概率神经网络及其在河流水质评价中的应用研究

阐述了概率神经网络评价模型的基本结构和构建过程。根据因子选择的目的及河流的实际污染情况,确定评价因子,采用概率神经网络(PNN)模型对河流水质进行评价,并且应用训练好的概率神经网络水质评价模型对汾河运城段两监测断面2010年丰水期、平水期、枯水期综合水质评价为劣Ⅴ类、Ⅴ类、劣Ⅴ类。评价结果表明,概率神经网络评价模型具有很好的实用性。     

基于BP神经网络模型的水质评价方法探讨

运用人工神经网络理论和方法,建立了水质评价的BP神经网络模型,并对长治市10眼水井的地下水水质进行了评价,并与综合指数法、模糊综合评判法的评价结果进行了比较。结果表明,用BP神经网络模型评价水资源水质是可行的,为水资源水质评价提供了一个新的方法。     

城市给水厂水质处理新技术探索

给水厂的主要职责就是对自来水的生产、技术经济活动进行计划、实施、指导、监督和调节。其目的是保证自来水生产过程的稳定、安全连续进行并取得良好的社会与经济效益。其主要任务是科学高效地组织自来水生产,确保自来水出厂水量、水质。本文就给水厂水质处理的技术方面加以探索     

基于BP神经网络的水质评价

将人工神经网络的理论和方法运用于各类水环境的评价,建立水质评价的BP神经网络模型.运用MATLAB丰富的神经网络工具箱函数设计仿真程序,并对多个水质样本进行等级评价,为防治水污染提供了科学依据.     

地下水水质评价的人工神经网络方法

应用人工神经网络理论与方法建立了地下水水质评价的BP神经网络模型,对涡北井田地下水水质进行了评价,并与灰色聚类结果进行了比较。结果表明,BP神经网络模型能很好地解决评价因子与水质等级间复杂的非线性关系,评价地下水水质简便可靠,预测精度高,具有通用性和客观性。     

微污染原水的生物接触氧化预处理技术研究

微污染原水的生物接触氧化预处理技术研究许建华，朱月海，张玉先，张睛浩水资源被广泛污染，微污染原水在水厂加氯消毒过程中易形成三卤甲烷类可疑致癌物，自来水水质威胁饮用安全．合理设计的生物接触氧化池，能经济有效地降低微污染原水中的氨氮、亚硝酸氮、ＣＯＤ、Ｔ...     

地下水水质评价的人工神经网络方法

应用人工神经网络理论与方法建立了地下水水质评价的BP神经网络模型，对涡北井田地下水水质进行了评价，并与灰色聚类结果进行了比较。结果表明，BP神经网络模型能很好地解决评价因子与水质等级间复杂的非线性关系，评价地下水水质简便可靠，预测精度高，具有通用性和客观性。     

基于模糊神经网络的汉江水质评价

水质评价对于水质维护和进行决策有着极其重要的作用。本文考虑到水文学的模糊性和其内在的非线性特点,将模糊理论与神经网络相结合建立模型,对汉江水质进行评价。通过实验验证了该模型的有效性和准确性,为水质评价和预测提供科学客观的方法。     

两种模糊评价法在饮用水水质评价中的应用分析

为科学、准确、迅速的评估巢湖流域饮用水中水源水的水质状况,选取了传统的模糊评价法和改进的模糊评价对庐江县湖库水系的六家自来水厂水源水的七项指标进行了水质评价。研究结果表明,采用传统模糊评价法得出其中五个水厂的水源水水质都属于Ⅰ类水,七桥自来水厂的评价结果下为Ⅲ类水。在改进的模糊评价法下六家自来水厂的评价结果均为Ⅰ类水,所有的六个水厂的水源水都符合饮用水水质标准。改进的模糊评价法采用了聚类权法,综合考虑了每个因子在每一个水质等级上对应的权重,使水质评价结果变得更加合理,该法更适合应用于巢湖流域农村饮用水水环境质量评估。     

基于BP神经网络的卧虎山水库水质评价

在MATLAB环境下,建立适用于水库水质评价的BP人工神经网络模型,将模型应用于卧虎山水库2010年8月到2011年12月的水质评价。结果表明,2010年8月到2011年6月在丰水期时比枯水期时水质高,水质稳定为Ⅱ类水,2011年7月到12月在枯水期时比丰水期时水质高,水库水质为Ⅲ类水。将经过训练的模型应用于卧虎山水库水质评价的结果说明,该模型能够准确评价卧虎山水库水体的未知水质类别。     

BP神经网络用于饮用水管网细菌总数预测

为保障饮用水管网细菌学水质安全，并实现对细菌总数指标的预测，选定北方某市实验小区饮用水管网为研究对象，应用Matlab软件建立BP神经网络的细菌总数预测模型．结果表明，BP神经网络方法能较好地模拟复杂系统，模型精度较高；同时，建立BP神经网络模型，对水质指标间的相互作用进行模拟，拟合效果较好，并针对该实验管网给出了某些指标的限值．     

径向基函数神经网络在多河段水质模拟中应用

为了更好地模拟与预测河流水质,运用人工神经网络的原理与方法,在分析河流多河段水质模型基础上,建立了RBF人工神经网络水质模型,应用滏阳河邯郸市区段实测水质数据对模型进行训练与检验,结果表明,该模型应用于水质模拟精度高,是可行的.     

