人工神经网络模型在地下水水质评价分类中的应用

人工神经网络(Artificial Neural Network以下简称ANN)是一种行之有效的数据处理和分析方法,它的应用领域不断扩大并逐渐完善,本文在传统ANN方法基础上进行了进一步的探讨,立足于BP算法,通过调整ANN输出结构,提高其鲁棒性能,从而使其更具有适应性.将改进后的ANN应用于地下水水质评价分类,并和模糊综合评判评价结果进行了比较,分类结果令人满意.     

人工神经网络理论在地下水水质评价中的应用

本文应用人工神经网络方法，在模拟人脑的思维方式下，建立了地下水水质模型，并对地下水水质污染程度进行评价，与动用综合指数法、模糊综合评判法和灰色聚类法等多种方法评价的结果相比较。结果表明，神经网络方法具有较强的处理相互矛盾样本的能力，尤其对非线性问题，其预测精度高。     

模糊数学方法在博山区地下水水质综合评价中的应用

本文选用了ＳＯ４＾２－、ＮＯ３＾－、总硬度及固形物为水质质量评价因子。利用模糊数学方法对博山区地下水水质质量进行了综合评价，评价结果充分反映了博山区各地地下水的污染程度，并对地下水主要污染源及污染途径进行了分析，为地下水污染的治理和地下水资源的保护提供了依据。     

组合评价模型在地下水水质评价中的应用

基于主观赋权法和客观赋权法对于水质评价有各自的优点和缺点,采用基于遗传算法的组合评价模型,通过该模型将多种评价方法进行组合,并利用遗传算法优化各评价方法的权重,根据评价指标函数值评价出各样本的优劣.通过对评价实例的对比分析,表明该组合评价模型的评价结果更符合实际.     

模糊综合评价方法在地下水水质评价中的应用

水质评价是一个多因素、多层次的模糊概念,对其进行综合评价也无法用一个绝对的标准来进行划分,如要用绝对的数据进行划分无法处理模糊边界的问题.本文应用模糊数学方法,并以西安市地下潜水为例,对其水质进行模糊综合评价.评价结果表明,模糊综合评价法是一种有效的评价方法.     

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...     

水位削减法在地下水资源评价中的应用

在水文地质理论基础上,结合均衡计算利用水位削减法对商都县七台镇地下水水源地水资源进行了计算和评价,基本查明了研究区地下水补、径、排条件以及第四系、第三系上新统潜水含水层、厚度、分布范围、富水性、地下水水质及其变化规律; 第三系始新统含水层的分布、富水特征及富水地段基本被确定,评价结果认为该水源地设计可开采量367.99×104m3 ·a-1 具有一定保证,从而为商都县七台镇开发、利用地下水资源提供了依据。     

人工神经网络在泥石流风险评价中的应用

泥石流风险评价是对泥石流灾害的预评估,在泥石流防灾减灾实践中具有重要的意义,可直接服务于国民经济建设。人工神经网络具有良好的非线性信息处理能力,特别适宜于解决风险评价中多指标复杂性和不确定性的问题。实例证明,经过训练的网络模型对于泥石流风险评价具有较好的适用性,可以作为泥石流风险评价技术的补充。     

模糊数学方法在天津市地下水水质评价中的应用

运用模糊数学方法,以TDS、氟离子等9个组分作为评价因子,构造综合评判模糊数学模型,计算各评价因子的权重,建立模糊数学最大隶属度函数。对2001年10月采集天津市的地下水水质样本进行了实例计算和评价,对天津市地下水水质进行评价。针对评价结果进行分析,验证评判模型的可靠性。     

灰色关联评价在矿区地下水水质分析中的应用

利用灰色系统理论的灰色关联分析方法,根据灰色关联矩阵提供的丰富信息对地下水水质进行综合评价。通过比较分析,灰色评价方法计算过程简单方便,又充分利用获得的信息,且结果直观可靠,是多因子综合评价较好的方法。     

基于遗传算法优化的小波神经网络在地下水位预测中的应用

地下水位是衡量生态环境优劣和地下水资源的一个重要指标.地下水位下降,将引发地面沉降、地面塌陷和降落漏斗等.因此,地下水位预测对保护地质生态环境和实现地下水资源严格管理至关重要.由于BP算法存在极易收敛于局部极小点与过拟合等缺点,导致网络泛化能力不足,本文在构建小波神经网络基础上并引入遗传算法加以优化,以解决上述不足,并与BP和WNN对比预测了天津市深层承压水水位.预测结果表明,GA-WNN模型拟合精度较高,模型的预测能力有较大幅度提高.     

