bpx神经网络在水质评价中的应用研究.doc
约42页DOC格式手机打开展开
bpx神经网络在水质评价中的应用研究,bpx神经网络在水质评价中的应用研究页面 42页字数 3.8万字附录a 一篇引用的外文文献及其译文附录b 列入的主要参考文献的题录及摘要附录c 主要源程序引言有效利用江河湖泊水体，是实现可持续发展的重要内容之一。为更有效地利用和保护自然水体首先必须对水体水质进行合理的综合评价。针对长江水体水质评价的主要任务是，根据水体...
内容介绍
此文档由会员 云贝贝 发布
BPX神经网络在水质评价中的应用研究
页面 42页 字数 3.8万字
附录A 一篇引用的外文文献及其译文
附录B 列入的主要参考文献的题录及摘要
附录C 主要源程序
引 言
有效利用江河湖泊水体，是实现可持续发展的重要内容之一。为更有效地利用和保护自然水体首先必须对水体水质进行合理的综合评价。针对长江水体水质评价的主要任务是，根据水体中反映污染程度的主要物质（据调研主要有溶解氧、挥发酚、氨氮、亚硝酸盐氮、硝酸盐氮和高锰酸等）和石油类等物质的浓度和国家水质评价标准，分析和评价水质的类别及其发展趋势为水体管理提供科学的依据。
目前水质评价方法主要是多因素的综合评价法，如灰色关联分析、模糊聚类分析法、物元模型法灰色局势决策法和综合指数评价法等。由于影响水质的因素很多，且因素与水质类别之间通常存在复杂的非线性关系，所以迄今没有一种统一的和公认的方法。
人工神经网络以其自学习、较好的容错性和优良的非线性逼近能力，受到众多领域学者的关注。在实际应用中，80%—90%的人工神经网络模型是采用快速误差反传算法或其变化形式的网络模型（简称BPX网络），能较好地应用于函数逼近、模式识别、分类和数据压缩或数据挖掘中。本文根据依据GB3838-2002《地表水环境质量标准》， 选取1998年—2005年长江水质监测资料进行评价， 运用该方法对监测样点进行了综合评价。
目录
引 言
第1章 概述
1.1 我国水环境的现状
1.2 我国水环境的研究内容
第2章 水质评价专家系统
2.1 专家系统概述
2.2 水质评价专家系统概述
2.3 水质评价的理论发展过程
2.4 我国水质评价实施中存在的问题
2.5 完善水质评价工作的对策与建议
2.6 水质评价的工作内容
第3章 人工神经网络ANN与水质评价
3.1 人工神经网络（ANN）概述
3.2 人工神经网络在水质规划和管理中的应用
3.3 人工神经网络的优点及研究意义
第4章 水质评价BPX神经网络
4.1 BP（Back-propagation）神经网络基本原
4.2 BP算法存在的问题及改进
4.3 水质评价BPX神经网络
结论与展望
致 谢
参考文献
附 录
附录A 一篇引用的外文文献及其译文
附录B 列入的主要参考文献的题录及摘要
附录C 主要源程序
参考文献
[5] 许东，吴铮.基于MATLAB 6.x的系统分析与设计——神经网络（第二版）[M].西安：西安电子科技大学出版社，2002.
[6] 杨洁，吴贻名，万飚.汉江水质综合评价的BP网络方法[J].武汉大学学报（工学版），2004，（1）：1-3.
[7] 张明祖.人工智能的前沿内容—专家系统的发展综述[J].北京印刷学院学报，1995，(1)：36-43.
[8] 国家环境保护总局监督管理司.中国环境影响评价[M].北京：化学工业出版社，2000.
[9] 周露，闻新，王丹力等著. MATLAB神经网络应用设计[M].北京：科学出版社，2001.
[10] 施阳，楼顺天.基于MATLAB的系统分析与设计[M] .西安：西安电子科技大学出版社，2000.
[11] 闻新，周露，李翔，张宝伟.MATLAB神经网络仿真与应用[M].北京：科学出版社，2003.
[12] 高隽.人工神经网络原理及仿真实例[M].北京：机械工业出版社，2005.
[13] 黄川友，刘国东，丁晶.水质综合评价的人工神经网络模型[J] .中国环境科学，1998，18（6）：514-517.
[14] 董长虹.MATLAB神经网络与应用[M].北京：国防工业出版社，2005.
[15] 韩力群.人工神经网络理论、设计及应用[M].北京：化学工业出版社，2001.
[16] 魏海坤.神经网络结构设计的理论与方法[M].北京：国防工业出版社，2005.
[17] Andrea G.Capodaglio, Harold V.Jones, Vladimir Novotny and Xin Feng. Sludge Bulking Analysis and Forecasting: Application of System Identification and Artificial Neutral Compution Technologies [J].Water Research.Vol.25, No.10, 1991.
