基于小波分析与BP神经网络的西湖叶绿素a浓度预测模型

小波神经网络是基于小波分析理论所构造的一种分层的、多分辨率的新型人工神经网络。选择合适的小波基和分解尺度对西湖水体Chl—a进行小波分析,将原序列分解成一个低频概貌分量和多个高频细节分量,再通过BP网络建立西湖叶绿素a浓度短期预测模型Ⅰ和模型Ⅱ。模型Ⅰ将小波分析去除高频细节信息后的低频概貌部分作为输入变量预测Chl-a含量;模型Ⅱ则对低频部分和高频部分分别进行预测,最后汇总各分网络输出得到最终结果。对确证集预测时,模型Ⅰ的平均误差为4．4％,模型Ⅱ仅为1．9％,且误差范围较模型Ⅰ小,表明模型Ⅱ具有较高的预测精度和稳定性。最后运用模型Ⅱ进行水质预测,预测值与实际值的平均相对误差为6．4％,并选取3号点（中山码头）进行模型的泛化,平均相对误差为6．9％,取得了较理想的预测效果,说明小波神经网络能成功预测西湖水体中Chl—a含量的短期变化趋势,为西湖水质管理提供科学依据。     

一种自优化RBF神经网络的叶绿素a浓度时序预测模型

藻类水华发生过程具有复杂性、非线性、时变性等特点,其准确预测一直是一个国际性难题.以天津市于桥水库为研究对象,根据2000年1月至2003年12月常规监测的水生生态数据(采样周期为10 d),提出了一种结合时序方法的可自优化RBF神经网络智能预测模型,对判断藻类水华的重要指标叶绿素a浓度进行预测.研究了训练样本量及RBF神经网络扩展速度SPREAD值的可自优化性能,以及该模型用于于桥水库叶绿素a浓度的短期变化趋势预测的可行性.结果表明,预测性能指标随SPREAD值及样本量不同发生变化,该预测模型能自动寻到最优SPREAD值,并发现至少需要约两年的训练样本量才能达到较好预测效果.当样本量为105,SPREAD值为10时,预测效果最好,精度较高,预测值与实测值的相关系数R达到0.982.该方法对水库的藻类水华预警有一定的参考价值.     

基于BP神经网络的SARS传播预测

政府的控制措施作为影响SARS传播的因素,利用BP网络,对SARS的传播规律进行预测.以北京市的SARS数据来进行验证,结果显示,该方法准确率非常高.     

巢湖叶绿素a浓度的时空分布及其与氮、磷浓度关系

基于巢湖水体2002~2007年水质监测资料,对叶绿素a浓度的分布、动态及与TN、TP的关系进行了统计分析。巢湖叶绿素a浓度与TN、TP的浓度分布存在明显的空间差异,西半湖叶绿素a浓度全年高于20μg/L,TN为1.94~3.84mg/L,TP为0.20~0.42mg/L;东半湖叶绿素a浓度全年小于5.5μg/L,TN为0.95~1.83mg/L,TP为0.08~0.14mg/L。在东半湖,叶绿素a含量与TN呈不明显的正线性关系,当TP浓度较低时,叶绿素a随TP的增加小幅上升,但是当TP>0.15mg/L时,叶绿素a随TP的增加而明显上升;在西半湖,当水体TN<5.8mg/L或者TP<2.0mg/L时,叶绿素a含量与TN、TP关系为正线性关系,当TN在5.8~9.4mg/L或者TP介于0.2~0.3mg/L间时,叶绿素a含量与TN、TP关系为不显著的负线性关系,当TP浓度>0.3mg/L时,叶绿素a含量与TP关系又为正线性关系。西半湖叶绿素a浓度的变化可能是藻类生物活动与沉积物及水体中营养盐的相互作用结果。在治理巢湖富营养化时,应优先控制西半湖的磷元素。     