SOM-RBF神经网络模型在地下水位预测中的应用

利用自组织映射(SOM)聚类模型优化径向基函数神经网络(RBFN)隐层节点的方法,减小了RBFN由于自身结构问题在地下水水位预测中产生的误差。采用SOM对已有样本进行聚类,利用聚类后的二维分布图确定隐层节点的数目,并根据聚类结果计算径向基函数的宽度,确定径向基函数的中心,由此建立SOM-RBFN模型。以吉林市丰满区二道乡为例,采用2000—2009年观测的地下水位动态资料,利用SOM-RBFN模型对地下水位进行预测,验证其准确性,并分别以5、7、10a的地下水位动态数据为研究样本建立模型,考查样本数量对预测结果的影响。研究结果表明:SOM-RBFN模型预测地下水水位过程中,均方根误差(RMSE)的均值为0.43,有效系数(CE)的均值为0.52,均达到较高标准,因此SOM-RBFN模型可以作为有效而准确的地下水水位预测方法;同时RBF7的RMSE和CE均值分别为0.38和0.68,结果优于RBF5和RBF10,这就意味着在模型计算中样本数量不会直接影响预测结果的精度。     

人工神经网络在遥感图像处理中的应用探讨

遥感图像处理常见的困难有数据量巨大、噪声信息多，高度非线性及其导致的难以用解析或表述处理模型等。人工神经网络（artificial neural network,ANN)是由大量简单神经元广泛相互联接而成的非线性映射或自适应动力系统，可以解决上述问题，使用ANN进行遥感图像处理在遥感图像复原，变换和分类中有如下应用：（1）使用ANN和必要辅助数据从TM图像中提取地下火热辐射数据；（2）构造ANN非线性映射，利用TM1－5，7图像提高TM6图像空间分辨率；（3）模糊神经网络（FNN）遥感图像分类。     

基于人工神经网络的边坡稳定性工程地质评价方法

针对边坡稳定性工程地质评价方法过分强调经验和难以定量的缺点，提出了一种基于人工神经网络的边坡稳定性工程地质评价方法（ＡＮ２Ｓ２ＥＧＥＭ），详细介绍了它的建模方法和应用实例．结果表明该方法不仅有效，而且有定量、简便、实时、自适应等优点，具有广阔的应用前景。     

径向基人工神经网络法在土壤盐渍化调查中的应用

土壤盐渍化是一个世界性的生态问题，同时也是资源开发和利用问题。对于盐渍化土壤的调查是合理利用土壤的前提条件。文章应用径向基（RBF）人工神经网络，结合多源遥感影像对北方某地区耕地土壤盐渍化状况进行调查研究，取得了满意的效果。     

人工补给对含水层水质的影响

为了研究人工补给对含水层水质的影响问题,通过反向地球化学模拟方法对大庆西部地下水水质演化规律进行了分析。结果表明,地下水化学成分主要受含水层矿物相的溶解-沉淀作用、阳离子交换吸附作用以及氧化还原作用的影响,并确定方解石、白云石、盐岩、萤石、石膏、赤铁矿、菱铁矿、软锰矿、二氧化碳、阳离子交换剂等为影响地下水化学成分的控制性（矿）物相。在此基础上,采用正向地球化学模拟方法,以大庆市西水源地下水人工补给为例,模拟了地表水进入到地下后与含水层中原有的地下水以及含水层介质发生的水-岩相互作用。模拟结果表明,注入水与含水层中的水混合后,使地下水的矿化度有所降低,且混合水中地表水所占比例越大,地下水的矿化度越低;注入水与含水层中的地下水混合后,不会导致地下水水质的突变和水质级别的降低,还可在一定程度上改善含水层水质。     

人工神经网络在识别浅覆盖区地质体中的应用

利用水系沉积物资料识别浅覆盖区地质体,对于提高区域地质填图质量具有重要意义。神经网络为解决此问题提供了新的途径。依据浅覆盖区基岩和其对应的水系沉积物在化学成分上的继承关系,以内蒙古四子王旗浅覆盖区为例,阐述了运用BP神经网络模式识别地质体的原理和方法,并识别出了化学成分相近的浅覆盖层下地质体。该方法可广泛应用于浅覆盖区地质填图。     

人工神经网络在白云岩类型识别中的应用

利用地球化学数据,运用人工神经网络方法对美国密苏里州东南Ｂｏｎｎｅｔｅｒｒｅ组（寒武纪）滨海相的白云岩进行了分类、识别,判别率达１００％,结果表明,该方法性能良好,可望成为岩石分类、判别的有效手段。     

集成BP网络在城市地下水水质评价中的应用

为了克服传统BP网络的不足,发挥共轭梯度法和梯度下降法各自的优势,在城市地下水水质评价模型中,采用了集成BP网络,用共轭梯度法和梯度下降法相结合的混合算法来训练网络。实例表明,将此网络模型应用于城市地下水水质评价是有效的、可行的。