基于多元共生遗传神经网络的藻类预测仿真

提出一种多元共生遗传神经网络(PGANN),从遗传算法和神经网络——进化和学习两方面及其相互关系着手完善进化过程,以提高优化效果和泛化能力。该算法包括一个共生平衡交叉算子,一种多元选择策略和一种神经网络的分级优化策略,其中共生平衡算子能够兼顾进化过程中的方向性、多样性和自适应性;多元选择策略能够适应进化过程不同时段对选择压力不同的需求;而分级优化使运算规模和运算速度之间的矛盾得到缓解。将该改进的遗传神经网络PGANN应用于水库和湖泊有毒的优势蓝绿藻爆发预测,取得了满意的效果。     

改进遗传神经网络及其在水体富营养化和藻类生长预测中的应用

水体富营养化是藻类爆发性生长的主要因素,为了对其进行实时监测预报,提出一种改进遗传神经网络(QGANN),以实现智能预测.该网络从遗传算法(GA)和神经网络(NN)两方面及其相互关系着手,构造了一个基于量子力学原理的量子平衡交叉算子,设计了一种NN混合优化策略,将两者合并共生获得了一类快速、高效的神经网络预测模型.水库和湖泊蓝绿藻爆发预测实验表明:该改进遗传算法(QGA)性能优良;QGANN的泛化能力明显提高,比未经改进的方法(GAsNN)及简单改进的方法(DCGANN)取得了更加满意的效果.     

一种能同时吸附水中多种污染物的新型吸附材料:表面活性剂改性沸石

表面活性剂改性沸石是指将粉煤灰合成沸石后,使用十六烷基三甲基溴化铵进行表面修饰获得的一种新型吸附材料.本文评估了表面活性剂改性沸石从水中同时去除多类污染物的多功能性.目标污染物包括无机离子型污染物(氨氮和磷酸盐)、有机离子型污染物(亚甲基蓝和腐植酸)、可离子化有机污染物(不同pKa的双酚A,-氯酚和苯酚)和不可离子化的有机污染物(不同疏水性的苯胺,硝基苯,萘).与合成沸石相似,表面活性剂改性沸石吸附氨氮和磷的能力也较强.沸石内部孔隙中的负电荷可以去除氨氮;粉煤灰中的CaO,Al2O3和Fe2O3等成分经过沸石合成过程中的修饰可以吸附磷.研究结果还表明:尽管合成沸石对腐植酸,可离子化和不可离子化的有机污染物没有亲和性,表面活性剂改性沸石却对上述污染物具有很强的吸附能力.表面活性剂在沸石表面形成了双层胶束,使沸石外表面具有了疏水性,因此,可以吸附有机污染物.本研究表明表面活性剂改性沸石是一种很有前途的多功能水处理吸附剂.     

粘土矿物与有机碱之间的表面酸碱反应

通过研究Ca2+、Al3+、H+饱和的蒙脱石,Ca2+饱和的叶腊石和高岭石对水溶液中两种有机碱(甲基黄和S3307D)的吸附反应,证实了粘土矿物-有机碱吸附作用机制中表面酸碱反应的存在及其重要性.粘土矿物对有机碱的吸附能力为H+-蒙脱石 Ca2+-叶腊石>Al3+-蒙脱石 Ca2+-蒙脱石≈Ca2+-高岭石.通过测定悬浮液pH值和水溶液中矿物表面酸强度,判断吸附机制主要是由表面酸强度而非pH值所控制,即吸附反应机制主要为矿物表面酸位与有机碱之间直接的表面酸碱反应.水溶液中可能的粘土表面酸位为交换性Al3+、H+以及2∶1型矿物表面不带电荷部分.     

基于改进遗传算法的藻类神经网络识别

为了借助智能方法对日益严重的水污染进行识别预测,提出了一种改进遗传神经网络识别算法.该算法通过各个分算子的多元冲突、融合、协作和互补等方式,有机地结合形成一种整体优化算子,它包含了降维差异选择、暂态自适应交叉和冲突自适应变异等3个新的彼此相关联的分算子,能有效地生发多样性,提高解空间处处可达性.数值优化及湖泊蓝绿藻神经网络识别实验表明,该算法在克服早熟、提高全局收敛速度和增强神经网络的泛化能力等方面,均取得满意的藻类识别效果.