基于BP人工神经网络的海水水质综合评价

为了能够客观地对海水水质进行综合评价,在分析人工神经网络概念和原理的基础上,从阈值角度出发,通过对各类海水水质污染指标浓度生成样本的方法,生成了适用于BP人工神经网络模型训练的样本,并应用基于误差反向传播原理的前向多层神经网络,建立了用于海水水质评价的BP人工神经网络模型。将该模型用于渤海湾近岸海域水环境评价,通过模型...     

基于支持向量机理论的海水水质富营养化评价研究

首次利用支持向量机(SVM)理论对海水水质富营养化的程度进行评价，并与BP人工神经网络方法所得结果进行比较，通过实例验证，说明SVM理论能较好地解决小样本的分类评价问题，评价效果良好，在水质评价领域有较好的应用前景。     

基于ArcEngine的海水水质可变模糊综合评价系统研究与建立——以莱州湾海域为例

水环境污染受到多种因素的影响,污染物质之间存在着复杂的相关性,本文探讨将可变模糊数学方法和GIS技术相结合,应用于海洋水质评价中的路线和方法,建立基于ArcEngine的海水水质可变模糊综合评价系统,实现了海水水质评价相关数据输入与管理、水质环境信息选择与查询、海水水质可变模糊评价、空间分析及综合评价结果制图输出等功能,最后将该系统应用到胶州湾海水水质综合评价中,实现了海水水质评价结果的直观、可视化显示,实践表明GIS技术和可变模糊评价方法应用于海水水质综合评价中是完全可行的,为控制环境污染、进行环境规划提供了科学依据。     

疏浚物倾倒区海水水质级别的模糊综合评价

应用模糊综合评价方法对大连臭水套海域疏浚物预选倾倒区的水质状况进行了评价，得到了有益的结论。     

基于模糊神经网络的海水水质综合评价

根据俚岛镇海湾22个海洋观测点的水质监测数据,依据人工神经网络与模糊理论,建立模糊神经网络模型,对研究区海水水质进行了综合评价。结果表明,区域内40,91%的采样点属于Ⅰ类海水水质标准,其余为Ⅱ类海水水质。其中,水质Ⅱ类区位于临络湾与俚岛湾的半封闭海域,因该区造船业对水体造成污染且海水对流强度较弱,不利于污染物的扩散;而海水水质Ⅰ类区域靠近黄海,工业活动较少,水体对流较强,利于污染物扩散。     

一种新的海水富营养化模糊评价方法

本文根据模糊集理论中权距离的概念和层次分析理论，提出一种新的海水营养化模糊评价方法。将其应用于珠江河口海水富营养化程度的评价，结果表明珠江河口水质基本良好，属中等营养水平。     

天津疏浚物海洋倾倒区海水水质现状评价

采用单因子指数法及模糊综合评价方法对2011年天津疏浚物海洋倾倒区的水质数据进行评价,得出结论:天津疏浚物海洋倾倒区水质总体符合第一类海水水质标准,Pb、石油类为该海域主要污染物,倾倒区各污染物指标满足天津市海洋环境保护规划对倾倒区水质的相关规定。通过比较发现:单因子指数法适用于对单个污染因子的污染程度进行统计,模糊综合评价法则适用于对整体监测结果进行评价。     

基于模糊综合评价法的东极大黄鱼(Larimichthys crocea)养殖区海水水质评价

采用模糊综合评价法,根据2009年5个月份和2010年6个月份的东极大黄鱼(Larimichthys crocea)养殖区海水水样监测数据,对该养殖区海水水质状况进行了综合评价。结果表明,在年均值的评价中,2009年和2010年养殖区海水水质均为一类水,对一类水的隶属度分别为0.53和0.80,说明2010年的水质状况好于2009年。2010年6个监测月份的评价结果显示,各监测月份水质状况均为一类水质,但各月水质状况对一类水的隶属度值差别较大。4月份和5月份的水质状况对一类水的隶属度在0.5以上,6月份的水质状况对一类水的隶属度最低,仅为0.33,其余监测月份海水水质对一类水的隶属度均小于4、5月份。评价结果与东极大黄鱼养殖区水质的实际状况相符,说明模糊综合评价法适用于养殖区海水水质的评价。     

东寨港红树林国家级自然保护区海水水质状况分析与评价

根据2004~2008年东寨港红树林国家级自然保护区的水质监测结果,采用水质单因子质量指数评价法、有机污染指数法和富营养化水平法对东寨港红树林国家级自然保护区水质污染状况进行分析评价,并采用秩相关系数法对该海域近5a水质状况进行趋势分析。结果表明:东寨港红树林国家级自然保护区海域无机氮和活性磷酸盐有超标现象;该海域2005年和2008年有机污染指数值较高,受到较严重污染或轻度污染;该海域近5a中仅2006年水体处于贫营养化水平,其余各年营养水平处于富营养化程度或高富营养化程度;趋势分析显示该海域水质呈逐年下降趋势,但不显著。因此,对富含N、P等造成该海域富营养化的污染物的治理是该海域环境管理和污染治理的重点。     

双层BP人工神经网络连接权值的性质

从理论上分析和探讨具有Ｓ型连结函数的双层ＢＰ网络连接权值和阈值的性质，并进行实例验证，本文有助于神经网络内部行为的研究。     

Integrated assessment on sea water quality based on the fuzzy neural network

根据俚岛镇海湾22个海洋观测点的水质监测数据,依据人工神经网络与模糊理论,建立模糊神经网络模型,对研究区海水水质进行了综合评价.结果表明,区域内40.91％的采样点属于Ⅰ类海水水质标准,其余为Ⅱ类海水水质.其中,水质Ⅱ类区位于临络湾与俚岛湾的半封闭海域,因该区造船业对水体造成污染且海水对流强度较弱,不利于污染物的扩散;而海水水质Ⅰ类区域靠近黄海,工业活动较少,水体对流较强,利于污染物扩散.     

