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。     

基于改进未确知测度模型的城市环境质量综合评价

对城市环境质量的综合评价问题进行了研究,讨论了城市环境质量评价指标的选取原则,建立了城市环境综合评价的指标体系,结合未确知数学方法,给出指标等级量化矩阵和改进的未确知测度矩阵及权重的计算方法,建立了城市环境质量综合评价的未确知数学模型。并以西安市2010年为例对评价方法及模型进行具体的应用,说明方法的有效性。针对评价结果,给出环境质量改善的建议措施。     

城市环境质量综合评价的集对分析方法

应用集对分析理论处理城市环境质量综合评价中的不确定性,建立了一种基于多元联系数的城市环境质量综合评价模型,并对宣州市环境质量进行了综合评价,结果表明,该方法客观合理,应用方便,是一种有效的城市环境质量综合评价方法.     

闽东南沿海城市热环境综合信息图谱的研究

以闽东南沿海城市热环境为研究对象,综合考虑影响热环境的自然和人文因素,尝试建立城市热环境的综合评价模型,并利用该模型对阂东南沿海城市2001年和2007年热环境质量进行了像元尺度的评价,同时引入地学信息图谱和分析方法,构建城市热环境综合信息图谱,用于揭示闽东南沿海地区城市热环境的动态演化规律,形成对区域尺度上城市热环境深层次的认识．     

基于免疫算法优化的投影寻踪水质评价模型

以地下水各聚类指标水质级别国家标准值为评价标准，建立投影寻踪技术模型，将评价模型运用于韩城矿区桑树坪煤矿水环境质量现状评价中，并与其它方法的结果进行比较．实例应用表明：投影寻踪技术用于水环境质量评价具有较好的客观性和实用性，亦可用于其它环境质量的综合评价．     

深圳城市化过程与水环境质量变化研究

选择深圳这个人类活动强度极大的城市作为案例地区，基于深圳多年的统计数据、环境数据以及影像的解译数据，进行回归和主成分分析，建立了城市化水平与城市水环境质量变化之间的回归模型．结果表明，城市用地比例是深圳河流综合污染指数变化的主要原因，这从另一方面表明，区域环境容量是评价区域环境质量的重要基础，单一强调排放量和排放控制不能全面地反映环境质量变化的原因．     

环境质量分极的混合加权灰色局势决策法

针对综合质量指数模式的不足，提出了混合加权模式，根据各种污染因子对环境质量的不同影响，将混合加权模式与灰色局势决策法相结合，用于环境质评价。     

计算环境质量综合指数的K─级混合加权模型

用综合指数进行环境质量评价，能反映环境质量问题。但是在综合指数的计算中，如何确定权系数的问题仍未完全得到解决。混合加权模式解决了权系数的确定及区分环境污染与否的问题，不过在单项分指教较多（超过９个）时，其模式仍有不完善之处，本文将对混合加权模式加以改进，提出一个比较完善的计算环境质量综合指数的模式─－Ｋ─级混合加权模型。     

环境质量分级的混合加权灰色局势决策法

针对综合质量指数模式的不足，提出了混合加权模式。根据各种污染因子对环境质量的不同影响，将混合加权模式与灰色局势决策法相结合，用于环境质量评价。     

BP神经网络模型在城市环境质量评价中的应用

针对城市污染问题,运用人工神经网络理论和方法,建立城市环境质量评价的BP神经网络模型。通过实例进行评价分析,并与灰色关联模式识别评价结果进行比较,说明用BP神经网络方法评价城市环境质量是可行的。该模型具有很强的学习、联想和容错功能,其分析结果和过程都接近人脑的思维过程和分析方法,使得城市环境质量评价结果的精度大大提高。     

基于BP神经网络的环境质量评估

利用人工神经网络对地区综合环境质量进行了评价,提出了基于BP人工神经网络、以Matlab为平台的算法程序的人工神经网络环境质量分类模型．并以某地区环境监测数据值为样本,进行了环境质量评价分析．研究结果表明,BP神经网络应用于环境质量评价无需构建复杂的参数方程,且具有基于知识学习的特性,结构简单实用,具有客观性和通用性．     

