基于BP神经网络的汾河水质评价

以汾河流域21个控制断面的水质监测数据为研究对象,建立了基于BP神经网络模型的汾河水质评价方法,对汾河流域水质进行了评价,并与传统的单因子指数评价法、综合指数评价法进行了对比.结果表明,80.9%的断面三种评价结果完全相同,11.1%的断面三种评价结果有差异,其中,BP评价结果较单因子法和综合污染指数法更为客观,更多地考虑了多种污染物的综合影响,更有利于水质评价和管理.经训练的评价模型应用于实例的评价结果表明,该模型设计合理、抗干扰能力强,对汾河水质评价具有较好的客观性、通用性和实用性.     

人工神经网络在新疆蘑菇湖水库水质评价中的应用

调查分析了蘑菇湖水库的污染源,选取蘑菇湖水库污染的6项水质监测数据作为评价指标,采用Matlab建立了蘑菇湖水库水质评价的三层BP网络模型,并以这6项指标为训练样本,对BP网络进行训练,将训练好的网络用于水质进行评价,得出的蘑菇湖水库水质评价结果是劣Ⅴ类,采用分级评分法对计算结果进行了比较分析,结果表明：BP神经网络方法收敛速度较快,预测精度很高,蘑菇湖水库已丧失养殖功能,并且已不能满足农业灌溉的标准。     

BP网络应用于黄河水质的预测研究

利用黄河兰州段水质指标浓度时间序列作为学习样本，选取了DO、COD、氨氮、重金属离子等l0项指标作为输出参数，运用人工神经网络BP模型中的Levenberg—Marguardt优化算法对学习样本优化建模，将优化好的网络的预测结果与实测结果进行了比较，表明BP网络可以很好地用于黄河水质指标值及水质类别的预测。     

基于模糊BP神经网络的水质评价

在BP网络模型基础上构建了隶属度BP网络模型,针对模型特点,建立了水质评价标准指标矩阵,并采用扩展方法构建了网络训练样本,将所建立的模型应用于佛山某污水处理厂的出水口水质评价,应用模糊隶属度方法实现水质级别评价,可以简明地表示水质接近于某类标准水质的程度。研究表明,本算法使评价的结果更具体准确、更符合评价水体水质情况,...     

基于BP网络的水泥强度预测

运用改进的BP算法,建立了水泥强度预测模型.模型1用于预测水泥抗压强度,网络输入为水泥3 d抗压强度,网络输出为水泥28 d抗压强度;模型2用于预测水泥抗折强度,网络输入为水泥3 d抗折强度,网络输出为水泥28 d抗折强度.网络的改进主要采用附加冲量和自适应学习率等方法,网络运行良好.模型1的相对误差平均值为1.665 5%;模型2的相对误差平均值为3.834 1%,预测结果较为理想.     

改进BP神经网络模型在小康水利综合评价中的应用

分析BP神经网络应用于小康水利综合评价中存在的几个关键性问题。利用层次分析法(AHP)从100余个水利统计指标中遴选出30个具有一定代表性的指标用于构建小康水利综合评价指标体系并给出相应的分级标准;采用LM算法弥补标准BP神经网络在实际应用中存在收敛速度慢、易陷入局部极值等不足,建立了神经网络小康水利综合评价模型——LM-BP模型;利用随机内插方法在小康水利综合评价分级标准阈值间生成训练样本和检验样本;提出网络拟合度的概念;选取网络拟合度、平均相对误差等5个统计指标用于评价模型性能。在模型达到预期的评价精度和泛化能力后,将其用于文山州小康水利综合评价,并构建传统BP模型、RBF模型作为对比模型。结果表明:(a)无论是训练样本还是检验样本,LM-BP模型的评价精度均高于传统BP神经网络模型、RBF神经网络模型近一个数量级,表明LM-BP模型具有较高的评价精度和泛化能力,可用于文山州小康水利综合评价,模型收敛速度快、稳定性能好。(b)2010年文山州及各县级行政区小康水利综合评价为1~2级,处于起步—基本实现阶段;2020年预测评价为3级,全州基本实现小康水利。     

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。     

基于MATLAB的神经网络在城市环境质量评价中的应用

应用人工神经网络网络模型,结合MATLAB中BP网络算法的基本训练函数,建立了城市环境质量评价的BP神经网络模型。应用该模型,对广州市1997年至2002年的环境质量进行综合评价。结果表明,人工神经网络用于评价城市环境质量是可行的,且具有客观性和通用性。     

基于隶属度-遗传神经网络模型的水质综合评价

针对水质综合评价问题,提出了基于隶属度-遗传神经网络的水质综合评价模型.水质综合评价模型对反向传播神经网络初始权值和阈值用遗传算法优化,并将隶属度的概念引入遗传神经网络,以便确定水质污染影响因子和水质等级.以苏帕河梯级电站水质监测数据为例,对该模型进行了测试,并与其他方法进行了比较.结果表明,该方法提高了运算精度,减小了全局误差,均方误差降低至6.337 14×10-5,用于水质综合评价合理、准确,有其独特的优越性.     

