万方数据知识服务平台签约站点-论文检索结果
&& 学位论文
&& 学位论文
显示模式：
相关度新论文
检索表达式：
高频关键词当前位置： >
> 安徽省淮河流域2003年7月汛期污染规律分析
相关论文相关论文相关论文相关论文
暂无评论信息
&&京公网安备安徽省水环境监测中心
安徽省水环境监测中心
Welcome to our website
您所在的位置：安徽省水环境监测中心 > 单位简介
安徽省水环境监测中心于1994年经安徽省水利厅水政字[1994] 第398号文件批准成立，同具有独立法人资格的公益性事业单位安徽省水文局为一个机构两块牌子，隶属于安徽省水利厅，业务归口管理部门为水利部。安徽省水文局局长、分管副局长担任安徽省水环境监测中心主任、副主任，由安徽省水利厅任命。本中心具有独立行文的权力，同时具有独立的帐目。是安徽省水行政主管部门实施水环境、水资源质量监测与评价机构。下辖宿州、阜阳、滁州、六安、合肥、巢湖、安庆、芜湖、黄山等10个区域水环境监测分中心，设有省中心、阜阳、蚌埠、安庆、芜湖、巢湖6个水环境监测分析实验室。1994年经国家质量技术监督局评审为国家级计量认证合格单位（网点），取得向社会提供公正监测数据的资格，1999年、2005年又顺利通过国家级计量认证复查换证(2006)量认(国)字（G1284），是省水行政主管部门确定的全省取水许可管理的水质监测机构。拥有原子吸收仪、气相色谱仪、离子色谱仪、液相色谱仪、双光道原子荧光光度计，双光束紫外分光光度计等大型精密仪器，能进行地表水、地下水、大气降水、污水与中水、生活饮用水和饮用天然矿泉水、土壤与底质等六大类共87项参数分析测试工作。
安徽省水环境监测中心是全省水环境质量监测的法定机构，主要职责是贯彻执行国家和水利部颁发的水环境标准和监测规范、规程，结合本省水环境特点制定相关技术规定；负责全省江河湖库、地下水、大气降水等水环境质量监测评价；组织开展水污染动态监测、重点供水水源地水质监测、污染源调查和入河排污口监测；发布全省水资源质量公报、年报、水功能区水质状况公报；协助水行政主管部门对水环境质量和生态环境实施监督监测。承担水功能区划分和重点水域水环境容量分析评价以及取水许可水质监测等工作。
全省现有144个水质监测断面（点），107个水功能区。其中，江河水质采样断面107个，涉及51条河流，85个水功能区。淮河流域有56个监测断面（点），包括淮河干流及重要的一级支流；长江流域有46个监测断面（点），包括长江干流及支流；新安江流域有5监测断面，包括新安江及支流。湖库水质采样点37个，涉及9个湖泊、13座水库，22个水功能区。
安徽省水环境监测中心多年来进行了大量科学研究，先后完成的《安徽省淮河流域水资源保护规划》、《长江流域主要城市江段近岸水域水环境质量状况研究》、《天然水十八项无机项目标准分析方法研究与验证》分别获得安徽省科技进步二等奖，水利科技进步二等奖和四等奖。近几年发表了50多篇专业论文，参与《水环境监测规范》、《水质分析方法》等部颁标准的编写。开展的水系水质背景值调查，大气酸沉降监测研究、淮河流域入河排污口普查，淮河、巢湖流域工业污染源达标排放监督监测等专题工作，积累了大量水质资料和科研成果，并应用于经济建设，为水资源保护和社会发展做出了贡献。
