人工神经网络在环境科学与工程中的设计应用PDF电子书下载

1 神经网络概述 1

1.1 人工神经网络概念 1

1.2 神经网络的特点 3

1.3 人工神经网络开发的技术路线 4

1.4 人工神经网络的发展史 5

1.5 神经网络的展望 6

1.5.1 Google AlphaGo开启的全新视觉 6

1.5.2 人工神经网络的前景 6

1.5.3 人工神经网络在环境预测中的应用前景 7

1.6 神经元 8

1.6.1 生物神经元 8

1.6.2 人工神经元模型 10

1.6.2.1 结构 10

1.6.2.2 激活函数 11

1.7 人工神经网络的类型及特点 13

1.7.1 以网络结构和学习算法分类 14

1.7.2 以是否有延迟、反馈及时间直接相关进行分类 16

2 环境统计学基础理论 17

2.1 资料的整理 17

2.2 数据资料特征数的计算 19

2.2.1 平均数 19

2.2.2 算数平均数的重要性质 20

2.2.3 变异数 20

2.2.3.1 方差 20

2.2.3.2 标准偏差 20

2.2.3.3 相对标准偏差 21

2.3 概率与概率分布 21

2.3.1 概率 21

2.3.2 概率分布 22

2.3.3 大数定理 24

2.4 几种常见的理论分布 25

2.4.1 二项式分布 25

2.4.2 正态分布 28

2.4.3 二项分布与正态分布的关系 29

2.5 三大抽样分布 31

2.5.1 x2分布 31

2.5.2 F分布 33

2.5.2.1 方差的分布 33

2.5.2.2 F分布的推导 34

2.5.3 t分布 36

2.5.3.1 标准差的分布 36

2.5.3.2 t分布的推导 36

2.6 三大抽样分布在假设检验中的应用 39

2.6.1 x2检验 39

2.6.2 F检验在方差分析中的应用 41

2.6.3 t检验 44

3 Matlab相关基础与编程技术 46

3.1 本书约定 46

3.2 Matlab简介 47

3.3 Matlab概览 48

3.3.1 软件安装所需软硬件条件及安装方法 48

3.3.2 基本界面 49

3.3.3 软件设置 50

3.3.4 Matlab可操作的文件类型 51

3.4 变量 52

3.4.1 变量的类型 52

3.4.2 变量的命名规则 53

3.5 常用命令 53

3.6 帮助及学习资源 54

3.6.1 联机帮助 54

3.6.2 帮助命令 54

3.6.3 lookfor命令 55

3.6.4 学习资源 56

3.7 数据类型 56

3.7.1 数值型 56

3.7.2 字符型 58

3.7.3 日期和时间 62

3.8 数据精度 63

3.9 数组与矩阵 65

3.9.1 矩阵卐数组的建立 66

3.9.2 数组和矩阵的基本运算 68

3.9.2.1 算术运算 68

3.9.2.2 逻辑运算 77

3.9.2.3 关系运算 78

3.9.2.4 数组的集合运算 79

3.9.3 矩阵的操作 80

3.9.3.1 特殊矩阵的创建 80

3.9.3.2 矩阵的常见操作 82

3.10 元胞数组 84

3.11 程序代码设计 89

3.11.1 顺序结构 89

3.11.2 循环结构 90

3.11.2.1 for循环结构 90

3.11.2.2 while循环结构 92

3.11.3 分支结构 93

3.11.3.1 if分支结构 93

3.11.3.2 switch分支结构 94

3.11.4 编程思维训练 95

3.12 基础绘图 103

3.12.1 二维绘图 103

3.12.2 三维绘图 110

3.12.3 应用实例 112

3.13 统计学分析函数 116

3.14 多项式拟合 116

3.15 几个实用的函数 120

3.15.1 随机数产生函数 120

3.15.2 eval函数 120

4 人工神经网络的Matlab实现 124

4.1 神经网络工具箱 124

4.2 神经网络基础函数 129

4.3 神经网络求解环境问题的基本步骤 137

5 数据预处理技术 138

5.1 统一数据文件格式、数据类型、单位、精度 138

5.2 无效数据识别及处理 139

5.3 小波降噪 145

5.3.1 环境系统观测的随机误差 145

5.3.2 数据降噪技术概况 146

5.3.3 小波降噪的Matlab实现 147

5.3.3.1 阈值函数 147

5.3.3.2 阈值获取 147

5.3.3.3 降噪和压缩 148

5.3.3.4 小波降噪应用实例 150

5.4 归一化 156

5.4.1 Matlab的归一化函数 156

5.4.2 归一化应用实例 157

5.5 主成分分析及降维 160

5.5.1 主成分及主成分分析的概念 161

5.5.2 主成分分析的基本原理和技术步骤 161

5.5.3 主成分分析的SPSS实现 163

5.5.4 主成分分析的Matlab实现 169

6 静态网络 173

6.1 感知器 173

6.2 线性神经网络 182

6.2.1 线性网络的基本语法 182

6.2.2 线性网络的实例 183

6.3 径向基网络 193

6.3.1 传递函数和网络结构 194

6.3.2 径向基网络 195

6.3.3 精确径向基网络 195

6.3.4 newpnn概率神经网络 202

6.3.5 newgrnn泛化回归神经网络 204

6.4 竞争型网络 207

6.4.1 概述 207

6.4.2 通用型竞争网络 208

6.4.2.1 相似性测量 208

6.4.2.2 竞争型网络的Matlab实现 208

6.5 BP神经网络 211

6.5.1 传递函数 212

6.5.2 训练函数与学习函数 213

6.5.3 BP网络类型及语法格式 213

6.5.4 BP网络结构与内部计算传递的基本规则 217

6.5.4.1 网络结构 217