基于粒子群算法优化的BP神经网络在海水水质评价中的应用

针对目前存在的海水水质受多因素影响、评价难的现状,提出了一种基于粒子群算法（PSO）优化误差反向传播（BP）神经网络的海水水质评价模型。该模型通过PSO得到BP神经网络最优的权值和阈值,结合青岛东部海域10个监测站点的数据得到水质评价结果。实验证明,该模型和单因子评价、传统的BP神经网络评价相比较,具有训练时间短、预测精度高的特点,在海水水质评价中具有良好的应用价值。     

基于BP人工神经网络的水体遥感测深方法研究

利用Landsat7ETM＋遥感图像反射率和实测水深值之间的相关性,建立了动量BP人工神经网络水深反演模型,并对长江口南港河段水深进行了反演.结果表明：具有较强非线性映射能力的动量BP神经网络模型能较好地反演出长江口南港河段的水深分布情况;由于受长江口水体高含沙量的影响,模型对小于5 m的水深值反演精度较高,而对大于10 m的水深值反演精度较低.     

基于BP神经网络的深水自升式海洋平台智能控制模型试验研究

基于BP神经网络控制方法设计了一种适用于自升式海洋平台的智能控制系统。为了验证该控制系统的有效性,以墨西哥湾海域某典型深水自升式海洋平台为原型,根据动力相似准则按照1∶40的相似比设计海洋平台试验模型,采用磁流变阻尼器作为实施该智能控制方法的控制器,并对其主要参数进行了设计。在此基础上,在波浪水池中分别对有、无安装控制系统的自升式海洋平台模型进行了多工况的波浪试验,通过对比安装控制系统前后平台结构的响应幅度,研究了控制系统的振动控制效果。试验结果表明:基于BP神经网络的磁流变阻尼智能控制系统能够有效地控制自升式海洋平台结构的动力响应,且控制效果稳定。     

基于头脑风暴优化算法与BP神经网络的海水水质评价模型研究

针对基于传统BP神经网络的海水水质评价模型存在易陷入局部极小等问题,提出了一种新的利用头脑风暴优化算法(BSO)优化BP神经网络的海水水质评价模型(BSO-BP)。该模型引入具有全局寻优特点的头脑风暴优化算法,用于模拟人类提出创造性思维解决问题的过程,具有强大的全局搜索和局部搜索的能力,同时利用BP神经网络所具有良好的非线性映射能力、学习适应能力和容错性,最大程度上考虑到海洋水质评价因素的非线性和非平稳的关系,得到BP神经网络的各层权值、阈值的最优解,使得海水水质评价结果准确合理。并以胶州湾海域的12个监测站位的监测数据作为评价样本进行水质评价,实验结果表明该评价模型能够克服局部极小问题,评价结果准确性较高,并具有一定的实用性。     

基于BP神经网络的变形三体船布局优化研究

针对以DTMB5415为基础船型提出的高速可变形三体船,以CFD软件计算结果为样本值,利用BP神经网络方法对三体船静水阻力进行多次训练,在保证精度的基础上模拟预测了多组不同航速、不同布局下的单位排水量阻力值,从而得出了随航速变化下该船型可调节的适航布局。BP神经网络法较之传统CFD计算不仅能极大的缩短计算时间,而且能快速可靠的搜索到任意航速下能耗最小的布局,打破了CFD方法必须通过限定布局和航速求得阻力值来进行比较的固有模式,真正实现了三体船"可变形"的优势,工程适用性强,为计算机辅助三体船布局优化研究提供了一种新思路。     

基于人工神经网络的混凝土疲劳寿命估算

把决定混凝土疲劳寿命的应力水平，应力比，加载频率和描述随机性的破坏概率作为神经网络的输入，以疲劳寿命作为网络的输出，用网络结构描述它们之间的非线性关系，利用实验数据样本完成了网络的训练，并对模拟样本进行了估算，实例计算了结果表明，利用已有疲劳试验数据训练好的人工神经网络进行混凝土疲劳寿命估算，可部分代替冗长，昂贵的疲劳实验。     

基于双隐层ANN模型的叶绿素a浓度智能预报方法

利用2019年5月WZ02生态浮标监测数据,建立了两种不同隐层人工神经网络(ANN)模型的叶绿素a(Chl-a)智能预报方法,并对单隐层和双隐层模型的预测结果做了对比.结果表明:双隐层结构预测结果精度更高,泛化能力更强,一定程度上说明了深层学习比浅层学习对信息的主要特征提取能力更有优势.同时,对数据样本集合进行了系统预...