安徽省水环境监测中心从1985年以来实行全面质量管理，始终坚持质量第一，重视质量管理工作，有完善的质量保证体系，监测数据的可靠性是有保证的。在历年的全国水利系统质量控制考核中成绩优异，获水利部颁发的三块《全优分析室》，二块《优良分析室》奖牌，曾先后被省政府环境保护委员会、淮河流域水环境保护领导小组、水利部评为水环境监测先进单位。
安徽省水环境监测中心将一如既往，依靠人才和先进仪器的优势，为所有用户服务，确保质检机构的相对独立性、权威性和第三方公正地位，为安徽水资源保护做出贡献。
&&|&&|&&|&&|&&
Copyright& 长江流域水环境监测网 版权所有 翻版必究地理资源所创建分布式系统闸坝群影响的水量-水质耦合模型----中国科学院
&&&&&&&&&&&&&&&&
您现在的位置： &>&&>&
地理资源所创建分布式系统闸坝群影响的水量-水质耦合模型
文章来源：地理科学与资源研究所
发布时间：
【字号：】
闸坝群运行对河流水文及水环境影响的水系统耦合核心技术
淮河是我国人口密度最大、水旱灾害频繁、水污染问题最为突出的流域。为了治理水患，已兴建1.1万余座闸坝。闸坝在防洪、灌溉供水等方面发挥巨大效益。但修建后引起径流变化，加之水污染过程迭加，导致对河流水环境影响，已成为国内外关注的焦点。目前亟待解决的科技难题包括：闸坝群运行下流域水文-水质-河流生态变化的联系与纽带是什么？目前缺乏基于流域水循环基础的影响分析关键技术；如何识别闸坝对河流水环境的影响与贡献？现行的理论方法不足。
中科院地理科学与资源研究所夏军研究团队多年来一直观测与分析淮河流域闸坝对河流水环境及生态影响情况，研究人员通过观测与分析找到了流域系统闸坝运行与水文变化、水质变化之间的互动关系，创建了分布式系统闸坝群影响的水量-水质耦合模型，该模型能够定量分析不同闸坝运行方式下河流水文-水质变化的影响与可调控关系，为淮河防洪-防污联合调度、保障社会经济和生态用水提供了核心技术，并解决了淮河闸坝群对河流水环境影响的核心难题。
此项研究成果已应用到淮河流域以及安徽省、河南省等水利、环境保护部门防洪-防污联合调度，取得了突出的社会效益。研究成果获2009年安徽省科技进步奖，在国际刊物发表SCI论文等5篇。
支持性成果包括：
[1]淮河流域闸坝对河流水环境及生态影响研究，2009年安徽省科技进步二等奖，夏军（G1）、王刚胜（G4）、王中根（G7）
[2]Zhang Yongyong, Xia Jun*, et al., 2009, Impact of water projects on River Flood Regime and Water Quality in Huai River Basin. Water Resources Management. 2009. DOI10.-009-9477-3.
[3]王中根，夏军 等，国家水量水质耦合模拟系统，国家版权局软件著作权证书【No. 】。