6.5.4.2 网络内部信号数据计算传递的基本规则 218

6.5.4.3 网络内部数据处理过程 218

6.5.5 BP神经网络的工作原理 219

6.5.6 BP网络隐藏层设计的一般性原则 227

6.5.7 提高BP泛化能力 228

6.5.7.1 BP网络的优势和缺陷 228

6.5.7.2 BP网络的泛化能力 228

6.5.7.3 控制网络规模提高泛化能力 229

6.5.7.4 使用归一化提高泛化能力 231

6.5.7.5 提前终止训练提高泛化能力 231

6.5.7.6 贝叶斯正则化训练提高泛化能力 232

6.5.8 BP网络应用实例 235

6.6 静态网络可靠性评价 240

6.7 网络训练前数据处理技术路线 245

7 动态网络 247

7.1 动态网络分类 247

7.1.1 根据网络结构的分类 247

7.1.2 按照连接方式的拓扑结构分类 248

7.2 典型动态网络的结构 248

7.3 动态网络的Matlab实现 251

7.4 带外部输入的非线性自动回归网络 256

7.4.1 NARXNET的创建 256

7.4.2 闭环与开环 257

7.4.3 一步预测 259

7.4.4 多步预测 266

7.4.4.1 相关基础函数知识的准备 266

7.4.4.2 多步预测方法 269

7.4.4.3 多步预测方法总结及实例 271

7.5 非线性自动回归网络 278

7.5.1 NARNET的语法格式 279

7.5.2 一步预测 279

7.5.3 多步预测 281

7.6 动态网络性能评价 289

7.7 几种动态网络的比较 291

8 环境系统的复杂性 293

8.1 污染物在环境中迁移的一般规律 293

8.2 污染物在环境中转化的一般规律 295

8.3 污染物迁移转化的不确定性 298

8.4 环境数学模型 299

9 大型案例 302

9.1 城市封闭河段水质响应仿真模型 302

9.1.1 案例背景 302

9.1.1.1 模型意义 302

9.1.1.2 研究对象基本概况 303

9.1.1.3 对象数据条件 303

9.1.2 数据内容及结构 303

9.1.3 问题提出及建模需求 303

9.1.4 数据预处理及模型结构规划 304

9.1.4.1 污染物指标及分类 304

9.1.4.2 数据取舍 304

9.1.4.3 预测方案及建模用数据划分 305

9.1.5 网络选型及参数选取 306

9.1.5.1 网络选型 306

9.1.5.2 参数选取 306

9.1.6 主要技术路线及编程代码 309

9.1.7 运行结果 313

9.1.8 应用总结 315

9.2 浙江普陀山枫香林生态系统微气候要素仿真模型 316

9.2.1 案例背景 316

9.2.1.1 模型意义 316

9.2.1.2 研究对象基本概况 316

9.2.1.3 研究对象数据条件 317

9.2.2 数据内容及结构 317

9.2.3 问题提出及建模需求 317

9.2.4 数据预处理及模型结构规划 318

9.2.4.1 数据取舍和预处理 318

9.2.4.2 模型方案及建模用数据划分 318

9.2.5 网络选型及参数选取 320

9.2.6 主要技术路线和编程代码 320

9.2.7 运行结果 323

9.2.8 应用总结 325

9.3 云铝碳素煅烧脱硫系统仿真模型 325

9.3.1 案例背景 325

9.3.1.1 模型意义 325

9.3.1.2 对象基本概况 326

9.3.1.3 对象数据条件 327

9.3.2 数据内容及结构 327

9.3.3 问题提出及建模需求 329

9.3.4 数据预处理及模型结构规划 329

9.3.4.1 数据取舍和预处理 329

9.3.4.2 模型方案及建模用数据划分 331

9.3.5 网络选型及参数选取 331

9.3.6 主要技术路线和编程代码 332

9.3.7 运行结果 341

9.3.8 应用总结 343

9.4 城市环境空气常规六项质量仿真预测模型 343

9.4.1 案例背景 343

9.4.1.1 模型意义 343

9.4.1.2 空气质量模型简介 344

9.4.1.3 模拟对象的数据条件 346

9.4.1.4 问题提出及建模需求 347

9.4.2 数据预处理及模型结构规划 348

9.4.2.1 数据取舍和预处理 348

9.4.2.2 模型方案及建模用数据划分 349

9.4.3 网络选型及参数选取 350

9.4.4 主要技术路线和编程代码 350

9.4.5 运行结果 363

9.4.6 应用总结 366

9.5 O3浓度-气象常规-空气质量常规-VOCs耦合仿真预测模型 367

9.5.1 案例背景 367

9.5.1.1 模型意义 367

9.5.1.2 模拟对象的数据条件 368

9.5.1.3 问题提出及建模需求 369

9.5.2 数据预处理及模型结构规划 371

9.5.2.1 数据取舍和预处理 371

9.5.2.2 模型方案及建模用数据划分 372

9.5.3 网络选型及参数选取 373

9.5.4 主要技术路线和代码 374

9.5.5 运行结果 384

9.5.6 应用总结 386

9.6 O3浓度-气象及空气质量常规-VOCs-紫外线能量耦合仿真预测模型：利用双变量相关性、主成分分析探讨O3成因 386

9.6.1 案例背景 386

9.6.1.1 模型意义 386

9.6.1.2 模拟对象的数据条件 387

9.6.1.3 问题提出及建模需求 391

9.6.2 数据预处理及模型结构规划 392

9.6.2.1 数据取舍和预处理 392

9.6.2.2 模型方案及建模用数据划分 393

9.6.3 网络选型及参数选取 394

9.6.4 主要技术路线和编程代码 395

9.6.5 运行结果 430

9.6.6 应用总结 434

参考文献 435