BP神经网络在反窃电系统中的研究与应用

针对我国供电企业电量自动化管理技术手段相对落后的问题,基于窃电的特点构建了反窃电指标评价体系,采用BP神经网络建立了反窃电模型,并结合实例探讨了在反窃电系统中运用BP神经网络的过程及应注意的问题.实例应用表明,反窃电指标评价体系科学、合理,BP神经网络应用于窃电嫌疑分析可行、有效.     

BP网络模型在巢湖富营养化评价中的应用

根据人工神经网络的原理,综合考虑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非线性的特点,构建了一个能自动对湖泊富营养化程度作出正确评价的BP人工网络模型,分析了BP网络学习规则,并在巢湖富营养化评价中得到了应用.本研究结果显示:1997～2005年巢湖共出现4种营养类型,即中一富营养、富营养、重富营养、严重富营养化.在这几种营养类型中,富营养化区分布最广,约占全湖面积的71%,其次是重富营养化和严重富营养化,约占全湖面积的26.5%.     

基于BP神经网络的北江流域洪灾风险评价

依据灾害系统理论,在GIS技术支持下构建了北江流域洪灾风险评价指标体系及基于BP神经网络的洪灾风险评价模型,评价了北江流域洪灾风险,并与历史发生的大洪水相比较.结果表明,该模型评价结果较好地反映了流域实况,具有合理性,并提供了洪灾风险评价图.     

基于粗集和BP神经网络的城市水资源可持续利用评价模型

针对水资源评价的复杂性不确定性等问题,提出了一种粗集与BP神经网络相结合的城市水资源可持续利用评价模型。利用粗糙集属性约简算法对城市水资源评价指标约简,找出主要评价指标,以简化BP网络的输入层;利用BP神经网络的非线性适应性信息处理能力对评价数据进行量化训练。基于湖北省2004~2010年城市水资源的相关数据,利用Matlab仿真平台进行评价,实证结果验证了该改进模型的科学性和有效性,为城市水资源可持续利用评价提供了有效的方法。     

引江济巢工程对改善巢湖水质的数值模拟分析

巢湖受周围城市工业化及农业生产迅速发展的影响,湖区及流域的生态环境发生了巨大变化,尤其是近几年巢湖水质达到重富营养化水平。引江济巢工程是改善巢湖水质的重要工程措施,采用EFDC生态动力学模型模拟了巢湖不同调水流量、调水线路、调水时间对水环境的影响。结果表明,引江济巢工程在一定程度、时间上使巢湖湖区水质发生一定程度的改善,但若入湖水质不达标,调水也增加了巢湖的富营养化风险。     

BP与GIS耦合的地下水水质综合分析评价

为探讨水质综合评价的客观方法,选取总硬度、铁、硫酸盐、溶解性总固体、硝酸盐作为评价指标,参照《地下水质量标准》,以四川省雅安市雨城区为例,采用BP神经网络模型与GIS相耦合的评价方法,分析评价了地下水水质分布状况。结果表明,该区北部、中部和东部地下水的硫酸盐和溶解性总固体偏高,西部和南部地下水水质情况较好,该方法较为直观、合理。     

基于BP神经网络的施工导流风险评价

针对现阶段施工导流风险评价模型存在的不足,提出了采用BP神经网络定性与定量相结合的方法评价施工导流风险,构建了施工导流风险评价模型,并介绍了应用BP神经网络评价施工导流风险的操作步骤,以期为施工导流风险评价提供一种新途径.     

巢湖出入湖口的水质动态分析评价

为了对巢湖各出入湖口水质进行评价并分析污染变化趋势,根据2000～2007年巢湖9个主要出入湖口的8种污染指标监测结果,运用模糊综合评价方法评价了水质现状,并采用Spearman秩相关系数法分析了各出入湖口的水质变化趋势.结果表明,巢湖各出入湖口总体水质污染程度呈逐年减轻趋势,但污染均较为严重;十五里河希望桥处污染程度最高、各年污染综合指数均高于其他监测点.工业污水、生活度水等大量排放而导致的富营养化是引起巢湖污染的主要原因.     

基于BP神经网络的混凝土抗硫酸盐侵蚀预测研究

鉴于新拌混凝土流变参数与硫酸盐侵蚀劣化指标之间存在的非线性映射关系,基于新拌混凝土流变参数,利用BP神经网络建立了硫酸盐干湿循环侵蚀后混凝土抗压强度损失率、质量损失率及相对动弹性模量的预测模型,预测了混凝土受硫酸盐侵蚀程度。结果表明,BP神经网络模型预测的硫酸盐侵蚀结果与实测结果吻合较好,且预测误差较小,说明BP神经网络模型对混凝土受硫酸盐侵蚀后的劣化程度具有良好的预测效果。     

考虑预报因子选择的神经网络降雨径流模型

为优化神经网络模型的应用效果,研究了基于神经网络的降雨-径流模型,根据Copula熵法确定预报因子,并与传统的线性相关法进行比较分析,采用BP、RBF、GRNN三种神经网络建立降雨-径流模型,应用均方根误差、合格率、确定性系数三个指标为模型选取评价准则。通过对金沙江流域的径流预报,发现基于Copula熵法的BP模型预报结果更接近实测值,精度更高。