沂河和祊河浮游植物多样性季节动态与水质评价,高远,亓树财,2006年11月至2007年8月,首次对沂河和祊河水体浮游植物展开调查,发现浮游植物种类组成和细胞丰度季节变化明显,秋冬季以硅藻为主,�
阐述了概率神经网络评价模型的基本结构和构建过程。根据因子选择的目的及河流的实际污染情况,确定评价因子,采用概率神经网络(PNN)模型对河流水质进行评价,并且应用训练好的概率神经网络水质评价模型对汾河运
基于模糊神经网络的预测算法在嘉陵江水质评价中的应用。通过使用matlab软件,我们对嘉陵江水质数据进行了案例分析,详细说明了神经网络的源码实现,并结合了BP遗传算法分类器和RBF回归等技术进行水质预测
本文将深入探讨嘉陵江水质评价中的模糊神经网络预测算法。该算法采用模糊逻辑和神经网络相结合的方法,能够有效预测嘉陵江水质的变化趋势和水质等级。通过对算法原理的解析和应用案例的分析,读者能够更好地理解和应
灰色关联分析法在宫山咀水库水质评价中的应用,初玲玲,刘志斌,本文叙述了灰色关联分析法的原理及其在水环境质量评价中的应用,它是通过断面水质的多个水质浓度因子与水质标准的距离分析,说明
为了解矿区塌陷水体的污染情况,以潘集采煤塌陷水体为研究对象,通过ARCGIS软件中的空间插值模块,对潘集水体中的总氮、总磷进行插值分析,得到潘集塌陷水体总氮和总磷的最佳空间插值分布图,并检验了插值预测
在位于巴西里约热内卢州山区Teresópolis市的CórregoSujo流域进行了地表水质量调查。 由于农药在农业耕作中的应用,因此重点放在水的无机参数上。 每月监测流域河道中八个地点的研究区域的自
尼日利亚的原油工业仍然是收入和外汇的主要来源。 但是,石油勘探和生产活动有可能在环境中造成许多扭曲,从而影响生态系统和人类生活。 这项研究的目的是评估见证了石油勘探和生产活动的三角洲州萨比勒市的地表和
暂无介绍
传统的粒子群算法训练神经网络的水质评价模型有学习速度慢,容易陷入局部最优和精确性不高的缺点。为了克服模型的缺点,提出了利用改进的自适应量子粒子群算法训练T-S模糊神经网络的新模型,新的自适应量子粒子群