简介:为了能够客观地对海水水质进行综合评价,在分析人工神经网络概念和原理的基础上,从阈值角度出发,通过对各类海水水质污染指标浓度生成样本的方法,生成了适用于BP人工神经网络模型训练的样本,并应用基于误差反向传播原理的前向多层神经网络,建立了用于海水水质评价的BP人工神经网络模型。将该模型用于渤海湾近岸海域水环境评价,通过模型的计算,得到该海域的水质类别。结果表明,2004-2007年,渤海湾近岸海域污染指标总体上在河流丰水期时比枯水期时高,2005年和2006年污染较为严重,2007年有所好转。经训练的评价模型应用于实例的评价结果表明,该模型设计合理、泛化能力强,对海水水质评价具有较好的客观性、通用性和实用性。
简介:为了掌握洪湖水质未来的变化情况以及预防污染事件的发生,建立了一个BP神经网络水质指标预测模型。利用洪湖1990~2014年的水质指标实测数据作为学习样本,选取了pH、溶解氧(DO)、铵态氮(NH4+—N)、硝态氮(NO3-—N)、总氮(TN)、总磷(TP)6项指标作为预测参数,建立了BP神经网络模型,并运用该模型对洪湖水质指标进行了预测,同时引入一元线性回归模型与GM(1,1)灰色预测模型与该模型进行对比。结果表明,BP神经网络模型预测的水质指标的相关性系数都在0.998以上,平均相对误差都控制在2.5%以内,对单个指标的预测相对误差也都小于9%,明显优于一元线性回归模型和灰色预测模型;BP神经网络模型预测精度较高,预测速度快,能够相对准确地预测大部分水质指标,可以有效地应用于洪湖以及其它水域水质指标的预测和水质趋势的预警预报系统中。
简介:【摘要】本文所研究的空气质量预测工作,利用有效的数据集以及建立 BP神经网络预测算法模型对降雨量,城市生产总值,温度,经度,纬度,海拔高度,人口密度,是否沿海,绿化覆盖率,焚烧量 等 11个与空气质量指数有关的因素与空气质量指数进行相关性分析。然后利用 PAC算法进行降低维度,以便找出和空气质量指数有重要关联的 9个主要特征。利用 BP-GA神经网络算法进行和数据集中的数据进行预测,并且利用 MATLAB进行预测仿真,观察空气质量预测的效果图。最后总结 BP-GA神经网络算法是较适用于空气质量预测的。
简介:摘要:目的:分析护理风险管理在普外科护理中的应用效果。方法:选取2019年1—12月我院普外科收治的118例患者作为对象,并将其按照护理方式不同分为研究组与对照组,每组各59例。研究组:男31例、女28例,年龄33~87岁、平均(60.44±26.56)岁,疾病类型:急性腹膜炎11例、急性胃穿孔17例、胆囊炎15例、其他16例;对照组:男30例、女29例,年龄34~86岁、平均(60.47±25.53)岁,疾病类型:急性腹膜炎12例、急性胃穿孔14例、胆囊炎16例、其他17例。以上患者均未中途脱离实验或转科室,均能够接受随访。结果:两组一般资料比较,差异无统计学意义(P>0.05)。结论:护理风险管理可显著提高普外科护理患者的成功率,缩短抢救时间和住院时间,可在临床推广应用。