中国科学院 版权所有 &&京公网安备号&&
地址：北京市三里河路52号 邮编：100864独创性声明；本人声明所呈的学位论文是本人在导师指导下进行的研；学位论文作者签名：羞３必签字日期：乃届年歹月确；学位论文版权使用授权书；本学位论文作者完全了解安徽农业大学有关保留、使用；学位论文作者签名：指导教师签名：；签字日期：ｚ垆年歹月肜目签字日期：年月日工作单位；通信地址：――电话：邮编：；＿．ｆｆ；摘要；水是生命的源泉，既是人类赖以生存和发展的最基本条
独创性声明
本人声明所呈的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得安徽农业大学或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均己在论文中作了明确的说明并表示谢意。
学位论文作者签名：羞３必签字日期：乃届年歹月确
学位论文版权使用授权书
本学位论文作者完全了解安徽农业大学有关保留、使用学位论文的规定，有权保留并向国家有关部门或机构送交论文的复印件和电子文件，允许论文被查阅和借阅。本人授权安徽农业大学可以将学位论文的全部或部分内容编入有关数据库进行检索，收录到《中国学位论文全文数据库》，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文，向社会公众提供信息服务。（保密的学位论文在解密后适用本授权书）。
学位论文作者签名：指导教师签名：
签字日期：ｚ垆年歹月肜目签字日期：年月日工作单位：――学位论文作者毕业后去向：
通信地址：――电话：邮编：
水是生命的源泉，既是人类赖以生存和发展的最基本条件，也是自然生态系统中最重要的因素然而。自二十世纪八十年代以来，随着沿淮流域各省的社会经济的发展，～水资源环境受到了严重的影响，已经成为社会经济可持续发展的重要制约因素。因此，
崎合理利用淮河水资源，维护其可持续的生态环境，对经济社会可持续发展及人类的生｛
■存都具有十分重要的意义。
水质状况的好坏能够直接影响到社会经济的可持续发展，有必要建立一种有效地预测体系来对水污染的治理进行指导。酸碱度、溶解氧、化学需氧量以及氨氮是重要的水质指标，本文主要根据淮河流域阜南王家坝观测站点的这四个水质监测数据进行分析研究，先建立了基于ＧＭ（Ｉ，１）模型的淮河水质预测模型，通过与真实值进行模拟，表明了该方法具有可行性，且需要的样本数据较少，精确度也较高，但会随着时间的推移，其预测效果会逐渐变差。然后又建立了基于ＢＰ神经网络的淮河水质预测模型，虽然其预测效果也较为准确，但是却需要不断地对参数进行调整，才可能达到较高的精确度，同时该模型还需要有大量的样本数据。考虑至ＥＪＧＭ（Ｉ，１）模型能够弱化数据序列波动性以及ＢＰ神经网络所特有的非线性适应性信息处理的能力，于是提出了基于灰色．ＢＰ神经网络组合模型的淮河水质预测模型，即先利用ＧＭ（Ｉ，１）模型对真实值进行预测，然后再将真实值预测值之差即残差值作为ＢＰ神经网络模型的输入训练样本，并通过选择适当的ＢＰ神经网络结构以及相关参数等等，对样本进行训练，在能够达到预期目标的情况下，再把通过ＢＰ神经网络模型预测得出的残差值与６Ｍ（Ｉ，１）模型的预测值相加，从而得到最终的灰色．ＢＰ神经网络模型的预测值。
