环境污染预测的人工神经网络模型

作者用基于Ｂ－Ｐ算法的人工神经网络，提出了建立环境污染物浓度预测的方法，并通过一个大气污染物ＳＯ２浓度的人工神经网络预测实例，证实了人工神经网络用于环境污染预测的可行性。     

参数调整对气象预测的B-P网络模型性能的影响

为了探索ＢＰ网络的参数调整特性,进行了参数α、β的选取对ＢＰ算法的收敛速度和模型的稳定性的影响研究。通过ＢＰ网络用于气象预测建模的参数调整个例分析表明：参数α、β的取值对ＢＰ模型的稳定性无显著影响,但参数值的调整尤其是β值的调整对建模的收敛速度有明显的影响。     

人工神经网络在大气环境质量评价中的应用

应用人工神经网络理论，建立了城市大气环境质量的Ｂ－Ｐ网络评价模型。该模型应用于宜宾市１９８５～１９８９年大气环境质量评价结果表明，人工神经网络用于大气环境质量评价是一种新的评价方法。     

灾情的B－P网络评估新模型

提出用人工神经网络Ｂ－Ｐ模型进行灾情评估的新方法，该方法将灾情的划分等级作为训练样本集，以指标的各级标准值作为样本的输入特征值，建立多参数的Ｂ－Ｐ网络灾情评估模型。该模型用于５１个灾情个例评估结果表明Ｂ－Ｐ网络用于灾情评估具有一定的科学性和实用性。     

基于支持向量机的水资源预测模型

水资源信息的预测可以为水资源的合理调配、管理和规划提供依据,为提高拟合和预测精度,建立基于支持向量机的水资源信息预测模型,采用捕鱼算法对其参数优化,并应用于地下水水位预测的实例分析,且拟合及预测精度均较高,与神经网络模型方法所取得的结果进行比较,能取得更好效果,表明将回归支持向量机用于水资源信息的拟合、预测是可行的。     

基于支持向量机的水资源预测模型

水资源信息的预测可以为水资源的合理调配、管理和规划提供依据,为提高拟合和预测精度,建立基于支持向量机的水资源信息预测模型,采用捕鱼算法对其参数优化,并应用于地下水水位预测的实例分析,且拟合及预测精度均较高,与神经网络模型方法所取得的结果进行比较,能取得更好效果,表明将回归支持向量机用于水资源信息的拟合、预测是可行的.     

水污染物浓度的神经网络预测模式及效果检验

污染物浓度预测是环境保护的重要内容,将神经网络用于水中有机污染物浓度的预测并对效果进行检验.结果表明,预测值与观测值符合较好.     

影响流域土壤流失的降水量的PPAR(K)预测模型

介绍了投影寻踪自回归（ＰＰＡＲ（Ｋ））的基本思想及其算法。用ＰＰＡＲ（Ｋ）和均生函数（ＭＧＦ）两种方法对泸州市和北碚市降水量的时间序列进行了建模预测。结果表明ＰＰＡＲ（Ｋ）模型具有较高的稳定性和预测精度。     

四川旱涝震灾害的人工神经网络外推预测

选取旱、涝、震灾害之间的一步转移概率作为Ｂ－Ｐ人工神经网络训练样本的输入信息，建立了四川旱、涝、震的人工神经网络灾型预测模型。Ｂ－Ｐ网络模型应用于实例预测结果与用主分量分析法的趋势预测结果精度接近。     

基于相空间重构的FOA-GLSSVM深基坑变形预测模型研究

针对LSSVM模型参数选择的随机性与单一变量序列高维度重构参数选择的困难性,将相空间重构理论、果蝇优化算法引入LSSVM模型中,建立基于相空间重构的FOA-GLSSVM变形预测模型。为了验证提出模型的有效性与可靠性,结合具体工程实例与GLSSVM、支持向量机模型及最小二乘支持向量机模型进行对比研究。结果表明,提出的模型精度更好、稳定性更强。