几个水塘叶绿素a浓度与理化测试指标的关系

对三个水塘的水体进行了两年叶绿素a含量的测定,同时对一系列理化指标（pH值,悬浮物,化学需氧量,溶解氧,硝酸盐氮,严硝酸盐氮,锰,镉,六价铬,挥发酚,铜,锌,铅,硫）进行了测试。检测的数据表明：两年来3个水塘的几个理化指标均超过国家《渔业水质标准》GB11607－89,尤其以西区水塘的水质较差,餐厅水塘次之,附小水塘稍微好一些;同时各水塘藻类叶绿素a浓度的测试数据分析结果与上述各项理化测试结果相符。叶绿素a的浓度与理化测试指标数据均能反映了不同水质的相应情况,也为采取相应的防治方法提供了依据。     

应用BP神经网络对荒漠啮齿动物种群数量的预测研究

群落的格局与动态是群落生态学研究的核心内容,种群数量预测是研究群落动态的主要途径之一。本研究尝试采用2006~2014年阿拉善荒漠区啮齿动物数量数据建立BP神经网络模型,对啮齿动物群落全部组成物种的总个体数量进行模拟与预测。BP神经网络通过模拟学习,建立模型,能够实现对啮齿动物群落数量动态规律进行模拟与预测。本研究以阿拉善荒漠为试验区,以啮齿动物个体数量为研究对象,采用标志重捕法,监测2006~2014年每年4~10月的数量,建立BP神经网络预测模型,利用2006~2013年的数据建立训练网络,以2014年的数据进行验证与测试,比较单层隐含层、双层隐含层和三层隐含层BP神经网络模型。结果表明:单隐含层模型的隐含层节点数为6时,最大误差百分比为16.13%,决定系数0.998 0(P=0.006 0)。双隐含层模型的两层隐含层节点数均为6时,最大误差百分比为8.58%,决定系数0.999 5(P=0.002 3)。三层隐含层模型的三层隐含层节点数分别为1、10和7时,最大误差百分比为5.87%,决定系数0.999 2(P0.000 1)。不同隐含层网络模型的预测效果均取得了满意效果,通过比较最大误差百分比、平均误差百分比、决定系数及拟合优度,三层隐含层优于单隐含层及双隐含层的BP神经网络模型。本文认为三层隐含层的BP神经网络模型更适合于阿拉善荒漠区啮齿动物群落全部组成物种的总个体数量的预测研究。     

抚仙湖叶绿素a的生态分布特征

2001年5月、8月和9月,对云南抚仙湖水体、沉积物、沉积物与水界面的叶绿素a,浮游植物的优势种类、细胞密度的分布和时空变化及其与环境因子的关系进行了研究。采用分光光度法测定叶绿素a浓度。结果表明,水体叶绿素a浓度的分布存在着明显的季节变化,真光层中的动态变化尤其显著,且光照强度对水体中叶绿素a浓度的分布起主导作用。在观测的3个不同季节中,表层叶绿素a浓度,秋季最高,平均为(2.27±0.12)μg/dm3;春季次之,为(1.85±0.20)μg/dm3;夏季最低,为(1.38±0.15)μg/dm3。分析水体中营养元素的分布特征及其与叶绿素a之间的关系,表明磷是抚仙湖浮游植物生长的主要限制因子。沉积物叶绿素a浓度的垂直分布存在明显差异,其浓度在表层和次表层较高,并随沉积深度的增加而降低;浮游植物的分析表明,硅藻门的小环藻是抚仙湖沉积物中叶绿素a的主要来源。而上覆水中叶绿素a浓度与真光层叶绿素a浓度相当的原因,则可能是由水底微型藻类的再悬浮和浮游植物的沉降聚集而导致的。     

运用BP人工神经网络预测长江中下游梨黑星病发病的研究

提出了运用人工神经网络技术进行梨黑星病预测的新思路,并以梨黑星病发病的主要影响因素,即上年7月的降水量和上年8月的降水量作为训练样本模式提供给网络,按照误差逆传播网络的学习规则对网络进行训练,经过计算机2844次学习后,网络达到预先给定的收敛标准,使网络具备了预测梨树黑星病流行趋势和流行强度的功能。检验结果表明,该方法性能良好,预测准确率高,可望成为果树病早害预测预报的有效辅助手段。     

