共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
3.
4.
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。 相似文献
5.
采用BP神经网络模型实现洪水的在线分类,通过对模型进行训练和检验,可获得网络拓扑结构为6—3—1的多因子洪水分类模型,利用该模型将洪水划分成3类。以大伙房水库作为实例验证区域,研究表明:BP神经网络训练样本与检验样本的分类结果和实际结果完全吻合,说明此网络模型针对洪水分类的映射能力较高。 相似文献
6.
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。 相似文献
7.
《人民黄河》2013,(11):38-40
根据吉林省白城市境内选取的9个测点地下水指标的实测数据,对白城市地下水质量现状进行评价。选取的评价指标分别为氨氮、铁、氟化物、铅、砷、高锰酸钾、矿化度、硬度。评价方法分别采用加附注评分法与人工神经网络法,其中人工神经网络法选用BP神经网络、T-S模糊神经网络2种方法。评价结果显示:2种人工神经网络法评价的水质类别均在Ⅰ~Ⅲ类之间,水质较好;加附注评分法评价出的水质类别中只有穆家店屯水质属于Ⅱ类,其他测点均为Ⅳ类。对比3种方法评价的结果可知,BP神经网络与模糊神经网络评价的水质类型之间的差异较小,加附注评分法比其他2种方法评价得出的水质类别大。 相似文献
8.
9.
10.
人工神经网络理论在地下水水质评价中的应用 总被引:5,自引:0,他引:5
本文应用人工神经网络方法,在模拟人脑的思维方式下,建立了地下水水质模型,并对地下水水质污染程度进行评价。与运用综合指数法、模糊综合评判法和灰色聚类法等多种方法评价的结果相比较。结果表明,神经网络方法具有较强的处理相互矛盾样本的能力,尤其对非线性问题,其预测精度高 相似文献
11.
基于BP神经网络在白洋淀水质综合评价中的应用 总被引:1,自引:0,他引:1
张彦 《河北水利水电技术》2014,(3):63-66
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。 相似文献
12.
为了检验神经网络在岩爆预测分级中的可行性,利用神经网络的模式识别特性,构建了岩爆分级预测的神经网络模型.以13组实测数据作为神经网络的训练样本、5组实测数据作为测试样本验证神经网络的工作性能.验证结果表明,神经网络的岩爆分级预测结果与实际结果完全一致,表明训练良好的神经网络可以用于工程实践中的岩爆分级预测. 相似文献
13.
基于秩相关系数的区间数型水质量评价模型及其应用 总被引:1,自引:0,他引:1
《水力发电》2019,(12)
针对区域阶段性水质综合评价中的模糊不确定性问题,提出一种基于Spearman秩相关系数的区间数型水质综合评价模型,将多时段水质监测样本的等级隶属问题转化为区间数型多属性决策方案的相关性计算问题。模型通过将水环境质量标准和待评价水质实测值构成决策矩阵,借鉴灰色理论的思想确定相对最佳方案,通过决策方案与相对最佳方案的Spearman秩相关系数,进而由相对海明距离确定研究区的水质等级。应用于浑河沈阳东陵大桥监测段进行实例检验,其评价结果与区间数集对分析法和区间数贴近度法评价相近,表明本模型能有效处理区间型水质评价问题,同其他区间数型水质评价方法比较,在评价过程中具有逻辑清晰,计算便捷,易与其他方法结合等优点。 相似文献
14.
建立河流健康评价指标体系、分级标准及回归支持向量机( SVR )河流健康评价模型,并以云南省文山州清水河健康评价为例进行研究。首先,利用层次分析法( AHP )从水文水资源、物理结构、水质、水生生物和社会服务功能5个方面遴选出13个评价指标,构建3个层次的河流健康评价指标体系和5个等级的分级标准;其次,基于SVR原理,利用随机生成和随机选取的方法,在等级标准阈值间构造5种不同容量大小的训练样本和检验样本,提出5种不同容量方案的SVR河流健康评价模型,设计合理的输出模式,并构建具有良好性能的RBF(radial basis function neural network )回归模型作为对比模型,利用模型随机5次运行的平均相对误差绝对值、最大相对误差绝对值和运行时间对各方案模型性能进行评价;最后,利用达到期望精度的SVR模型对实例进行评价分析。结果表明:①无论是训练样本还是检验样本,5种方案的SVR模型的预测精度和泛化能力均优于 RBF模型。在相同参数设置条件下,SVR模型随着样本容量的增加其精度和泛化能力变化不大;而RBF模型随着样本容量的增加其精度和泛化能力均有提高。表明SVR模型具有较高的精度和泛化能力,可以用于河流健康评价,尤其在小样本情况下,SVR模型的精度和泛化能力是RBF模型不可比拟的。②5种方案的SVR模型对清水河2011-2012年3次调查的评价结果均为健康,但已接近于亚健康。 相似文献
15.
16.
17.
随着社会经济的快速发展,水环境出现了严重污染问题。运用模糊综合评价法从水体水质方面对桑干河水环境质量进行评价,建立适合于桑干河的模糊综合评价模型,根据污染物对水质的影响程度大小来确定权重,在评价中利用复合运算对桑干河4个监测断面的水质评价结果进行分析,得出东榆林水库属Ⅱ类水质和固定桥、堡子湾和艾庄均属Ⅴ类水质的结论。 相似文献
18.
自适应变步长BP神经网络在水质评价中的应用 总被引:36,自引:0,他引:36
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。 相似文献
19.
20.
水资源利用动态变化研究是以水资源利用状况评价为基础,通过水资源利用指数的时空变化来反映的科学。因此评价实体、目标、指标体系有所不同,评价模式(方法)也存在差异。由于涉及多个评价指标,所以属于高维数据处理问题。针对上述情况提出基于减法聚类的自适应模糊神经网络模型,通过减法聚类完成高维数据向低维空间的转换,即将每个样本的多个评价指标综合成一个综合指标,用自适应模糊神经网络建立水资源利用综合评价模型,从而实现对水资源利用状况的评价。 相似文献