一种基于神经网络的水污染源监测模型的建立

来源 :南昌大学学报:工科版 | 被引量 : 0次 | 上传用户:plbplbplb
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对近年来河水污染日益严重的情况,论述了用反向传输神经网络建立一种污染监测模型。通过检测河水中每天超出正常阈值的化学污染物质和每个污染源排放废物中的化学污染物质形成一组输入输出,来训练该神经网络。训练以后神经网络的输出能模拟出每天河水中超正常阈值的化学污染物质,从而找出造成河水污染的相关污染源,并分析出各污染的污染程度。
其他文献
能量管理系统EMS(Energy Management System)是以计算机为基础的现代电力系统的综合自动化系统,主要针对发电和输电系统,用于大区级电网和省级电网的调度中心.本文详细阐述了
针对有噪声的复杂多目标图像,引入四叉树的数据结构,区域生长条件运用象素周围k×k邻域的特性进行判决.由于是两个邻域比较特性,需要用到统计学中的假设检验等方法,采用最优阈值作为区域增长的相似性检测准则.达到了以下目的:第一,通过剪切过程减少了许多计算冗余,分割速度明显快于传统的区域增长;第二,由于考虑了邻域性质,抗噪声能力和工作鲁棒性也有所增强.实验表明,把四叉树结构引入复杂多目标图像分割能取得较好