浮游植物中叶绿素a提取方法的比较与改进

对水质监测中叶绿素a的提取方法进行改进,采用反复冻融-浸提方法提取叶绿素a,即将过滤水样的滤膜于-20℃冰箱内和室温下反复冻融3～5次后,放进90%丙酮溶液中浸提20h。与标准方法中的研磨法对比,该方法具有人为误差小、稳定性好、结果准确及操作简单安全等优点,适合运用于常规的水质监测。采用该方法时过滤水量对湖水水样的测定结果有影响(P<0.01),对于纯微囊藻液影响不明显(P>0.05)。因此,在对不同叶绿素水平或营养水平的水体采样时,应注意水样的水量。通过方差分析表明该方法中采用醋酸纤维滤膜、微孔滤膜和玻璃纤维滤膜对结果没有显著影响,对这3种滤膜可以进行自由选择。     

金属叶绿素a配位结构的研究

在丙酮溶液中合成得到镧-叶绿素a、钐-叶绿素a和铜-叶绿素a复合物,并研究了它们的紫外可见光谱（UV-Vis）、Fourier红外光谱（FT-IR）和EXAFS结构.镧-叶绿素a、钐-叶绿素a和铜-叶绿素a的UV-Vis谱、FT-IR谱与叶绿素a（含镁）的光谱性质相似,但与脱镁叶绿素a的光谱性质差异很大.证明了La³⁺、Sm³⁺、Cu²⁺已配位到脱镁叶绿素的卟啉环上,形成了镧-叶绿素a、钐-叶绿素a和铜-叶绿素a复合物.通过扩展X射线吸收精细结构谱(EXAFS)研究表明：合成镧-叶绿素a、钐-叶绿素a具有双层夹心结构.La(Ⅲ)、Sm(Ⅲ)夹于两个卟啉环之间, 与上下卟啉环上共八个N原子配位, La-N平均键长0.261 nm,Sm-N平均键长0.243 nm, 而铜-叶绿素a的EXAFS表明为一单层结构,Cu(Ⅱ)与卟啉环中的四个N原子配位,Cu-N平均键长0.197 nm.元素分析也证明镧-叶绿素a、钐-叶绿素a为双层结构,铜-叶绿素a为单层结构.     

风场对太湖叶绿素a空间分布的影响

叶绿素a的浓度是水环境评价的重要参数。根据2005—2009年太湖全湖32个采样点的20次太湖采样数据,结合气象要素资料模拟的太湖风场,探求了风场对太湖叶绿素a空间分布的影响。结果表明:叶绿素a浓度的高值中心位于太湖西北侧、竺山湾以及梅梁湾流域,而太湖东南部的叶绿素a浓度较低;全太湖全年以东南风为主,南部风速较大,北部风速较弱;风场对叶绿素a的输移作用明显,在风场作用下,叶绿素向太湖西北部和北部输移,造成了该地区太湖流域叶绿素浓度普遍偏高。     

Artificial neural network method for predicting HIV protease cleavage sites in protein

Knowledge of the polyprotein cleavage sites by HIV protease will refine our understanding of its specificity, and the information thus acquired will be useful for designing specific and efficient HIV protease inhibitors. The search for inhibitors of HIV protease will be greatly expedited if one can find and accurate, robust, and rapid method for predicting the cleavage sites in proteins by HIV protease. In this paper, Kohonen’s self-organization model, which uses typical artificial neural networks, is applied to predict the cleavability of oligopeptides by proteases with multiple and extended specificity subsites. We selected HIV-1 protease as the subject of study. We chose 299 oligopeptides for the training set, and another 63 oligopeptides for the test set. Because of its high rate of correct prediction (58/63=92.06%) and stronger fault-tolerant ability, the neural network method should be a useful technique for finding effective inhibitors of HIV protease, which is one of the targets in designing potential drugs against AIDS. The principle of the artificial neural network method can also be applied to analyzing the specificity of any multisubsite enzyme.     

