人工神经网络在环境科学与工程中的设计应用PDF|Epub|txt|kindle电子书版本网盘下载

人工神经网络在环境科学与工程中的设计应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

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