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。     

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。     

基于概率神经网络的文山州水资源配置合理性评价分析

通过分析概率神经网络(以下称PNN)的基本结构及其训练算法,依据水资源丰沛区水资源合理配置评价指标标准,建立PNN水资源合理配置评价模型,对文山州不同规划水平年水资源配置的合理性进行综合评价。结果表明：①不同规划水平年各评价区域水资源配置评价为3~7级,即处于基本合理与合理之间,基本反映了文山州现状及中、长期水资源配置状况,符合区域发展现状,说明研究建立的PNN评价模型和评价方法是合理可行的。②概率神经网络模型在分类精度上优于误差反向传播神经网络模型,且方法简单可行,运算时间短,不存在局部最优值,能够有效实现对水资源配置合理性的综合评价,是一种可以运用的区域水资源配置合理性评价方法。     

双隐层BP神经网络模型在区域水安全评价中的应用

基于BP神经网络的基本原理和方法,构建双隐层BP神经网络水安全评价模型.以相关文献资料进行模型评价效果验证.验证表明:所建立的双隐层BP评价模型和评价方法是合理可行的,是一种可以运用的区域水安全评价方法.基于此模型,结合丰水地区区域实际,利用层次分析法构建了符合丰水地区水安全评价的指标体系和标准,以文山州区域水安全评价为例进行分析.结果表明:文山州各评价区域不同规划水平年水安全评价等级为Ⅳ～Ⅱ级,即处于不安全与安全之间,客观反映了文山州现状及中、长期水安全状况,符合区域实际,评价结果可作为研究区域水安全评价的参考依据.     

水资源脆弱性评价研究进展

水资源是影响区域、国家甚至全球环境可持续发展的关键,水资源脆弱性是制约水资源安全的基础性问题。本文从水资源脆弱性的概念、评价指标体系和评价方法方面,综述了国内外水资源脆弱性评价的研究进展,并对其未来的发展方向进行了展望。     

文山州水资源承载能力综合评价分析

运用SPSS统计软件和主成分分析方法,构建区域水资源承载能力综合评价指标体系、评价标准和评价模型,并对各评价区域水资源承载能力进行计算分析。结果表明:①富宁县、马关县和麻栗坡县水资源承载能力相对较大,文山县、砚山县和西畴县较小;②各评价区域在不同水平年不同保证率情景下水资源承载能力均未达到Ⅰ级标准,各评价区域水资源承载能力整体上呈Ⅱ级标准,表明区域水资源开发利用已具有相当规模,但仍有一定的开发利用潜力,水资源的供给需求在一定程度上能满足区域的经济社会发展。     

基于分形理论的区域水资源系统脆弱性评价

根据资料获取的难易程度以及指标的科学性、可比性、全面性和动态性等原则,构建了区域水资源系统脆弱性评价指标体系,并对河北省水资源系统的脆弱性进行了评价。结果表明,在实施南水北调工程、强化本地节水措施力度、努力保证生态环境用水的条件下,2000~2030年河北省水资源系统的脆弱性程度将逐步改善。     

基于系统动力学模型的南渡江流域水资源脆弱性评价

水资源安全影响区域社会经济的健康发展,全球气候变化与人类活动已对流域水资源安全造成巨大压力.建立水资源、水环境及社会经济系统动力学(SD)模型,以层次分析法构建水资源脆弱性评价指标体系与评价标准,设置常规、技术革新型、经济优先型以及综合发展4种模式,采用综合指数加权法对2010-2035年南渡江流域水资源脆弱性进行评价...     

BP网络模型在水资源利用方案评价中的应用

从水资源利用的特点出发，在分析多种评价方法适用条件的基础上，将多属性效用理论与BP神经网络理论相结合，建立了水资源利用效果评价的效用模拟BP网络综合评价模型。并以2010水平年黄河流域水资源调控方案为例进行效果评价，结果分析是合理的，说明利用该评价模型进行水资源利用效果评价是有效、可行的。     

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。     

BP神经网络方法在灌区需水预测中的应用

以江西省廖坊水利枢纽工程灌区为例,通过查阅年鉴、现场调查和专家咨询确定影响需水量的主要因子,根据确定的主要影响因子构造BP神经网络的输入样本,采用Matlab软件平台编程,建立灌区需水模型.利用建立的模型预测2025年灌区的需水量,并与其他方法的预测成果进行比较.结果表明,BP神经网络方法在廖坊水利枢纽工程灌区需水量预测的应用上是成功的.     

Matlab仿真平台下大坝位移BP神经网络模型研究

基于人工神经网络的非线性映射能力,应用Matlab7.1网络仿真平台,结合辽宁省白石水库多年大坝位移实测数据,建立了3种不同改进BP算法的多层前馈神经网络模型。并通过LM算法、BR算法、GDX算法的BP网络模型的拟合、预报结果,对3种模型的应用效果进行了比较分析,得出了LM算法的BP网络更适合用于建立坝顶位移监控模型的结论,以实现对大坝位移实时、有效的监控。     

BP神经网络模型应用于大坝原型观测研究

针对传统的多元线性回归方法的不足,提出将BP神经网络模型应用于大坝原型观测数据处理。并介绍了BP神经网络模型的结构和算法,以及训练样本的归一化处理方法;将BP模型应用于黑河金盆水库大坝原型观测,结果表明,其模拟和预测效果均优于多元线性回归模型。     

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。     

The Research and Application of BP Neural Networks in River-basin Water and Sediment

1　ＩｎｔｒｏｄｕｃｔｉｏｎＲｉｖｅｒ-ｂａｓｉｎｗａｔｅｒａｎｄｓｏｉｌｙｉｅｌｄｉｓａｃｏｍｐｌｅｘｎｏｎｌｉｎ ｅａｒｓｙｓｔｅｍ．Ｆｕｎｄａｍｅｎｔａｌｌｙｓｐｅａｋｉｎｇ，ａｓａｒｅｓｕｌｔｏｆｍｕｔｕａｌｆｕｎｃｔｉｏｎｏｆｒａｉｎｆａｌｌａｎｄｂａｓｉｎｕｎｄｅｒｌｙｉｎｇｓｕｒｆａｃｅ，ｉｔｉｓａｍａｔｈｅｍａｔｉｃａｌｍａｐｐｉｎｇｆｒｏｍｒａｉｎｆａｌｌａｎｄｂａｓｉｎｕｎｄｅｒｌｙｉｎｇｓｕｒｆａｃｅｔｏｒｕｎｏｆｆａｎｄｓｅｄｉｍｅｎｔｔｒａｎｓｐｏｒｔ．Ａｓｂａｓｉｎｕｎ…