Artificial neural network method for predicting HIV protease cleavage sites in protein

Knowledge of the polyprotein cleavage sites by HIV protease will refine our understanding of its specificity, and the information thus acquired will be useful for designing specific and efficient HIV protease inhibitors. The search for inhibitors of HIV protease will be greatly expedited if one can find and accurate, robust, and rapid method for predicting the cleavage sites in proteins by HIV protease. In this paper, Kohonen’s self-organization model, which uses typical artificial neural networks, is applied to predict the cleavability of oligopeptides by proteases with multiple and extended specificity subsites. We selected HIV-1 protease as the subject of study. We chose 299 oligopeptides for the training set, and another 63 oligopeptides for the test set. Because of its high rate of correct prediction (58/63=92.06%) and stronger fault-tolerant ability, the neural network method should be a useful technique for finding effective inhibitors of HIV protease, which is one of the targets in designing potential drugs against AIDS. The principle of the artificial neural network method can also be applied to analyzing the specificity of any multisubsite enzyme.     

人工神经网络与相容性生物量模型预测单木地上生物量的比较

森林生物量是林业生产经营和森林资源监测的重要指标,为探索高效低偏的单木生物量估测方法,引入人工神经网络.本研究采用黑龙江省东折棱河林场的101株长白落叶松地上生物量数据,基于不同变量(胸径、树高、冠幅)组合建立了4个聚合模型体系(AMS),采用加权回归消除模型的异方差.然后,基于最优的变量组合建立人工神经网络(ANN)...     

人工神经网络在发酵工业中的应用

人工神经网络技术具有很强的非线性映射能力,用于系统的非线性建模,具有无可比拟的优势,广泛应用于发酵过程中培养基的优化和系统建模与控制方面,本主要介绍了人工神经网络的基本原理与使用方法,以及BP神经网络在非线性函数逼近的优点,详细介绍了其在发酵培养基优化,连续搅拌反应器神经网络估计,分批发酵及补料分批发酵过程建模与控制优化中的应用实例。     

基于BP神经网络的京津冀城市群可持续发展综合评价

在综合分析了京津冀城市群各城市功能定位的基础上,构建了包含经济发展、社会发展、科技创新和生态环境4个子系统的城市可持续发展评价指标体系,运用2006—2015年的数据,采用熵值法和BP神经网络对京津冀城市群可持续发展能力进行非线性测度与分类,结果较为理想。结果表明:(1)北京和天津处于高可持续发展水平,可持续发展能力在空间上呈现出以京、津为中心随距离递减的趋势,最南端的邯郸和邢台处于低可持续发展水平;(2)北京可持续发展能力呈现下滑趋势,其他城市可持续发展能力逐年稳步上升,大城市可持续发展压力较大;(3)城市在不同子系统中存在各自的优劣势。各个子系统在可持续发展中均起到重要作用,城市宜结合各自子系统的优、劣势制定具有针对性的发展对策。     

水生植物在瘦西湖公园中的应用

介绍了瘦西湖公园的概况和目前水生植物在公园中的应用情况,指出了目前园林中应用水生植物时存在的不足,提出了令后的改进措施和努力方向。     

Increasing productivity of Spirulina platensis in photobioreactors using artificial neural network modeling

Although production of microalgae in open ponds is conventionally practiced due to its economy, exposure of the algae to uncontrollable elements impedes achievement of quality and it is desirable to develop closed reactor cultivation methods for the production of high value products. Nevertheless, there are several constraints which affect growth of in closed reactors, some of which this study aims to address for the production of Spirulina. Periodic introduction of fresh medium resulted in increased trichome numbers and improved algal growth compared to growth in medium that was older than 4 weeks in 20 L polycarbonate bottles. Mixing of the cultures by bubbling air and use of draft tube reduced the damage to the growing cells and permitted increased growth. However, there was better growth in inclined cylindrical reactors mixed with bubbling air. The oxygen production rates were very similar irrespective differences in the maintained cultures densities. The uniformity in oxygen production rate suggested a tendency towards homeostasis in Spirulina cultures. The frequency of biomass harvest on the productivity of Spirulina showed that maintenance of moderate culture density between 0.16 and 0.32 g/L resulted in about 14% more productivity than maintaining the cell density between 0.16 and 0.53 g/L or 48% more than by daily harvest above 0.16 g/L. An artificial neural network based predictive model was developed, and the variables useful for predicting biomass output were identified. The model could predict the growth of Spirulina up to 3 days in advance with a coefficient of determination >0.94.