Using BP neural network model and G

Using BP neural network model and GIS for heavy metal descript the spatial dynamics of distribution in Huizhou City, Guangdong Province, The Results indicate:(1)BP neural network model can learn the relationship between spatial location of sampling points with content of them and be able to forecast soil heavy metal content. by interpolating more sampling points,such as Fig.3 and Fig.4, Cd from the original refuses the normal distribution to approximate submit to normal distribution, with the increase in sampling points, the data can be used in geostatistical analysis. the range of Cu was changed from the original 136.24 km to 25.20 km, as TABLE 2. more realistic conditions.(2)Import the coordinates of the interpolation data and heavy metal content data into Arcgis, the most significant pollution is Pb, most of the area level over the natural background value .Zn, Cd have a high aggregation in some areas, the majority does not exceed the natural background value. Cu does not exceed the background, as shown in Figure 11 to 14.Therefore, the most noteworthy is the Pb pollution. Use the single factor index method, the four metal did not meet pollution threshold, indicating the study area have not been heavy metal pollution of soil.(3) Compared original data and interpolated data of the background index, as shown in Table 2 and Table 3, the nugget and sill ratio of Cu and Zn decreased, indicating that as interpolation points increase, Cu, Zn by the random factor decreases, increased spatial correlation, Pb nugget and sill ratio increases, the spatial correlation decreases, Cu by the random factors the strongest, spatial correlation the weakest, Zn and Pb is mainly affected by structural factors.

Soil is not a homogeneous body, rather a variant of spatial continuity, this highly complex spatial heterogeneity of soil allows us to study the spatial dynamics of change becomes very difficult, caused not only by nature but also by human activities. These changes are the spatial dynamics of Soil heavy metals(SHM) can become extremely complex and, thus, the description on spatial distribution of SHM and spatial correlation of quantitative is very difficult. In the past there have been many models trying to determine the relationship between them, but these models are more or less the existence of defects[1]. In this paper, an unconventional Modeling Artificial Neural Networks method, combined with GIS technology to the spatial correlation of SHM and its spatial distribution were studied. Using neural network model to determine spatial distribution and pollution of SHM.

ผลลัพธ์ (ไทย) 1:

ใช้เครือข่ายประสาท BP รุ่น และ GIS สำหรับโลหะหนักแผ่นคำอธิบายเกี่ยวกับเปลี่ยนแปลงพื้นที่การกระจายในเมืองฮุ่ยโจว Guangdong Province ผลลัพธ์บ่งชี้: รูปแบบเครือข่ายประสาท BP (1) สามารถเรียนรู้ความสัมพันธ์ระหว่างตำแหน่งพื้นที่สุ่มตัวอย่างคะแนนกับเนื้อหาของพวกเขา และสามารถคาดการณ์ดินเนื้อหาโลหะหนักได้ โดยสุ่มตัวอย่างจุดมากขึ้น Fig.3 และ Fig.4 ซีดีจากเดิมไม่ยอมส่งการแจกแจงปกติการประมาณการแจกแจงปกติ มีการเพิ่มขึ้นของจุดเก็บตัวอย่าง interpolating สามารถใช้ข้อมูลในการวิเคราะห์ geostatistical ช่วง Cu ถูกเปลี่ยนจาก km 136.24 เดิมเป็น 25.20 กม. เป็นตารางที่ 2 เงื่อนไขเป็นจริงมากขึ้น(2)นำพิกัดของสอดแทรกข้อมูลและข้อมูลเนื้อหาโลหะหนักเป็น Arcgis, Pb ส่วนใหญ่ของระดับพื้นที่ผ่านค่าธรรมชาติเป็นมลพิษที่สำคัญZn, Cd ได้รวมสูงในบางพื้นที่ ส่วนใหญ่เกินค่าของธรรมชาติ Cu เกินพื้นหลัง แสดงในรูปที่ 11 การ 14.Therefore สำคัญที่สุดคือ มลพิษ Pb ใช้วิธีดัชนีตัวเดียว โลหะสี่ไม่ตรงกับมลพิษจำกัด แสดงพื้นที่ศึกษาการได้รับมลพิษโลหะหนักของดิน(3) เปรียบเทียบข้อมูลเดิมและข้อมูลการสดัชนีพื้นหลัง ดังแสดงในตาราง 2 และตาราง 3 นักเก็ตและสืบอัตราส่วนของ Cu และ Zn ลดลง ระบุว่า เป็นจุดสอดแทรกเพิ่ม Cu, Zn โดยตัวสุ่มลดลง เพิ่มขึ้นความสัมพันธ์ของพื้นที่ Pb นักเก็ตและสืบอัตราส่วนเพิ่มขึ้น ความสัมพันธ์ของพื้นที่ลด ลง Cu โดยปัจจัยสุ่มที่แข็งแกร่งที่สุด, Zn และ Pb กำจัดจุดเป็นส่วนใหญ่ได้รับผลกระทบจากปัจจัยโครงสร้างความสัมพันธ์ของพื้นที่ดินไม่มีร่างกายเหมือน แต่ ตัวแปรของปริภูมิความต่อเนื่อง heterogeneity พื้นที่นี้สูงซับซ้อนของดินช่วยให้เราสามารถศึกษาในปริภูมิของการเปลี่ยนแปลงกลายเป็นยาก เกิดตามธรรมชาติไม่เพียงแต่จากกิจกรรมมนุษย์ เปลี่ยนแปลงเหล่านี้จะเปลี่ยนแปลงพื้นที่ดิน metals(SHM) หนักสามารถทำงานซับซ้อนมาก และ ดัง คำอธิบายบนกระจายของ SHM และความสัมพันธ์ของพื้นที่ของเชิงปริมาณเป็นเรื่องยากมาก ในอดีต มีหลายรุ่นพยายามที่จะกำหนดความสัมพันธ์ระหว่างพวกเขา แต่รุ่นเหล่านี้จะมากหรือน้อยมีข้อบกพร่อง [1] ในเอกสารนี้ มีศึกษากระเป๋าโมเดลประดิษฐ์ประสาทเครือข่ายวิธีการ รวมกับความสัมพันธ์ของพื้นที่ของ SHM และกระจายของเทคโนโลยี GIS โดยใช้แบบจำลองโครงข่ายประสาทเพื่อกำหนดกระจายและมลพิษของ SHM

ผลลัพธ์ (ไทย) 2:

