人工神經網絡在環(huán)境質量評價和預測中的應用研究.pdf

1、人工神經網絡技術具有很強的非線性映射能力和并行性、自適應、容錯性及自學能力，已廣泛應用于包括環(huán)境在內的多學科領域。環(huán)境影響預測始終是環(huán)境評價中的一個難點，本文將人工神經網絡技術應用于環(huán)境影響評價和預測當中，通過案例研究用人工神經網絡解決環(huán)境評價中因果關系復雜的非確定性推理、預測和分類等問題。
　　 本文以湖北省黃石市陽新縣城北工業(yè)園規(guī)劃環(huán)境影響評價為案例，選擇人工神經網絡中的BP 網絡，徑向基網絡和自組織競爭網絡等三種網絡模型對

2、其進行環(huán)境影響現(xiàn)狀評價，并對評價結果作對比分析，通過網絡設計、網絡訓練和模擬，結果說明BP 神經網絡模擬結果比其它兩種方法更貼近環(huán)境質量現(xiàn)狀。同時對不同參數(shù)選取得到的結果進行分析，并經過網絡參數(shù)的不斷調整提高評價結果的精度，總結出各種神經網絡模型在環(huán)境評價應用過程中參數(shù)的選取方法。
　　 在此基礎上，借鑒國內外相關研究成果，本文提出三種預測思路：一是根據(jù)大氣污染物的濃度受大氣擴散條件及人為活動的影響的特點，提出根據(jù)監(jiān)測時段預測其

3、濃度的思路，二是根據(jù)污染因子在一定的時空范圍內具有相對穩(wěn)定，提出根據(jù)已知濃度預測未來濃度的思路，三是根據(jù)某些污染因子之間存在內在的聯(lián)系等特點，提出根據(jù)已知污染因子的濃度預測未知污染因子的濃度的思路。對于每種預測思路均采用多種神經網絡模型進行分析，案例研究結果說明，后兩種思路得到的預測效果較好。
　　 為了將模糊系統(tǒng)的模糊信息處理功能與神經網絡自學習的優(yōu)點結合起來，本文學習、研究了模糊神經網絡，并選用兩種預測思路將模糊人工神經網絡

4、模型應用在陽新縣大氣和長江武漢段的預測案例中，得到了較好的預測效果，說明模糊神經網絡的確體現(xiàn)了優(yōu)勢互補的特點。
　　 通過以上工作，本文總結出了神經網絡設計中應注意：①神經網絡模型有幾十種，應用中應根據(jù)實際需要，結合網絡各自的特點選擇合適的網絡結構。②網絡主要參數(shù)的選擇在評價和預測至關重要，需要通過反復試算進行調整，尋找最佳的隱層節(jié)點數(shù)、學習率和訓練次數(shù)等。③訓練樣本應當經過篩選與處理，以保證網絡模擬的準確性。
　　 神