人工神经网络法在地下水水质分级中的应用

通过对受污染的地下水进行水质分析，建立了该类水质的人工神经网络分级预测模型，采用已确定其污染级别的地下水数据作为训练样本对网络进行训练，然后利用收敛的网络进行污染程度分级，其结果与实际的基本一致，这充分说明了利用神经网络预测该类水质受污染程度是一种可行方法。     

人工神经网络在热舒适实验研究中的应用

使用人工神经网络(ANN)方法处理影响人体热舒适的多种环境因素和人体的热反应之间的关系,以探讨用于各类环境热舒适性预测的可行性.针对稳定热环境和非稳定热环境下的热舒适实验,建立了BP神经网络模型,利用实验数据对网络进行训练和测试,检验其预测的准确性.评测结果表明,对稳态环境,该模型较传统的线性回归方法有更高的预测精度;对非稳态环境,避免采用回归方法遇到的非线性关系处理问题,能合理地预测非稳态条件下热反应的变化.因此,合理建立各类热环境的ANN模型,用已有的热反应数据训练该模型,实现对环境热舒适性的预测是可行的.     

Coastal groundwater table estimation by an elevation fluctuation neural model

Restrictions of groundwater management are often derived from the insufficient or missing groundwater database. A suitable and complete groundwater database will allow sound engineering plans for sustainable water usage, including the drilling of wells, rates of water withdrawal, and eventually artificial recharge of the aquifer. The spatial-temporal variations of groundwater monitoring data are fluently influenced by the presence of manual factors, monitor equipment malfunctioning, natural phenomena, etc. Thus, it is necessary for researchers to check and infill the groundwater database before running the numerical groundwater model. In this paper, an artificial neural network （ ANN ）-based model is formulated using the hydrological and meteorological data to infill the inadequate data in the groundwater database. Prediction results present that ANN method could be a desirable choice for estimating the missing groundwater data.     

基于ANN的大石板滑坡区地下水位非线性预测

采用BP神经网络模型建立了大石板滑坡在降雨条件下,地下水位下降雨过程之间的非线性关系,并预测了诱发滑坡的1983年6-7月典型降雨过程引起的地下水位。为大石板滑坡地下水渗流分析特征水头边界条件和反分析滑坡体土体的饱和渗透系数Ks提供了基本的水文地质资料。     

人工神经网络在超塑性固相焊接头质量预测中的应用

以 4 0Cr/T10A恒温超塑性固相焊接工艺试验数据为样本 ,经正则化预处理 ,采用径向基函数网络 ,建立由恒温超塑性固相焊接焊接工艺参数预测其接头质量的人工神经网络模型。试验结果表明 ,训练出的网络模型具有收敛快、精度高等优点 ,其完全可以应用于恒温超塑性固相焊接接头质量控制设计中。     

金属填料蒸发型空调系统性能的预测模型

针对金属填料蒸发型空调系统内部传热传质过程的复杂性,利用人工神经网络的非线性映射功能、学习功能和记忆功能,通过对数据样本的学习,建立起描述金属填料蒸发型空调系统性能与其影响因素间关系的神经网络模型,再根据此模型来预测影响因素变化引起的蒸发型空调系统性能变化.利用试验数据对网络模型进行训练和验证,检验模型预测的准确性.结果表明:网络模型输出结果与实验数据比较吻合,相对误差大多在6%以内,证实该网络模型对金属填料蒸发型空调系统性能预测的可行性.     

洮儿河流域平原区气候变化情景下浅层地下水水位动态响应分析

利用研究区降水、气温、地表水径流和地下水埋深数据,使用Mann-Kendall非参数检验法,分析水文气象要素变化趋势,结合研究区水文地质概况,建立地下水数值模型,对未来气候变化下的地下水水位动态进行预测．结果表明:研究区地下水埋深呈显著增加趋势,降水量增加不显著,气温呈升高趋势,地表径流显著减少;通过建立的Visual MODFLOW模型,对基准情景（基准期平均降水量条件）和3种气候情景（SSP126、SSP245、SSP585）下研究区未来地下水位进行预测:基准情景和3种气候情景下研究区北部浅层地下水埋深持续增加,南部地下水埋深有所减少;3种气候情景下地下水埋深均大于基准情景下地下水位埋深．      