研究结果表明，灰色．ＢＰ神经网络模型具有所需样本数较少和预测精度较高的优点，能够在小样本、贫信息的条件下对水质状况做出更为准确的预测，从而取得较为满意的结果。通过三个预测模型与实际数据的对比，表明了灰色．ＢＰ神经网络模型是可行的，且较优于另外两个模型的预测效果，具有更大的应用前景和推广价值。关键词：淮河水质预测，ＧＭ（Ｉ，１）模型，ＢＰ神经网络模型，灰色－ＢＰ神经网络模型、：
Ａｂｓｔｒａｃｔ
Ｗａｔｅｒｉｓｔｈｅｐｒｉｍａｒｙｓｏｕｃｅｏｆｏｕｒｈｕｍａｎｂｅｉｎｇｓ’ｌｉｆｅ，ｗｈｉｃｈｉｓｔｈｅｂａｓｉｃｅｌｅｍｅｎｔｏｆｈｕｍａｎｂｅｉｎｇｓ’ｓｕｒｖｉｖａｌａｎｄｄｅｖｅｌｏｐｍｅｎｔ，ａｓｗｅｌｌａｓｔｈｅｍｏｓｔｉｍｐｏｒｔａｎｔｆａｃｔｏｒｏｆｔｈｅｎａｔｕｒｅｅｃｏｌｏｇｙｓｙｓｔｅｍ．Ｈｏｗｅｖｅｒ，ｓｉｎｃｅｔｈｅ１９８０ｓ，ａｓｔｈｅｓｏｃｉａｌｅｃｏｎｏｍｙａｎｄｔｈｅａｒｅａａｌｏｎｇｔｈｅＨｕａｉｈｅＲｉｖｅｒａｒｅｄｅｖｅｌｏｐｉｎｇ，ｗａｔｅｒｅｎｖｉｒｏｍｅｎｔｉｓｂｅｃｏｍｉｎｇｍｏｒｅａｎｄｍｏｒｅｄｅｔｅｒｉｏｒａｔｅｄ，ｗｈｉｃｈｈａｓｂｅｃｏｍｅｔｈｅｋｅｙｒｅｓｔｒｉｃｔｉｖｅｆａｃｔｏｒｔｏｔｈｅｓｕｓｔａｉｎａｂｌｅｄｅｖｅｌｏｐｍｅｎｔｏｆｓｏｃｉａｌｅｃｏｎｏｍｙ．Ａｃｃｏｒｄｉｎｇｌｙ，ｔｏｕｓｅｔｈｅｗａｔｅｒｏｆＨｕａｉｈｅＲｉｖｅｒｒｅａｓｏｎａｂｌｙａｎｄｐｒｏｔｅｃｔｉｔｓｓｕｓｔａｉｎａｂｌｅｅｃｏｌｏｇｙｓｙｓｔｅｍｉｓｖｅｒｙｉｎｆｌｕｅｎｔｉａｌｆｏｒｔｈｅｓｏｃｉａｌｅｃｏｎｏｍｙ’Ｓｓｕｓｔａｉｎａｂｌｅｄｅｖｅｌｏｐｍｅｎｔａｎｄｍａｎｋｉｎｄ’Ｓｓｕｒｖｉｖａｌ．
Ｔｈｅｃｏｎｄｉｔｉｏｎｏｆｗａｔｅｒｑｕａｌｉｔｙｈａｓｔｈｅｄｉｒｅｃｔｉｎｆｌｕｅｎｃｅｏｎｔｈｅｓｏｃｉａｌｅｃｏｎｏｍｙ’ｓｕｓｔａｉｎａｂｌｅｄｅｖｅｌｏｐｍｅｎｔ，ａｎｄｉｔｉｓｎｅｃｅｓｓａｒｙｔｏｅｓｔａｂｌｉｓｈａｎｅｆｆｅｃｔｉｖｅｆｏｒｅｃａｓｔｓｙｓｔｅｍｔｏｉｎｓｔｒｕｃｔｔｈｅｍａｎａｇｅｍｅｎｔｏｆｗａｔｅｒｐｏｌｌｕｔｉｏｎ．ＰＨｖａｌｕｅ，ｄｉｓｓｏｌｖｅｄｏｘｙｇｅｎ，ｃｈｅｍｉｃａｌｏｘｙｇｅｎｄｅｍａｎｄａｎｄａｍｍｏｎｉａｎｉｔｒｏｇｅｎａｒｅｔｈｅｉｍｐｏｒｔａｎｔｉｎｄｅｘｅｓｏｆｗａｔｅｒｑｕａｌｉｔｙ．ＢａｓｉｎｇｏｎｔｈｅｒｅｓｅａｒｃｈａｎｄｔｈｅａｎａｌｙｓｉｓｏｆｔｈｅｆｏｕｒｍｏｎｉｔｏｒｉｎｇｄａｔａｏｆｗａｔｅｒｑｕａｌｉｔｙｆｒｏｍＷａｎｇＪｉａｄａｍ，Ｆｕｎａｎ，ＨｕａｉｈｅＲｉｖｅｒ，ｆｉｒｓｔｏｆａｌｌ，ｔｈｉｓｔｈｅｓｉｓｅｓｔａｂｌｉｓｈｅｄｔｈｅｗａｔｅｒｑｕａｌｉｔｙ’ＳｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌｏｆＨｕａｉｈｅＲｉｖｅｒｉｎｔｅｒｍｓｏｆＧｒｅｙＭｏｄｅｌ．