黄河水质综合评价的人工神经网络模型

为探讨水质综合评价的客观方法 ,以黄河兰州段新城桥段面水质资料为例 ,建立了地表水水质综合评价的BP网络模型 BP网络模型以单输出代替多输出可保证评价结果的惟一性 .将该模型用于实例分析表明 ,BP网络用于水质综合评价具有客观性和实用性 .     

给水厂混凝剂智能投加模型构建与应用

选取华东地区某给水厂生产中积累的数据建立加药量预测模型,以求在给水厂中实现混凝剂的智能投加。在数据清洗时,针对水厂运行实际情况,结合局部离群因子（LOF）算法、K最近邻插补（KNN）算法与平滑滤波算法对随机误差进行处理。同时在建模前使用灰色关联度分析评估了各原水指标与混凝剂加药量的联系,对联系较为紧密的原水指标进行混凝机理的分析。模型选用BP神经网络,并使用贝叶斯优化算法对模型的参数寻优,建立了多个模型进行评估,其中最优模型在测试集6万个样本上的平均绝对误差为3.66 L/h,结果表明最优模型能够准确预测混凝剂加药量。在此基础上,展望将建立的智能投加模型应用于水厂加药系统中,帮助水厂加药系统的智能化改造方案的实施。     

人工神经网络在黄河水环境质量评价中的应用

为准确和客观地评价地表水环境质量状况,建立了黄河水环境质量评价的BP神经网络模型.仿真结果表明: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,说明用BP神经网络方法评价地表水环境质量是可行的.     

基于Elman神经网络的城市污水处理水质参数软测量

在介绍序批式活性污泥法(SBR)的城市生活污水处理工艺的基础上,针对反应过程所具有的多变量、非线性和动态复杂反应的特点,利用水质参数与多个过程可测参数间的关联关系,提出了基于Elman递归人工神经网络的水质参数软测量模型.以ORP,DO浓度和pH值作为输入参数,可实现对COD,NH3,TP水质参数的软测量.基于污水处理实验数据建立软测量模型,结果表明,上述软测量模型对污水处理水质指标COD,NH3,TP具有理想的预测效果.     

城市水库水质模糊综合评价模型建立与应用

 考虑到城市水库水质样本没有严格的属性,以及在形态和类属方面存在着中介性,确定了城市水库水质评价中对人类生理健康影响较大的高锰酸盐指数、生化需氧量、总氮、氨氮、氟化物、总磷、溶解氧等10项评价因子;以第i种污染物实测浓度与该污染物各级水质标准值的算术平均值之比作为第i种污染因子的权重值,对各单项权重值进行归一化处理,建立基于模糊综合评价法的城市水库水质评价模型。最后,将所建模型应用到阜新市目前饮用水库水质评价中,结果表明,所建模型既能有效地判断饮用水源水质类别,又能确定水体中主要污染物和主要污染源。对不同评价方法评价结果的比较分析体现了所建模型的有效性和良好适用性。     

ACPSO-BP神经网络在矿井突水水源判别中的应用

矿井多年来的连续开采使各含水层水质特征变得更加复杂、更为接近,应用经典数学方法难以建立精确的判别模型,使用具有非线性映射功能的BP神经网络可以克服以上问题,但其仍然具有易陷入局部最优和收敛速度慢缺点。通过将"早熟"判断机制、Tent混沌映射以及权重自适应调整策略引入粒子群算法中,建立基于自适应混沌粒子群算法和BP(ACPSO-BP)神经网络突水水源判别模型,应用结果表明:与BP神经网络模型、基于标准粒子群算法和BP(SPSO-BP)神经网络模型相比,ACPSO-BP神经网络模型具有收敛速度快、精度高和泛化能力强的特点。     

Yarn Quality Prediction and Diagnosis Based on Rough Set and Knowledge-Based Artificial Neural Network

In the spinning process, some key process parameters（ i. e.,raw material index inputs） have very strong relationship with the quality of finished products. The abnormal changes of these process parameters could result in various categories of faulty products. In this paper, a hybrid learning-based model was developed for on-line intelligent monitoring and diagnosis of the spinning process. In the proposed model, a knowledge-based artificial neural network（ KBANN） was developed for monitoring the spinning process and recognizing faulty quality categories of yarn. In addition,a rough set（ RS）-based rule extraction approach named RSRule was developed to discover the causal relationship between textile parameters and yarn quality. These extracted rules were applied in diagnosis of the spinning process, provided guidelines on improving yarn quality,and were used to construct KBANN. Experiments show that the proposed model significantly improve the learning efficiency, and its prediction precision is improved by about 5. 4% compared with the BP neural network model.     

贵阳市供水中多种微量及痕量元素的电感耦合等离子体质谱法测定研究

采用电感耦合等离子体质谱法测定贵阳市5个水厂的原水、出厂水、管网末梢水水中Be、B、V、Co、N i、Mo、Sb、L i、Sr、Ti、Ag、Ba等微量元素,该方法简便、快速、灵敏度高、干扰小,适用于测定生活饮用水及其原水中几十种金属、半金属元素。