渭河宝鸡段水环境质量的BP人工神经网络分析

选取代表地表水环境质量的五日生化需氧量(BOD5)、化学需氧量(COD)、高锰酸盐指数、氟化物、氨氮(NH3-N)、总磷(TP)和总氮(TN)等7个指标和地表水环境质量标准(GB 3838-2002)建立地表水环境质量评价的BP人工神经网络模型,利用训练好的模型对2009年渭河宝鸡段6个过水断面的水环境质量进行综合评价,结果表明,林家村和胜利桥断面的水环境质量分别为Ⅰ类和Ⅱ类标准,其余4个断面的水环境质量均为Ⅲ类标准.     

基于改进BP神经网络的地下水环境脆弱性评价

地下水环境脆弱性具有模糊特性,现有的地下水环境脆弱性评价方法普遍采用加权评分法和模糊数学方法.加权评分法在评价因素权重的确定上人为性较大,并且该方法不能反映各评价因素指标值的连续变化对地下水环境脆弱性的影响;模糊数学方法在评价因素权重的确定和隶属度函数的构建上存在着不足.为此,建立了地下水环境脆弱性的改进BP神经网络模型.黄淮平原宁陵县的应用结果表明,改进BP神经网络法训练速度快、精度高,能较好地解决非线性的模式识别问题,如实地评价地下水环境的脆弱性.     

基于BP神经网络的非特定人语音识别算法研究

当前非定特人语音识别算法大多只适于连续语音,且识别精度和速度均较低。为此,提出一种新的基于BP神经网络的非特定人语音识别算法,介绍了标准BP神经网络,针对其收敛速度慢的弊端,通过变化的自适应学习速率,令网络训练针对各种阶段自行设置学习速率值,利用变学习速率构建对应的改进BP神经网络模型,将改进的BP神经网络模型看作识别非特定语音的识别器,输入待识别语音,令累计预测残差达到最小,实现非特定人语音识别。将改进模型应用于非特定人语音识别中进行验证,结果表明所提算法识别率更高、识别速度更快,不仅适于连续语音的识别,也适于不连续语音的识别。     

基于改进粒子群优化-反向传播神经网络算法的小麦储藏品质预测模型

在使用反向传播神经网络(back propagation neural network,BPNN)预测小麦的储藏品质时,由于其易陷入局部极值且收敛速度慢,导致预测误差较大且稳定性较差,由此提出一种改进粒子群(improved particle swarm optimization,IPSO)算法优化的BPNN预测模型.采用非线性函数动态调整粒子群算法中的惯性权重和学习因子,优化BPNN中的权值参数,进而构建IPSO-BPNN预测模型.为验证该模型的准确性和稳定性,将其与BPNN模型、PSO-BPNN模型进行对比,结果表明:IPSO-BPNN模型预测的均方误差显著降低,有助于提高小麦储藏品质预测的准确性和可靠性.     

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,...     

非线性、大滞后系统神经网络辨识研究

基于神经网络的非线性、大滞后系统辨识是当前研究的热点之一,介绍了神经网络辨识的基本原理,研究了BP与RBF神经网络两种典型网络的设计和算法,最后通过MATLAB进行了仿真分析与比较。仿真结果表明:一致性方面RBF优于BP神经网络,RBF神经网络收敛速度更快,辨识效果更好;泛化性能方面RBF网络较差,不如BP网络。由此得出两种网络各自的优缺点,在实际应用中可以此作为神经网络模型辨识的参考。     

基于神经网络的复杂过程系统模型辨识

针对复杂生产过程中的一阶和二阶液位系统,利用MATLAB软件的神经网络工具箱,分别应用BP和径向基两种神经网络模型进行系统辨识,得到系统模型．通过结果比较,得出两种神经网络的应用特点：对于一阶非线性液位过程,径向基神经网络创建的数学模型性能较好;对于二阶线性液位过程,BP神经网络的建模效果较好;尽管BP神经网络的模型训练过程有学习收敛慢、局部最小点、层数和单元数不易确定的缺点,但其函数逼近的精确度对二阶线性的辨识具有独特优势．     

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。