Ｕｎｄｅｒｔｈｅｓｉｍｕｌａｔｉｏｎｏｆｔｈｅｒｅａｌｄａｔａ，ｉｔｓｈｏｗｓｔｈｅｆｅａｓｉｂｉｌｉｔｙｏｆｔｈｉｓｍｅｔｈｏｄ谢ｍｌｉｔｔｌｅｓａｍｐｌｅｄａｔａａｎｄｉｔｓｈｉ曲ａｃｃｕｒａｃｙ，ａｎｄｉｔｓｇｒａｄｕａｌｗｏｒｓｅｎｉｎｇｆｏｒｅｃａｓｔｅｆｆｅｃｔａｓｔｈｅｔｉｍｅｇｏｉｎｇｏｎ．Ｓｅｃｏｎｄｌｙ，ｉｔｅｓｔａｂｌｉｓｈｅｓｔｈｅｗａｔｅｒｑｕａｌｉｔｙｆｏｒｅｃａｓｔｍｏｄｅｌｏｆＨｕａｉｈｅＲｉｖｅｒｂａｓｅｄｏｎＢＰＮｅｕｒａｌＮｅｔｗｏｒｋＭｏｄｅｌ．ＡｌｔｈｏｕｇｈｉｔｓｆｏｒｅｃａｓｔｅｆｆｅｃｔｉＳｍｏｒｅａｃｃｕｒａｔｅ，ｉｔｎｅｅｄｓｍｏｕｎｔａｉｎｓｏｆｓａｍｐｌｅｄａｔｅａｎｄｃｏｎｓｔａｎｔａｄｊｕｓｔｍｅｎｔｉｎｔｈｅｐａｒａｍｅｔｅｒｓｔｏａｃｈｉｅｖｅｈｉｇｈｐｒｅｃｉｓｉｏｎ．Ｔｈｉｒｄｌｙ，ｃｏｎｓｉｄｅｒｉｎｇｔｈｅｆａｃｔｔｈａｔＧｒｅｙＭｏｄｅｌＣａｎｗｅａｌ（ｅｎｔｈｅｖｏｌａｔｉｌｉｔｙｏｆｄａｔａｓｅｑｕｅｎｃｅａｎｄＢＰＮｅｕｒａｌＮｅｔｗｏｒｋ’ｓｓｐｅｃｉａｌｎｏｎｌｉｎｅａｒａｄａｐｔｉｖｅｉｎｆｏｒｍａｔｉｏｎｐｒｏｃｅｓｓｉｎｇｃａｐａｂｉｌｉｔｙ，ｔｈｉｓｔｈｅｓｉｓｐｕｔｓｆｏｒｗａｒｄａｎｅｗｆｏｒｅｃａｓｔｍｏｄｅｌｏｆＨｕａｉｈｅＲｉｖｅｒ’ＳｗａｔｅｒｑｕａｌｉｔｙｉｎｔｅｒｍｓｏｆＧｒｅｙ－ＢＰＮｅｕｒａｌＮｅｔｗｏｒｋＭｏｄｅｌ．ＩｔｆｉｒｓｔｌｙｐｒｅｄｉｃｔｔｈｅｔｒｕｅｖａｌｕｅｉｎｔｅｒｍｓｏｆＧｒｅｙＭｏｄｅｌ．ＴｈｅｎｉｔｔｒｅａｔｓｔｈｅｒｅｓｉｄｕａｌｖａｌｕｅｂｅｔｗｅｅｎｔｈｅｔｒｕｅｖａｌｕｅａｎｄｔｈｅｐｒｅｄｉｃｔｉｏｎｖａｌｕｅａｓｔｈｅｉｎｐｕｔｔｒａｉｎｉｎｇｓａｍｐｌｅｏｆＢＰＮｅｕｒａｌＮｅｔｗｏｒｋｍｏｄｅｌａｎｄｓｅｌｅｃｔｓｐｒｏｐｅｒＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｓｔｒｕｃｔｕｒｅａｎｄｔｈｅｒｅｌａｔｅｄｐａｒａｍｅｔｅｒｓｔｏｔｒａｉｎｔｈｅｓａｍｐｌｅ．Ａｔｌａｓｔ，ｉｔｇａｉｎｔｈｅｆｉｎａｌｐｒｅｄｉｃｔｉｏｎｖａｌｕｅｏｆＧｒｅｙ－ＢＰＮｅｕｒａｌＮｅｔｗｏｒｋＭｏｄｅｌｔｈｒｏｕｇｈｐｌｕｓｉｎｇｔｈｅｒｅｓｉｄｕａｌｖａｌｕｅｐｒｅｄｉｃｔｅｄｂｙＢＰＮｅｕｒａｌＮｅｔｗｏｒｋＭｏｄｅｌａｎｄｔｈｅｐｒｅｄｉｃｔｉｏｎｖａｌｕｅｏｆＧｒｅｙＭｏｄｅｌｏｎｔｈｅｃｏｎｄｉｔｉｏｎｏｆａｃｈｉｅｖｉｎｇｔｈｅａｎｔｉｃｉｐａｔｅｇｏａｌ．ＴｈｅｒｅｓａｒｃｈｉｎｄｉｃａｔｅｓｔｈａｔｔｈｅＧｒｅｙ．ＢＰＮｅｕｒａｌＮｅｔｗｏｒｋＭｏｄｅｌｒｅｑｕｉｒｉｎｇｌｅｓｓｓａｍｐｌｅｄａｔａａｎｄｈａｖｉｎｇｈｉｇｈｅｒａｃｃｕｒａｔｅｐｒｅｃｉｓｉｏｎｃａｌｌｈａｖｅａｍｏｒｅａｃｃｕｒａｔｅｐｒｅｄｉｃｔｉｏｎｏｆｗａｔｅｒ
