基于分式析因及最佳子集回归的多种污染物复合污染特征——阿特拉津与多种污染物在松花江沉积物上的吸附效应

为揭示农药（晶体乐果、甲霜灵、阿特拉津、马拉硫磷、扑草净）与重金属（铜、锌、铅、镉、镍）10种污染物共存时的复合污染规律,以阿特拉津为目标污染物,采用分辨度为Ⅲ的2^10-6分式析因实验设计,并用完全折叠实验和区组设计进行辅助,通过多元线性回归的建模方法筛选并建立了以阿特拉津为因变量、10种污染物因子主效应和二阶交互效应为自变量的多元线性回归吸附模型。研究表明：共存体系中因子主效应项铅、铜、锌、镉、镍和农药晶体乐果显著抑制（显著性水平α=0.05）阿特拉津在沉积物上的吸附,与阿特拉津产生竞争吸附效应,因重金属主效应产生的拮抗作用占总拮抗作用的63.5%,其拮抗作用从大到小为镍、镉、晶体乐果、锌、铅、铜;在以镍为关键自变量的二阶交互效应项中,因二阶交互效应项产生的协同或拮抗作用占阿特拉津吸附能力的35.3%,其中,铅、镉和晶体乐果抑制镍与阿特拉津的竞争吸附,与阿特拉津在沉积物上的吸附发生协同作用,协同作用从大到小为镉×镍、铅×镍、镍×晶体乐果;而镍作为调节自变量的二阶交互效应项镍阿特拉津会促进阿特拉津的吸附,说明多种污染物共存体系中重金属镍对阿特拉津在沉积物上吸附影响作用的复杂性和重要性。     

共存镉/铜对沉积物(生物膜)中主要组分吸附阿特拉津的影响

采用选择性萃取分离技术对沉积物(生物膜)中非残渣态组分(铁、锰氧化物和有机质)进行分离,研究阿特拉津(atrazine,AT)-Cd-Cu系中共存重金属对选择性萃取前后沉积物(生物膜)吸附AT的影响.研究结果表明:共存体系中,沉积物(生物膜)中铁氧化物对AT的吸附贡献最大,其次是有机质,而锰氧化物则抑制AT的吸附;共存镉促进了AT在沉积物(生物膜)原样及各非残渣态组分上的吸附,镉质量浓度为0.2 mg/L时,促进作用最显著,各组分对阿特拉津的吸附贡献增加了3.20%～32.31%(沉积物)和1.61%～17.10%(生物膜),但随镉质量浓度的增加,其促进作用减弱;共存铜抑制沉积物(生物膜)原样及铁氧化物、有机质对AT的吸附,铜质量浓度为75.0 mg/L时,其抑制作用最强,铁氧化物和有机质对阿特拉津的吸附贡献分别降低了29.21%、22.36%(沉积物)和9.46%、77.27%(生物膜),但同时减弱了锰氧化物对AT吸附的抑制作用,其吸附贡献分别提高了28.98%(沉积物)和17.46%(生物膜).     

低温下固定化微生物降解水体中阿特拉津的效果

针对低浓度阿特拉津对地表水、地下水的污染,于低温(10℃)条件下(考虑其在地下水或寒冷地区地表水污染中的应用),筛选的高效降解阿特拉津的优势菌株——4株菌W2、L1、L2、N8的混合菌(1∶1∶1∶1),采用吸附固定技术对其进行固定,选取最佳微生物固体载体——活性炭,并筛选出其最佳固定化条件:活性炭粒径为0.5~1 mm、pH=8。在此条件下,对固定化与悬浮态菌体处理阿特拉津的效果进行对比。实验结果表明,固定化混合菌的降解率在6 d内即达到了99.91%。     

阿特拉津在地下水中迁移转化的实验研究

阿特拉津是研究区内广泛使用的旱田除草剂。为治理其污染的地下水 ,采用静态和动态实验的方法研究其在含水介质砂层中的吸附特性和在地下水中的迁移转化规律。实验结果表明 :砂层对阿特拉津的吸附量小 ,不同固液比 (1.0、0 .5、0 .2 )时的分配系数分别为 0 .10 ,0 .15 ,0 .19cm3 /g ;含水层的弥散度为 0 .0 336m ,阻滞因子为 1.2 9,自然净化系数为 0 .0 0 2 8/d。由此确定所建立的数学模型和参数 ,为研究区阿特拉津污染地下水的治理提供可靠的依据     

