自组织映射特征网路应用于地表面流式人工湿地水质-水利技师公会.pdfVIP

自组织映射特征网路应用于地表面流式人工湿地水质-水利技师公会.pdf

  1. 1、本文档共7页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
自组织映射特征网路应用于地表面流式人工湿地水质-水利技师公会

學術天地 自組織映射特徵網路應用於地表面流式人工濕地水質分析之研究 (1) (2) (3) (4) (5) 陳鈞華 、宋建明 、蔡瀚德 、徐貴新 、甘俊二 (1)屏東科技大學土木工程系副教授 水利技師 (2)屏東科技大學土木所博士班 (3)屏東科技大學土木所碩士班 (4)東南科技大學環境管理系副教授兼研發處處長 水利技師 (5)七星農田水利研究發展基金會董事長 水利技師 摘 要 本研究利用自組織映射特徵網路圖(self-organizing feature map ,SOFM)模型,針對地表 面流人工濕地 (surface-flow constructed treatment wetlands)的( SS 、VSS 、TCOD 、BOD5 、 NH3-N 、PO4-P )6 種污染質去除率和入流量,進行分類和預測,同時也利用相關分析和路 徑分析,探討相關性和物理意義。在地表面流人工濕地中 ,經由相關分析得知入流量與水 力負荷為高度線性正相關,入流量與氨氮去除率為高度線性負相關,氨氮去除率與正磷酸 鹽去除率高度線性正相關,正磷酸鹽去除率與生化需氧量 去除率高度線性正相關。經由徑 路分析得知,入流量與水力負荷為 +0.99相關,可知由入流量來計算水力負荷,在徑路係數 中是有修正值存在的必要性。入流量與氨氮去除率為 -0.31相關,表示入流量大時氨氮去除 率並不會相對性變化很大。氨氮去除率與正磷酸鹽去除率為+0.33相關,正磷酸鹽去除率與 生化需氧量去除率為+0.55相關,換句話說,當流量或水力負荷大時氨氮去除率相對性稍微 減少,變化並不會太大,但正磷酸鹽去除率和生化需氧量 去除率會相對性增加一些。經由 SOFM模型,可以適當地區分和預測地表面流人工濕地的污染質去除率 (定性關係) 。經由相 關分析和徑路分析可以明顯的表示污染質相關程度(定量關係) 。 關鍵字:自我組織類神經網路,地表面流人工濕地,污染質。 1、前言 最早由芬蘭赫爾辛基大學教授 Teuvo 和定義一個核 (Kernel) 函數,提出改良式類 Kohonen(1982)[1] ,提出自我組織特徵映射 神經網路學習法,修正只有唯一能獲勝之 類 神 經 網 路 (self-organizing feature 神經元擁有學習之權力的 Winner-Take-All map,SOFM)理論模型,為一種模擬生物大 運算模型,Kohonen 推導出來之運算模型, 腦之非監督學習式類神經網路運算法, 主要特色為神經元在競爭後不僅只有獲勝 SOFM 網路具有將資料維度 ”縮減或稱” 映” 的一個神經元獲得權重學習,周圍其他的 射 ” ,由高維度輸入( )樣本空間以非線性映 神經元也獲得不同權重可以學習。Kohonen 射運算到低維度二維輸出( )特徵空間,換句 et al.(1996a) ,SOFM理論配合 Matlab軟體 話說, SOFM 運算模型,是以簡單的特徵 寫出軟體套件,達到高維度可視化統計數 性質描述原本複雜原始資料型態。Kohonen 據圖形。(Kohonen et al., 1996[7]; Lee and (1995 以拓樸鄰域(Topological neighborhood) Scholz, 2006[6]; Kalteh et al., 2007).SOFM 129 學術天地 基於一個非監督的類神經網路演算法,可 到 哪 些 因 素 影

您可能关注的文档

文档评论(0)

ailuojue + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档