Ⅱｖ；晦。◆一●眵～
、？－；Ｖｋ百』ｃｏｎｄｉｔｉｏｎｉｎｔｅｒｍｓｏｆｌｅｓｓｓａｍｐｌｅａｎｄｉｎｆｏｒｍａｔｉｏｎ，ａｎｄａｃｈｉｅｖｅｓｃｏｍｐａｒａｔｉｖｅｓａｔｉｓｆｉｅｄｒｅｓｕｌｔｓ．Ｔｈｒｏｕｇｈｔｈｅｃｏｎｔｒａｓｔａｍｏｎｇｔｈｅｔｈｒｅｅｆｏｒｅｃａｓｔｍｏｄｅｌｓａｎｄａｃｔｕａｌｄａｔａ，ｉｔｉｓｒｅｍａｒｋａｂｌｙｎｏｔｉｃｅｄｔｈａｔＧｒｅｙ－ＢＰＮｅｕｒａｌＮｅｔｗｏｒｋＭｏｄｅｌｗｈｉｃｈｈａｓｂｅｔｔｅｒｐｒｅｄｉｃｔｉｖｅｅｆｆｅｃｔａｎｄｉｓｍｏｒｅｆｅａｓｉｂｌｅｔｈａｎｔｈｅｏｔｈｅｒｔｗｏｍｏｄｅｌｓ，ｈａｓｂｅｔｔｅｒａｐｐｌｉｃａｔｉｖｅｆｕｔｕｒｅａｎｄｐｒｏｍｏｔｉｏｎａｌｖａｌｕｅ．Ｋｅｙｗｏｒｄｓ：ｔｈｅｐｒｅｄｉｃｔｉｏｎｏｆｗａｔｅｒｑｕａｌｉｔｙｏｆＨｕａｉｈｅＲｉｖｅｒ，ＧＭ（１，１），ＢＰＮｅｕｒａｌＮｅｔｗｏｒｋＭｏｄｅｌ，Ｇｒｅｙ－ＢＰＮｅｕｒａｌＮｅｔｗｏｒｋＭｏｄｅｌ
包含各类专业文献、高等教育、专业论文、外语学习资料、中学教育、幼儿教育、小学教育、文学作品欣赏、应用写作文书、基于灰色-BP神经网络模型的淮河水污染预测_图文87等内容。　
　基于BP神经网络和GM(1,1)灰色模型的中国人口预测分析_能源/化工_工程科技_专业资料。基于 BP 神经网络和 GM(1,1)灰色模型的中国人口预测分析黄俸强 李晶 邓健... 　基于BP神经网络的预测模型_理学_高等教育_教育专区。数学建模基于BP神经网络的国际黄金价格预测模型 基于BP神经网络的国际黄金价格预测模型 BP公文易文秘资源网 顾孟钧... 　预测结果表明:串联灰色神经网络模型的预测精 度高于单独的GM(1,1)模型适用于具有复杂成分的动态序列的建模。 关键词 动态序列 灰色预测 BP 神经网络 灰色神经网络... 　价的影响程度大小排序,由此筛选出影 响股市收盘价的主要因素,以作为 BP 神经网络的输入参数,建立基于 BP 神经网络的股市 收盘价预测模型,对股市收盘价进行预测。 ... 　关键词: 木塑;工艺参数;灰色神经网络;预测模型 Key words:prediction model 中图分类号:TS67 文献标识码:A ... 　BP 神经网络预测模型预测城市需水量摘要:城市用水的...在众多的预测方法中,神经网络模型、灰色预测模型都...近年来人们提出基于人工神经网络的组合预测充分利用... 　将BP神经网络和GM(1,1)模型结合起来 达到更高的预测精度将BP神经网络和GM(1,1)模型结合起来 达到更高的预测精度隐藏&& 基于BP 神经网络和 GM(1,1)灰色模型... 　与神经网络建立预测模型的思路:①利用灰色 GM(1 ,1)模型对已知环保投资值的拟合;②利用 BP 神经网络对上述数据进行拟 合;③利用灰色 BP 网络对(1)中模型残差... 　有机灰色神经网络模型_理学_高等教育_教育专区。有机灰色神经网络模型 数学建模必备的材料基于有机灰色神经网络模型的空气污染指数预测与基于 Matlab 的灰色系统工具箱...}