基于BP神经网络的田间杂草识别技术研究

设计了一种以田间除草指标体系作为神经网络的输入,以田间除草等级作为输出的田间除草综合评价模型;以田间除草指标的各级评价标准作为模型的训练样本和检验样本,设计了一种神经网络算法,利用Matlab软件对BP神经网络进行训练和检验.结果表明:BP神经网络对检验样本的模拟输出和期望输出是一致的;BP神经网络人工智能技术应用到田间除草,具有运算速度快、精度高,过程方便简捷的优点.     

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.     

人工神经网络模型在太湖富营养化评价中的应用

根据湖泊富营养化程度影响因素多,评价因素与富营养化等级之间关系复杂且是非线性的特点,研制了一个能自动对湖泊富营养化程度做出正确评价的BP人工神经网络模型,并在太湖富营养化评价中得到了应用,结果表明：只要把观测数据提供给网络,借助计算机就可获得能客观地反映水质富营养化状况的评价结果;对于富营养化标准样本,一旦训练完毕,只需通过简单的加法和乘法运算,就可对湖泊水质富营养化程度进行评价．     

基于BP神经网络的城市供水系统管网预测

针对城市供水系统的复杂性、非线性、时变化性以及多因素影响的特点，探讨了建立基于BP神经网络城市供水管网预测的原理，阐述了建立基于BP网络的城市供水时序预测模型方法．根据管网的节点压力历史数据纪录，建立基于神经网络的管网压力时序预测模型，对未来某一时段的节点压力进行预测．从预测过程和结果分析，基于BP神经网络城市供水管网预测方法操作简单，运行速度快，误差修正方便，精度高．图2，表1，参12．     

神经网络在单机掩蔽库工程质量

提出了运用神经网络方法评判单机掩蔽库的工程质量,构造了BP神经网络工程质量评判模型。该评定模型基于专家对各分项工程的评定结果,经过自行学习、联想、记忆和分类,较准确地评定了单机掩蔽库工程质量,评定结果具有较高的识别精度。     

构造容错人工神经网络的方法

具有容错能力的人工神经网络结构，可以提高人工神经网络的可靠性。本文提出了基于ＢＰ算法的容错人工神经网络评价函数，分析了容错性，并给出了模拟结果。     

基于BP网络模型的青弋江水质预测研究

以水质因子CODCr为例,构建并训练BP神经网络预测模型,分别从空间和时间上对青弋江芜湖市区段水质进行预测,并用实际监测值检验预测精度.预测结果说明BP网络模型在青弋江水质的预测方面是一种简单有效的方法.     

水电机组效率的神经网络算法

水电站优化运行要求具有连续水位和导叶开度下的效率特性曲线。对此提出用BP神经网络方法计算机组效率，并建立了BP神经网络模型，以现场效率试验数据作为样本进行训练，并用训练好的网络计算该机组的效率。网络的训练速度及计算结果表明，该算法收敛速度较快，精度高，为计算水电站任意水头及导叶开度下的机组效率提供了新思路和新方法，可用于指导水电机组的优化运行。     

基于径向基函数神经网络的水轮发电机组效率曲线计算方法

提出用径向基函数(RBF)神经网络进行水轮发电机组效率曲线计算的方法，并建立了径向基函数神经网络模型，以有限水头下原型效率试验数据为样本进行训练，所得的网络可快速准确地计算任意水头下的效率特性曲线。与BP神经网络模型的对比结果表明，该方法避免了BP神经网络的局部极小及收敛速度慢等缺点，在精度、训练速度等方面优于BP神经网络。     

基于BP神经网络的实践教学质量评价模型研究

该文利用反向传播（Back Propagation,BP）神经网络建立实践教学质量评价模型。将实践教学质量评价指标量化为确定的数据作为其输入,实践教学质量作为输出。运用Excel进行实证研究,发现将该方法运用于实践教学质量评价中,较好的模拟了评价专家进行综合评价的过程,得到了满意的评价结果。