本文關(guān)鍵詞： RBF神經(jīng)網(wǎng)絡(luò) 重金屬 預(yù)測 生態(tài)風(fēng)險　出處：《長江流域資源與環(huán)境》2017年04期 　論文類型：期刊論文

【摘要】：采用單隱層RBF神經(jīng)網(wǎng)絡(luò)模型預(yù)測土壤重金屬Cr、As、Ni、Pb、Zn 5種元素的含量,實(shí)測35組數(shù)據(jù)做為訓(xùn)練數(shù)據(jù),另用6組做驗證數(shù)據(jù),該模型是以利用采樣的10組數(shù)據(jù)預(yù)測其后的連續(xù)5組數(shù)據(jù),輸入層的神經(jīng)元個數(shù)是10,輸出層是5,隱含層的傳遞函數(shù)為徑向基函數(shù)radbas,輸出層的傳遞函數(shù)為線性函數(shù)Purelin,其結(jié)果表明:采用RBF神經(jīng)網(wǎng)絡(luò)模型預(yù)測有較高的精度。通過多元統(tǒng)計分析采樣樣品與預(yù)測樣品,研究區(qū)域As、Ni、Zn的均值超過了上海市土壤環(huán)境背景值,As元素達(dá)到高度變異,Pb、Zn、Ni 3種元素達(dá)到中度變異。通過因子分析,前2個因子基本包含了全部元素變量的主要信息,第1因子中載荷最高是元素Ni(0.946),第2因子中則為元素As(0.930)。通過潛在生態(tài)風(fēng)險指數(shù)評價,研究區(qū)域整體呈輕度生態(tài)風(fēng)險水平。采用RBF神經(jīng)網(wǎng)絡(luò)模型可以降低采樣分析成本,更好的評價區(qū)域土壤重金屬的生態(tài)風(fēng)險。
[Abstract]:The single hidden layer RBF neural network model was used to predict the content of 5 elements of soil heavy metal CrAsN NiNiPbN Zn, 35 groups of measured data were used as training data, and 6 groups of data were used as validation data. The model used 10 groups of sampled data to predict 5 successive groups of data. The number of neurons in the input layer is 10, the output layer is 5, the transfer function of the hidden layer is Radbas-based radial function, and the transfer function of the output layer is the linear function Purelin. The results show that the prediction accuracy is high by using the RBF neural network model. Multivariate statistical analysis of sample and prediction sample, In the study area, the average value of As-NiN Zn exceeded the background value of soil environment in Shanghai, and the elements of as reached a high variability and reached a moderate variation. By factor analysis, the first two factors basically contained the main information of all element variables. In the first factor, the highest load was element Nijiu 0.946, and in the second factor, element As0.930. Through the evaluation of potential ecological risk index, the whole study area presented a mild ecological risk level. The cost of sampling and analysis could be reduced by using RBF neural network model. Better evaluate the ecological risk of heavy metals in regional soil.
【作者單位】： 昆明理工大學(xué)現(xiàn)代農(nóng)業(yè)工程學(xué)院;昆明理工大學(xué)建筑與城市規(guī)劃學(xué)院;
【基金】：國家自然科學(xué)基金項目(20264002) 云南省科技廳基金項目(2011FB032)~~
【分類號】：X53;X825

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李少華,董向元,于靜梅;基于神經(jīng)網(wǎng)絡(luò)的大氣污染預(yù)報方法的研究[J];東北電力學(xué)院學(xué)報;2003年04期

2 馮利華;張行才;;神經(jīng)網(wǎng)絡(luò)在環(huán)境質(zhì)量評價中的問題[J];微計算機(jī)應(yīng)用;2008年02期

3 王芳;程水源;李明君;范清;;遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)用于大氣污染預(yù)報[J];北京工業(yè)大學(xué)學(xué)報;2009年09期

4 王德喜;王曉凱;王小藝;;基于灰色-神經(jīng)網(wǎng)絡(luò)的城市湖庫水華預(yù)測研究[J];測試技術(shù)學(xué)報;2013年04期

5 郭慶春;何振芳;李力;;人工神經(jīng)網(wǎng)絡(luò)在黃河水環(huán)境質(zhì)量評價中的應(yīng)用[J];河南科學(xué);2012年07期

6 王燦星,候樹強(qiáng);杭州市區(qū)大氣中PM_(10)等污染物的預(yù)測研究[J];儀器儀表學(xué)報;2004年S1期

7 崔明;馬國建;;神經(jīng)網(wǎng)絡(luò)在渤海灣富營養(yǎng)化模型中的研究[J];山西建筑;2011年15期

8 周建康,熊亞南,朱春龍;基于MATLAB下BP網(wǎng)絡(luò)在河流污染物濃度預(yù)報中的應(yīng)用[J];水利水電技術(shù);2004年09期

9 國鋒;;基于廣義回歸神經(jīng)網(wǎng)絡(luò)的赤潮預(yù)警[J];信息化縱橫;2009年18期

10 楊文娟;;神經(jīng)網(wǎng)絡(luò)和主元分析—神經(jīng)網(wǎng)絡(luò)軟測量技術(shù)在污水處理系統(tǒng)中的應(yīng)用[J];地球科學(xué)與環(huán)境學(xué)報;2008年01期