基于运营系统的出租车出行需求短时预测模型

出租车系统作为城市交通运输系统的重要组成部分,其宏观规划和调度管理的合理性决定了出租车服务质量.本文主要研究出租车乘客出行需求估计及预测,为出租车规划和实时调度提供数据支持.首先,分析了出租车定位系统和计费系统,改进了传统出租车需求网格划分方法,考虑了地形、建筑群和道路网络特征,保持了网格自身出行特性的完整性.其次,根据实时收集的出租车数据,建立了易于计算的出行需求估计方法.最后,以实际数据为基础,对影响短时出行量的主要变量进行了相关性分析,提出了基于人工神经网络的短时需求预测模型,根据相关性分析确定了模型结构.以实际获取的出租车数据为例,验证了提出的需求估计和预测模型.结果证明:相比于传统自回归滑动平均模型,提出的人工神经网络模型其平均绝对误差百分比提高了32%.此外,人工神经网络模型的绝对误差百分比超过50%的概率低于10%,而自回归滑动平均模型高达23%.     

用人工神经网络预测黑火药燃烧性能

利用人工神经网络算法建立了黑火药燃烧热力学参数的定量BP网络模型,通过10组配方的元素组成及其输出参数测试值对模型进行了训练,用另外9组配方的测试结果与相应的预测结果进行了对比研究. 结果表明,该方法能较好地对黑火药的燃烧参数进行预测,预测值和试验值误差小于7%,精度较高,可作为功能黑火药配方设计、输出特性参数预测的工具.     

乙酸甲酯水解耦合过程的人工神经网络模拟

在实验研究基础上,采用人工神经网络模型进行乙酸甲酯水解催化精馏与萃取精馏耦合过程的模拟,模拟结果同实验结果的比较令人满意.同时外推并内插一系列的工艺条件,让网络预测操作结果.结果表明,神经网络模型能较好地模拟并预测实验结果.     

基于灰关联分析Elman网络的网上购物意向预测模型

利用灰关联方法分析了消费者网上购物意向与各影响因子的关系,建立了预测消费者网上购物意向的Elman神经网络模型.结果表明,根据灰关联度的计算得出消费者网上购物意向的影响程度由强到弱的顺序,与实测值吻合,表明利用所建立的Elman神经网络模型能有效地预测消费者网上购物意向.     

MODFLOW在三门峡铝土矿疏干排水模拟中的应用

根据三门峡铝土矿区地层分布、地质构造及水文地质条件,对矿区赋水的寒武-奥陶系灰岩岩溶裂隙含水系统水文地质条件进行概化,建立了地下水流数学模型,采用Visual MODFLOW有限差分方法模拟地下水位变化和预测涌水量.结合矿区群井抽水试验地下水位观测资料对地下水流数学模型进行校正和参数反演,利用校正后的数学模型和参数预测井在不同采矿设计疏干水平下地下水的水位分布和矿区涌水量的变化,为有效防治地下水和安全合理开采铝土矿提供可靠的依据.     

河网水情预报的神经网络模型及应用

传统BP网络模型在模式识别、电力负荷预报、水现象的模拟及预报等领域得到了广泛的应用．但传统BP网络模型存在隐含层结构难以确定和网络结构物理概念不明确等问题．本利用水量守恒及槽蓄关系,建立了能够反映水流运动基本特征的神经网络模型(MCR—ANN)并用于河网水情的模拟及预测．应用结果表明：该网络物理概念清晰,避免了传统BP网络在隐含层结构难以确定和河网结构物理概念不明确等的不足,模拟效果较好。     

采动影响下承压含水层水位变化预测模型研究

为研究采动影响下煤层覆岩承压含水层水位变化预测模型,根据采矿岩层移动与覆岩破坏理论,基于地下水动力学原理,建立了基于地下水稳定运动、非稳定运动两种井流方程的覆岩承压含水层水位采动变化数学模型。结合大平煤矿三台子水库下N1S2综放开采工作面水文地质条件及水文监测数据,对模型进行了验证,结果表明:采动影响下承压水的运动为非稳定运动,对应建立的数学模型能更好地拟合覆岩承压含水层水位变化。     

基于神经网络的男子体质健康预测模型研究

利用人工神经网络强大的函数映射能力,以体质健康各评价指标测量成绩为输入参数、体质健康总分为输出参数,建立了体质健康神经网络预测模型.该模型克服了多元回归模型需要确定数学表达式的缺点,更准确地映射出各评价指标成绩与体质健康总分之间的函数关系,并随着新样本数据而不断更新.运用所建立的神经网络模型,绘制了各评价指标成绩与体质健康总分之间的相关曲线,为学生进行科学训练提供了理论依据.     