BP神经网络在土壤重金属污染分析中的应用

以湖南株洲市区中西部为研究区域,获取该区域35个土壤样本和多光谱数据,基于多元线性回归（MLR）、偏最小二乘回归（PLS）、BP神经网络回归模型（BP）,分别建立土壤重金属（Cr、Cu、Ni）含量的反演模型,并对模型预测效果进行检验。建模与预测综合效果：BP模型＞PLS模型＞MLR模型,BP神经网络回归模型的效果远远好于其他2组,尤其适合分析具有非明确关系的2组数据。其中,Cr元素回归模型为最佳拟合模型,建模和预测R2分别为0.917 4、0.811 0,建模均方根误差和预测均方根误差分别为8.269 3、16.870 7,说明基于多光谱数据反演土壤重金属含量有一定的可行性。     

基于BP神经网络的稳定湖相和风成沉积物粒度数据表征方法

沉积物的形成受到多种地质因素的综合控制。通过粒度分析可判别沉积物的成因类型,推断其形成的沉积环境,解释环境演变;而沉积物的粒度组分除了受到原岩的控制外,还受到机械沉积作用的影响难以准确预测。运用人工神经网络对稳定湖相沉积物和风沉积物的粒度参数进行研究,将沉积物的4个粒度参数作为网络模型的输入变量,在对168个浙闽沿海迎风岸风成老红砂样品和282个苏贝淖湖滨湖泊沉积物样品所对应的粒度参数进行数据样本训练之后,获得了基于BP神经网络的稳定湖相和风沉积物预测模型。然后利用448个大树摆鱼湖相沉积物粒度参数样本和100个兰州榆中黄土风沉积物粒度参数样本作为测试样本对该模型进行了测试和验证,结果显示模型的可靠性较好,能够对沉积物的形成环境做出正确的判断。     

基于BP神经网络的瓦斯含量预测

以淮南矿区潘一矿13-1煤层为研究对象,在分析勘探钻孔资料的基础上,确定了煤层埋深及厚度、顶底板岩性、地质构造和煤变质程度是影响煤层瓦斯含量的主要因素;使用BP神经网络方法建立了瓦斯含量预测模型;结合实际数据,对预测模型进行训练和检验。预测结果表明:该模型比使用多元线性回归预测能获得更高的精度,说明预测模型可靠。     

基于BP神经网络的泥石流平均流速预测

泥石流平均流速是泥石流防治工程中不可缺少的重要参数,准确地预测泥石流平均流速对于泥石流防治工程的设计是至关重要的。将BP神经网络应用于泥石流平均流速的预测:将泥石流平均流速的影响因素--泥沙平均粒径、泥深、沟床比降和泥石流密度作为BP神经网络的输入单元,通过对云南东川蒋家沟泥石流观测数据的训练与预测建立了泥石流平均流速的BP神经网络预测模型。将预测结果与东川公式和曼宁修正公式的计算结果进行对比:曼宁修正公式和东川公式预测结果最大误差分别为27%和7.3%,BP神经网络的预测结果最大误差仅为3.2%,BP神经网络的预测精度是最高的,可见此方法对泥石流平均流速预测具有适用性和准确性。最后应用此方法预测了乌东德水电站近坝库区内的3条泥石流的平均流速分别为12.8 m/s、11.3 m/s和13.0 m/s,为库区泥石流防治工程提供了可靠的参考数据。     

基于遗传算法的BP神经网络模型在岩心扫描仪测定海洋沉积物多种组分中的应用研究

海洋沉积物样品成分复杂,由于基体效应的影响,利用岩心扫描仪开展X射线荧光光谱分析只能得到目标元素的强度信息,不利于该方法在成矿机制和古环境等研究领域更好地发挥作用。本文采用岩心扫描仪测定海洋沉积物中的铝硅钾钙钛锰铁钒铬铜锌铷锶钇和铅15种元素,尝试引入BP神经网络模型利用其非线性拟合能力校正基体效应。实验表明,以水系沉积物、海洋沉积物和岩石国家标准物质以及定值海洋沉积物样品为训练样本,采用遗传算法优化BP神经网络的初始权值和偏置,可以有效校正除硅之外的14种元素基体效应的影响,实现了岩心扫描仪XRF测量结果由强度到浓度的转化。本方法的精密度为0.6%~6.8%(RSD,n=11),国家标准物质和海洋沉积物实际样品中15种组分的预测值与参考值的相对偏差在0.5%~17.5%之间,适合于海洋沉积物中多种主次量组分的快速分析,拓展了岩心扫描仪的功能。     

基于BP神经网络的抚河水环境质量评价研究

水环境质量评价中.评价因子和评价等级之间是一种复杂的非线性关系.人工神经网络权重因子可以通过学习自动调节,不需要人为设置权重,能较好的处理复杂的非线性关系.通过构建基于BP(反向传播)算法的人工神经周络模型.对抚河水质进行评价.评价结果与模糊聚类方法得出的结果进行对比可发现,神经网络法可以客现、准确的得出评价等级,同时还可以分析出同一类别河段污染程度的不同,实例证明它是一种较好的水环境质量评价方法.     