[18] Hilary I.Inyang, Steven J.Piet, Robert Breckenridge and Irene M.C.Lo. Improvement of Approaches to Waste Containment System Development, management, and Evaluation [J]. American Society of Civil Engineers. Vol.9, No.4, 2005.
[19] Qing Zhang and Stephen J.Stanley.Real—Time Water Treatment Process Control With Artificial Neural Networks [J].Journal of Environmental, Vol.125, No.2, 1999.
页面 42页 字数 3.8万字
附录A 一篇引用的外文文献及其译文
附录B 列入的主要参考文献的题录及摘要
附录C 主要源程序
引 言
有效利用江河湖泊水体，是实现可持续发展的重要内容之一。为更有效地利用和保护自然水体首先必须对水体水质进行合理的综合评价。针对长江水体水质评价的主要任务是，根据水体中反映污染程度的主要物质（据调研主要有溶解氧、挥发酚、氨氮、亚硝酸盐氮、硝酸盐氮和高锰酸等）和石油类等物质的浓度和国家水质评价标准，分析和评价水质的类别及其发展趋势为水体管理提供科学的依据。
目前水质评价方法主要是多因素的综合评价法，如灰色关联分析、模糊聚类分析法、物元模型法灰色局势决策法和综合指数评价法等。由于影响水质的因素很多，且因素与水质类别之间通常存在复杂的非线性关系，所以迄今没有一种统一的和公认的方法。
人工神经网络以其自学习、较好的容错性和优良的非线性逼近能力，受到众多领域学者的关注。在实际应用中，80%—90%的人工神经网络模型是采用快速误差反传算法或其变化形式的网络模型（简称BPX网络），能较好地应用于函数逼近、模式识别、分类和数据压缩或数据挖掘中。本文根据依据GB3838-2002《地表水环境质量标准》， 选取1998年—2005年长江水质监测资料进行评价， 运用该方法对监测样点进行了综合评价。
目录
引 言
第1章 概述
1.1 我国水环境的现状
1.2 我国水环境的研究内容
第2章 水质评价专家系统
2.1 专家系统概述
2.2 水质评价专家系统概述
2.3 水质评价的理论发展过程
2.4 我国水质评价实施中存在的问题
2.5 完善水质评价工作的对策与建议
2.6 水质评价的工作内容
第3章 人工神经网络ANN与水质评价
3.1 人工神经网络（ANN）概述
3.2 人工神经网络在水质规划和管理中的应用
3.3 人工神经网络的优点及研究意义
第4章 水质评价BPX神经网络
4.1 BP（Back-propagation）神经网络基本原
4.2 BP算法存在的问题及改进
4.3 水质评价BPX神经网络
结论与展望
致 谢
参考文献
附 录
附录A 一篇引用的外文文献及其译文
附录B 列入的主要参考文献的题录及摘要
附录C 主要源程序
参考文献
[5] 许东，吴铮.基于MATLAB 6.x的系统分析与设计——神经网络（第二版）[M].西安：西安电子科技大学出版社，2002.
[6] 杨洁，吴贻名，万飚.汉江水质综合评价的BP网络方法[J].武汉大学学报（工学版），2004，（1）：1-3.
[7] 张明祖.人工智能的前沿内容—专家系统的发展综述[J].北京印刷学院学报，1995，(1)：36-43.
[8] 国家环境保护总局监督管理司.中国环境影响评价[M].北京：化学工业出版社，2000.
[9] 周露，闻新，王丹力等著. MATLAB神经网络应用设计[M].北京：科学出版社，2001.
[10] 施阳，楼顺天.基于MATLAB的系统分析与设计[M] .西安：西安电子科技大学出版社，2000.
[11] 闻新，周露，李翔，张宝伟.MATLAB神经网络仿真与应用[M].北京：科学出版社，2003.
[12] 高隽.人工神经网络原理及仿真实例[M].北京：机械工业出版社，2005.
[13] 黄川友，刘国东，丁晶.水质综合评价的人工神经网络模型[J] .中国环境科学，1998，18（6）：514-517.
[14] 董长虹.MATLAB神经网络与应用[M].北京：国防工业出版社，2005.
[15] 韩力群.人工神经网络理论、设计及应用[M].北京：化学工业出版社，2001.
[16] 魏海坤.神经网络结构设计的理论与方法[M].北京：国防工业出版社，2005.
[17] Andrea G.Capodaglio, Harold V.Jones, Vladimir Novotny and Xin Feng. Sludge Bulking Analysis and Forecasting: Application of System Identification and Artificial Neutral Compution Technologies [J].Water Research.Vol.25, No.10, 1991.
[18] Hilary I.Inyang, Steven J.Piet, Robert Breckenridge and Irene M.C.Lo. Improvement of Approaches to Waste Containment System Development, management, and Evaluation [J]. American Society of Civil Engineers. Vol.9, No.4, 2005.
[19] Qing Zhang and Stephen J.Stanley.Real—Time Water Treatment Process Control With Artificial Neural Networks [J].Journal of Environmental, Vol.125, No.2, 1999.