相關(guān)會議論文 前9條

1 牛東曉;王海峰;成功;;基于BP神經(jīng)網(wǎng)絡(luò)的河北省大氣環(huán)境質(zhì)量評價[A];2006中國控制與決策學(xué)術(shù)年會論文集[C];2006年

2 余新新;肖新平;劉小燕;宋婭莉;魏利軍;朱曉明;鄭龍;;神經(jīng)網(wǎng)絡(luò)技術(shù)在水質(zhì)量控制系統(tǒng)中的應(yīng)用研究[A];第六屆中國青年運(yùn)籌與管理學(xué)者大會論文集[C];2004年

3 鄭勇明;吳信民;張葉;楊亞新;;BP神經(jīng)網(wǎng)絡(luò)方法在鈾礦山輻射環(huán)境評價中的應(yīng)用研究[A];中國核科學(xué)技術(shù)進(jìn)展報告（第二卷）——中國核學(xué)會2011年學(xué)術(shù)年會論文集第5冊（輻射防護(hù)分卷、核化工分卷）[C];2011年

4 邱海源;趙汝榮;白振炎;陳琦;鄭武杰;黃金蓮;;粒子群算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)生態(tài)評估界限模型[A];中國地質(zhì)學(xué)會2013年學(xué)術(shù)年會論文摘要匯編——S16礦山地質(zhì)環(huán)境防治研討會分會場[C];2013年

5 王燦星;祁國偉;何曦;卓國祥;;BP神經(jīng)網(wǎng)絡(luò)用于大氣中顆粒物(TSP)預(yù)測的研究[A];全面建設(shè)小康社會：中國科技工作者的歷史責(zé)任——中國科協(xié)2003年學(xué)術(shù)年會論文集（上）[C];2003年

6 張穎穎;侯廣利;劉巖;范萍萍;;基于時間序列神經(jīng)網(wǎng)絡(luò)的水質(zhì)預(yù)測方法研究[A];中國海洋學(xué)會2013年學(xué)術(shù)年會第14分會場海洋裝備與海洋開發(fā)保障技術(shù)發(fā)展研討會論文集[C];2013年

7 朱憲春;樂群;;基于GA-BP神經(jīng)網(wǎng)絡(luò)的pm_(10)API指數(shù)預(yù)報[A];第七屆長三角氣象科技論壇論文集[C];2010年

8 王燦星;祁國偉;何曦;卓國祥;;BP神經(jīng)網(wǎng)絡(luò)用于大氣中顆粒物(TSP)預(yù)測的研究[A];首屆信息獲取與處理學(xué)術(shù)會議論文集[C];2003年

9 鐘進(jìn);唐宇;李建華;朱曉彥;;基于優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)的企業(yè)環(huán)境行為的信用評價[A];2014中國環(huán)境科學(xué)學(xué)會學(xué)術(shù)年會（第三章）[C];2014年

相關(guān)博士學(xué)位論文 前2條

1 陳柳;小波分析和神經(jīng)網(wǎng)絡(luò)應(yīng)用于大氣污染預(yù)測的研究[D];西安建筑科技大學(xué);2006年

2 徐華;空氣污染和水污染的管理方法模型[D];南京理工大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 胡婷;改進(jìn)QGA-BP模型及其在彌苴河總氮量預(yù)測中的應(yīng)用[D];昆明理工大學(xué);2015年

2 夏小鵬;基于ESN模型的北京市PM2.5日均濃度污染等級預(yù)測與時空分布分析[D];中國地質(zhì)大學(xué)(北京);2015年

3 劉子翔;基于GA和LM算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)在域市空氣質(zhì)量預(yù)n,中的應(yīng)用研究[D];山東大學(xué);2015年

4 龔雪飛;基于集成神經(jīng)網(wǎng)絡(luò)的多元有害氣體定量檢測方法研究[D];寧波大學(xué);2015年

5 王麗丹;基于尖峰自組織遞歸RBF神經(jīng)網(wǎng)絡(luò)的SVI軟測量研究[D];北京工業(yè)大學(xué);2015年

6 謝超;華北西部地區(qū)典型城市環(huán)境污染特征、變化規(guī)律、環(huán)境氣象相關(guān)性及預(yù)測研究[D];北京工業(yè)大學(xué);2015年

7 劉會文;基于模糊綜合評價和BP神經(jīng)網(wǎng)絡(luò)的景觀河道水質(zhì)評價研究[D];河北工業(yè)大學(xué);2015年

8 潘婷;時序分析法在碳價市場預(yù)測與分析上的應(yīng)用[D];湖南師范大學(xué);2015年

9 成華義;GA-PSO-BP神經(jīng)網(wǎng)絡(luò)在大氣污染物濃度預(yù)測中的應(yīng)用研究[D];華中科技大學(xué);2014年

10 姚雪;基于相容粗糙集的神經(jīng)網(wǎng)絡(luò)濕地遙感分類研究[D];沈陽農(nóng)業(yè)大學(xué);2016年

，

本文編號：1535796