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。     

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。     

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。     

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。     

MATLAB熵权集对分析法在新乡市地下水水质评价中的应用

文章针对地下水水质综合评价中水质分级标准与评价指标之间的不确定性,将集对分析理论应用于地下水水质的综合评价中。首先,通过五元联系度对评价指标集与评价等级之间进行同一,差异,对立的集对分析;其次,针对各个评价指标之间的无序性,利用熵权法来计算各个评价指标的权重,并结合Matlab对权重计算进行简化,提高计算精度;最后,经过实例分析,并与模糊综合评价,LVP神经网络法比较表明熵权集对分析法的合理性,可靠性,并根据联系度的同异反态势来确定联系度的集对态势。     

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。     

多层次分类支持向量机在水质评价中的应用

在介绍支持向量机(SVM)原理的基础上,设计采用多层次分类器改进支持向量机的分类算法,并利用该方法评价磐石市的地下水水质,同时与模糊综合评判、灰色聚类和神经网络评价结果对比。结果表明,该方法可以用于水资源学科的分类评价计算。     

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。     

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。