โดยใช้รูปแบบเครือข่าย BP ประสาทและระบบสารสนเทศภูมิศาสตร์เพื่อโลหะหนัก descript พลวัตเชิงพื้นที่ของการจัดจำหน่ายในเมือง Huizhou, มณฑลกวางตุ้ง, ผลการบ่งบอกถึง (1) รูปแบบเครือข่าย BP ประสาทสามารถเรียนรู้ถึงความสัมพันธ์ระหว่างสถานที่ตั้งเชิงพื้นที่ของจุดเก็บตัวอย่างที่มีเนื้อหาของพวกเขาและจะเป็น สามารถที่จะคาดการณ์ดินโลหะหนัก โดย interpolating เพิ่มเติมจุดเก็บตัวอย่างเช่นรูปที่ 3 และรูปที่ 4, Cd ไปจากเดิมปฏิเสธการกระจายปกติใกล้เคียงกับส่งการกระจายปกติกับการเพิ่มขึ้นในจุดเก็บตัวอย่างข้อมูลที่สามารถนำมาใช้ในการวิเคราะห์ geostatistical ช่วงของทองแดงที่มีการเปลี่ยนแปลงจากเดิม 136.24 กิโลเมตรไปทาง 25.20 กม. เป็นตาราง 2. เงื่อนไขที่สมจริงมากขึ้น. (2) นำเข้าพิกัดของข้อมูลและการแก้ไขข้อมูลปริมาณโลหะหนักเป็น ArcGIS, มลพิษอย่างมีนัยสำคัญมากที่สุดคือ Pb ส่วนใหญ่ ระดับพื้นที่กว่าพื้นหลังธรรมชาติ .Zn ค่า Cd มีการรวมตัวสูงในบางพื้นที่ส่วนใหญ่ไม่เกินค่าพื้นหลังธรรมชาติ Cu ไม่เกินพื้นหลังดังแสดงในรูปที่ 11 ถึง 14.Therefore ที่สำคัญที่สุดคือมลพิษตะกั่ว ใช้วิธีการที่ดัชนีปัจจัยเดียวสี่โลหะไม่เป็นไปตามเกณฑ์มลพิษที่ระบุพื้นที่การศึกษายังไม่ได้รับมลพิษโลหะหนักของดิน. (3) เมื่อเทียบกับข้อมูลเดิมและข้อมูลหยันของดัชนีพื้นหลังดังแสดงในตารางที่ 2 และ 3, นักเก็ตและอัตราการงัวทองแดงและสังกะสีลดลงแสดงให้เห็นว่าการแก้ไขเป็นจุดที่เพิ่มขึ้น, Cu, Zn โดยปัจจัยสุ่มลดลงเพิ่มขึ้นความสัมพันธ์เชิงพื้นที่ก้อนตะกั่วและการเพิ่มขึ้นของอัตราส่วนงัวความสัมพันธ์เชิงพื้นที่ลดลง Cu จากปัจจัยสุ่ม ที่แข็งแกร่ง, ความสัมพันธ์เชิงพื้นที่ที่อ่อนแอ, สังกะสีและตะกั่วได้รับผลกระทบส่วนใหญ่จากปัจจัยโครงสร้าง. ดินไม่ได้เป็นเนื้อเดียวกันร่างกายค่อนข้างแตกต่างจากความต่อเนื่องเชิงพื้นที่นี้ความแตกต่างเชิงพื้นที่ที่มีความซับซ้อนสูงของดินช่วยให้เราสามารถศึกษาการเปลี่ยนแปลงเชิงพื้นที่ของการเปลี่ยนแปลงกลายเป็นมาก ยากที่เกิดไม่เพียง แต่โดยธรรมชาติ แต่ยังมาจากกิจกรรมของมนุษย์ การเปลี่ยนแปลงเหล่านี้การเปลี่ยนแปลงเชิงพื้นที่ของโลหะหนักในดิน (SHM) จะกลายเป็นความซับซ้อนมากและดังนั้นคำอธิบายเกี่ยวกับการกระจายเชิงพื้นที่ของ SHM และความสัมพันธ์เชิงพื้นที่ของเชิงปริมาณเป็นเรื่องยากมาก ในอดีตมีได้หลายรูปแบบที่พยายามที่จะกำหนดความสัมพันธ์ระหว่างพวกเขา แต่รูปแบบเหล่านี้จะมากหรือน้อยการดำรงอยู่ของข้อบกพร่อง [1] ในบทความนี้ไม่เป็นทางการวิธีการสร้างแบบจำลองโครงข่ายประสาทเทียมรวมกับเทคโนโลยีระบบสารสนเทศภูมิศาสตร์เพื่อความสัมพันธ์เชิงพื้นที่ของ SHM และกระจายเชิงพื้นที่ที่ได้รับการศึกษา โดยใช้แบบจำลองเครือข่ายประสาทที่จะตรวจสอบการกระจายเชิงพื้นที่และมลพิษของ SHM

ผลลัพธ์ (ไทย) 3:

การใช้โครงข่ายประสาทเทียมแบบ BP และระบบสารสนเทศภูมิศาสตร์สำหรับโลหะหนัก descript พลวัตเชิงพื้นที่ของการกระจายในเมือง Huizhou , มณฑลกวางตุ้ง พบ ( 1 ) แบบจำลองโครงข่ายประสาทเทียม BP สามารถเรียนรู้ความสัมพันธ์ระหว่างที่ตั้งปริภูมิตัวอย่างจุดกับเนื้อหาของพวกเขาและสามารถพยากรณ์ปริมาณโลหะหนักในดิน โดยการ ประมาณมากกว่า 3 จุด เช่น fig.3 fig.4 และ ,ซีดีจากเดิมปฏิเสธการแจกแจงปกติการแจกแจงปกติประมาณส่งกับการเพิ่มขึ้นในจุดสุ่มข้อมูลที่สามารถใช้ในการวิเคราะห์ geostatistical . ช่วงของจุฬาฯ ได้เปลี่ยนไปจากเดิม 136.24 กม. 25.20 km เป็นรางที่ 2 ภาพที่สมจริงมากขึ้น ( 2 ) นำเข้าพิกัดของการแก้ไขข้อมูลและปริมาณโลหะหนักในวิศวกรรมโยธาข้อมูล ,มลพิษที่สำคัญที่สุด คือ ตะกั่ว ซึ่งพื้นที่ส่วนใหญ่ในระดับที่สูงกว่ามูลค่าพื้นฐานธรรมชาติ สังกะสี แผ่น CD มีการสูงในบางพื้นที่ ส่วนใหญ่ไม่เกินมูลค่าพื้นหลังธรรมชาติ ทองแดงไม่เกินพื้นหลัง ดังแสดงในรูปที่ 11 กับ 14 . ดังนั้น ที่สำคัญที่สุดคือ PB มลพิษ ใช้ปัจจัยเดียวดัชนีโดย4 โลหะไม่ตรงกับเกณฑ์มลพิษ ระบุพื้นที่ศึกษายังไม่ได้รับมลพิษโลหะหนักของดิน ( 3 ) เปรียบเทียบกับข้อมูลเดิมและข้อมูลดัชนีขัดพื้นหลัง ดังแสดงในตารางที่ 2 และตารางที่ 3 , นักเก็ตและอัตราส่วนงัวของทองแดงและสังกะสีลดลง ระบุว่า เป็นการเพิ่มคะแนน ทองแดง , สังกะสีโดยการเพิ่มปัจจัยความสัมพันธ์เชิงพื้นที่ลดลงตะกั่วก้อนและธรณีประตู อัตราส่วนที่เพิ่มขึ้น ความสัมพันธ์เชิงพื้นที่ลดลง จุฬาฯ โดยสุ่มปัจจัยที่แข็งแกร่งพื้นที่ , ความสัมพันธ์ที่อ่อนแอที่สุด , สังกะสีและตะกั่วส่วนใหญ่ได้รับผลกระทบจากปัจจัยโครงสร้าง

ดินไม่ได้เป็นเนื้อเดียวกัน ร่างกายค่อนข้างแตกต่างจากพื้นที่ต่อเนื่อง นี้ซับซ้อนสูงของพื้นที่ดินที่สามารถช่วยให้เราเพื่อศึกษาพลวัตพื้นที่ของการเปลี่ยนแปลงจะกลายเป็นยากมากทำให้ไม่เพียง แต่โดย ธรรมชาติ แต่ยังโดยกิจกรรมของมนุษย์ การเปลี่ยนแปลงเหล่านี้เป็นพลวัตเชิงพื้นที่ของโลหะหนักในดิน ( SHM ) จะกลายเป็นความซับซ้อนมากและทำให้รายละเอียดบนการกระจายเชิงพื้นที่ของ SHM และความสัมพันธ์เชิงพื้นที่ของข้อมูลเชิงปริมาณที่ยากมาก ในอดีตมีหลายรุ่นที่พยายามหาความสัมพันธ์ระหว่างพวกเขาแต่รุ่นนี้มีมากกว่าหรือน้อยกว่า การดำรงอยู่ของข้อบกพร่อง [ 1 ] ในกระดาษนี้ , โครงข่ายประสาทเทียมแบบแหกคอกวิธีร่วมกับระบบสารสนเทศภูมิศาสตร์เพื่อความสัมพันธ์ทางพื้นที่ของ SHM และการกระจายทางพื้นที่เพื่อ โดยใช้แบบจำลองโครงข่ายประสาทเทียมเพื่อศึกษาการกระจายทางพื้นที่ และมลพิษของ SHM .