人工神经网络方法在环境科学领域应用进展.pdfVIP

维普资讯

第25卷第9期重庆环境科学2003年9月

人工神经网络方法在环境科学领域应用进展

陈安，罗亚田

(武汉理工大学西院资源与环境工程学院，湖北武汉430070)

摘要：人工神经网络(ANN)是在模拟生物神经网络的基础上构建的一种信息处理系统。近年来，环境科学领域已

有越来越多的学者利用ANN的高度并行互联结构和自适应处理能力来解决一些常规数学方法不易解决的问题。本文

从环境质量评价、环境系统因素预报、环境因素定量关系模拟及污染防治系统建模四个方面对ANN方法在环境科学领

域的应用现状进行了分析总结。综合ANN方法在国内外环境科学领域的应用现状，可看出ANN方法在环境系统模拟

及预测、环境工程自动控制、污染物智能防治系统研究等方面较常规数学方法具有相当的优越性。可以预见，ANN方法

在环境科学领域必将具有巨大的实用价值和广阔的应用前景。

关键词：人工神经网络；环境科学；并行计算；系统分析

中圈分类号：X11文献标识码：A文章编号：1001—2141(2003)09--OO65一O4

人工神经网络(ArtificialNeuralNetwork，ANN)的阈值(可视为特殊的连接权)等所决定。ANN在拓

是在模拟生物神经网络的基础上构建的一种信息处理扑结构固定时，其学习归结为连接权的变化，其信息处

系统L1]，具有强大的信息存贮能力和计算能力，是一理由神经元之间的相互作用来实现，知识与信息的存

种非经典的数值算法。ANN在1943年由McCulloch贮表现为网络元件互连分布式的物理联系，ANN的

和PittS提出，在20世纪80年代进入了一个发展高学习和识别取决于各神经元连接权系数的动态演化过

潮，至今已开发出Hopfield网络、误差反向传播(BP)程。

网络、对向传播网络(CPN)、Kohonen网络、径向基函ANN属于黑箱模型，它可将一个in变量输入转

数(RBF)网络、自组织映射(SOM)模型、双向联想记换成一个fl变量输出，通过对训练样本的学习将被研

忆器(BAM)、回归(Elman)网络等30多种典型的模究系统的特征记忆(存储)于网络权值中，可实现对系

型，其中以BP网络模型应用最广。由于其计算具有并统的精确描述，学习过程具有自组织、自适应、容错性

行性、自组织、自适应、非线性和容错性等特征，ANN等特征。由于采用并行计算，ANN增加了空间复杂性

已成为人工智能领域的前沿技术，在模式识别、函数逼而降低了时间复杂性，同时对某些复杂问题求解能实

近、联想记忆、复杂控制、信号处理等领域应用广泛。由现精确性与模糊性的平衡。一般而言，ANN与经典计

于其思想的新颖性以及计算机技术的飞速发展，ANN算方法相比并非优越，只有当常规方法解决不了或效

在越来越广泛的领域中应用成为可能，特别是在体现果不佳时ANN方法才能显示出其优越性。尤其对问

知识的复杂性和微观认识不完备性的环境科学领域，题的机理不甚了解或不能用数学模型表示的系统，如

ANN方法已初步显示出其广阔的应用前景。故障诊断、特征提取和预测等问题，ANN往往是最有

利的工具。另一方面，