基于神经网络的男子体质健康预测模型研究

利用人工神经网络强大的函数映射能力,以体质健康各评价指标测量成绩为输入参数、体质健康总分为输出参数,建立了体质健康神经网络预测模型。该模型克服了多元回归模型需要确定数学表达式的缺点,更准确地映射出各评价指标成绩与体质健康总分之间的函数关系,并随着新样本数据而不断更新。运用所建立的神经网络模型,绘制了各评价指标成绩与体质健康总分之间的相关曲线,为学生进行科学训练提供了理论依据。     

基于潜水承压水模型的民勤绿洲地下水位预测

基于2011 2012 年观测数据,应用Feflow 软件,构建了民勤绿洲地区的潜水承压水三维数值模型。应用
该模型对研究区未来5～10 a 内地下水位动态变化进行了预测。结果表明：目前用水条件下,经过一系列综合措施,地
下水位下降趋势得到有效遏制;但在未来5～10 a 内,民勤地下水位依然整体以低幅度持续下降。上游坝区的地下水漏
斗日益扩大,下游湖区地下水漏斗因青土湖生态泄水而得到有效恢复,但随着地下水埋深日益增大,下游红沙梁区域
出现了新的地下水漏斗。另外,当地符合植物存活条件（地下水埋深小于15 m）的区域面积也在逐年减小,其中地下水
埋深小于10 m 的面积减小幅度较大。     

基于GIS与ANN的土地转化模型在城市空间扩展研究中的应用——以北京市为例

结合GIS强大的空间分析功能与人工神经网络(ANN)处理非线性适应性信息的独特能力建立一种土地转化模型(land transformation model,LTM),用以定量分析城市土地扩展与社会、政策、环境等因子之间关系,并基于此对城市空间扩展的动态进行模拟与预测。LTM模型的运行主要分为3步:因子选取与数据预处理;建立人工神经网络并输入数据对其进行训练与仿真;应用PID法对人工神经网络的输出进行分析,同时在GIS平台上模拟出城市扩展的动态分布。选取相应的影响因子并运用该模型对北京市的城市扩展进行实证模拟检验与预测,结果表明此LTM模型确实提供了一种定量分析和预测城市空间扩展的方法,能够为城市规划与城市发展政策的制定提供重要的科学参考。     

人工神经网络在潮汐预测中应用研究

海洋环境中,精确预测潮汐是关系到建筑物和人类活动的重要工作.利用人工神经网络进行单测站潮位和多测站对应潮位预测,并结合潮汐现象的特点,提出了在预测之前有针对性的数据处理分析方法--周期分析概念,并将其应用到实际的潮位预测当中,实例证明这种方法可以解决潮位预测中存在的时滞问题,提高了预测的精度.同时根据不同测站潮汐数据之间的相关性,以及潮汐数据规律性较强这一特点,进行了不同潮位测站之间的对应潮位预测,取得了很好的结果.     

北京市平原区地下水开采量反演的数值模拟方法

准确获取地下水开采量统计数据是进行水资源管理的基础,但是由于诸多人为因素,北京平原区调查统计得到的开采量数据与实际产生的开采量有出入.本文提出了地下水开采量反演的地下水数值模拟方法.为获取更接近实际的地下水开采量,基于有限元数值模拟软件FEFLOW,建立了北京市平原区(不包括延庆盆地)地下水流数值模型,依据各行政区开采量对平均水位的灵敏度系数,利用2012-2014年111孔地下水监测井的月动态数据,通过拟合模拟水位和实测水位,采用人工试错法对各区的开采量数据进行反演校正.反演后得到北京市平原区2012-2014年总开采量分别为23.16亿、21.77亿和23.44亿m3.反演后各单孔模拟和实测地下水位拟合较好,模型能较为真实地反映北京平原区地下水动态.以顺义区为典型,利用模型分析了区域地下水位与地下水开采量的关系.模拟结果可为北京市分区县地 下水管理考核工作提供决策支持.