软基沉降的BP神经网络和灰色系统联合预测

使用BP神经网络插值方法对灰色数据进行了预处理,进而建立了预测软基沉降量的BP神经网络和灰色系统联合模型.实例分析表明,该模型短期沉降预测结果的最大相对误差小于2%,最终沉降预测结果的相对偏差小于5%,且灰色预测时取后期沉降瘦导颇算结果准确度高于取前期沉降数据的计算结果准确度.     

基于人工神经网络的三峡水库库岸稳定性分级

为避免库岸稳定性评价法的随意性和不确定性,尝试采用具有处理非线性关系功能的人工神经网络方法进行库岸稳定性分级,为此构建了15-31-4结构的三层BP网络。该网络采用BP弹性算法,同时对初始权值和阀值进行了优化,实现了网络的非线性映射,并有着极快的收敛速度。用该BP网络对三峡水库的上游段库岸进行了稳定性等级判断,其结果与常规计算方法所得的结果基本相似。     

BP神经网络在测井数据预测原煤灰分中的应用

测井曲线能敏感反应原煤灰分,为了利用测井数据分析原煤灰分,采用BP神经网络建立测井数据预测原煤灰分模型,用以研究利用自然伽马、密度和视电阻率等测井参数估测原煤灰分的方法。通过网络训练与测试,实验预测结果与期望结果吻合性好、误差小,因而BP神经网络可以用于测井数据预测原煤灰分。     

基于BP神经网络的手写数字识别

介绍了光学字符识别的几种方法以及神经网络的特点，神经网络技术能够解决传统OCR方法所不能解决的问题，同时指出了手写数字识别存在的困难，论证了利用神经网络技术解决这种困难的可能性。本文实现了通过一个含有1个隐藏层的BP网络来识别手写数字，并取得了良好效果，论证了这种技术用于手写数字识别的可行性。     

BP人工神经网络在小流域径流模拟中的应用

径流量的变化与区域经济社会发展、生态平衡以及水资源管理和水环境保护密切相关,月径流量的研究对水量配置、调度等均具有重要意义。针对小尺度流域普遍存在的资料有限问题,研究BP人工神经网络在华南湿润区小流域月径流模拟的适用性。以滨江流域长序列逐日降水径流资料为基础,采用BP人工神经网络进行月径流量模拟,并将其与径流系数法、新安江模型和HSPF模型所得进行对比分析。研究表明:BP人工神经网络使用简便,变化趋势预测准确,在降水径流模拟方面优势明显,全年确定性系数为0.91,高于径流系数法所得0.85,与新安江模型的0.92、HSPF的0.96相当,具有良好的应用前景,其汛期的模拟效果优于非汛期,但模拟结果相对偏大,存在一定的改进和提高空间。     

基于遗传算法和BP神经网络的矿井涌水量预测

为避免BP神经网络极易陷人局部解的问题,针对遗传算法具有全局寻优的特点,提出了用遗传算法优化BP神经网络预测方法,并以刘桥二矿为例,对其矿井涌水量进行了预测。首先选取刘桥二矿区的2005年3月至2006年12月的矿井涌水量数据进行分析,然后使用遗传算法优化BP网络的初始权值和阈值,最后使用BP神经网络进行训练。将其成果与纯BP网络算法进行比较,结果表明：遗传算法优化BP神经网络的预测方法的预测精度高于纯BP网络算法,将其应用于矿井涌水量预测是有效可行的。     

BP神经网络在某油田区地下水质量评价中的应用

对误差反向传播(error back propagation,简称BP)人工神经网络在水质评价中应用的原理进行了分析,并将其应用于地下水质量评价.首先,利用MATLAB7的神经网络工具箱,根据GB/T 14848-93《地下水质量标准》,构建出10-11-5三层结构的BP人工神经网络模型,并对某油田区的地下水水质进行了...     

人工神经网络氡气灾害模型在铀矿山的应用

对多层前馈神经网络模型(BP神经网络)的结构特点、数据分析、学习方法和过程等内容做了分析。以中核抚州金安铀业有限公司铀矿山氡气状态为学习训练样本及预测样本,建立铀矿山氡气灾害模型。讨论了基于BP神经网络技术的氡气灾害模型分析方法及其有效性。通过实例样本的训练检验表明,采用人工神经网络方法对铀矿山氡灾害预测取得了比较满意的效果,为神经网络在铀矿山氡气灾害预报的应用提供了可行性。