ANN,ArtificalNeuralNetworts）,利用松花江四方台监测站某连续3年水质数据,建立水质预测模型,实现对松花江主要污染指标CODmn的预测．为保证预测模型具有较高的预测精度,将数据按月分期,应用聚类分析法对数据进行处理,...