基于粒子群优化算法的组合算子水质评价模型

根据参数化组合算子方法建立了水质评价模型,应用粒子群优化算法确定模型中的参数,并将该模型分别应用于富营养化海水、地下水与地表水的水质评价.案例分析结果表明,基于粒子群算法的参数化组合算子水质评价模型对各类水体的水质评价结果与传统方法基本一致,具有方法简单、计算量小和适用于非线性水质评价问题的特点.     

小波变换在大气污染物时间序列分析中的应用

以西安市PM10日平均浓度时间序列为例，根据小波分析的基本原理，应用小波变换的时频局部化功能，对大气污染物时间序列的变化进行了分析，清楚地给出了大气污染物的年变化趋势及突变特征。这些特征对大气污染物的治理、预报和控制具有十分重要的实际意义。研究结果表明，将小波变换应用于大气污染物时间序列的分析是可行的。     

一类非线性抛物方程的均匀化

讨论一类非线性抛物方程э1uε-div（nε（x，Vuε））=fε的均匀化问题，其中aε（x，λ）是一列快速振荡单调算子且满足文中给出的一致椭圆非一致有界条件．在对这类可能奇异的抛物方程做均匀化时，主要困难来自条件中的｜｜βε｜｜L∞（Ω）→＋∞，即二阶算子的系数的上界随参数占ε→0而趋于＋∞．给出最优条件，再仔细结合补偿列紧方法、单调性方法来克服这个困难，得出均匀化结论．     

Legendre变换的机械化求法

把Lagrange方程和Hamilton方程组写成矩阵形式，其系数矩阵的元素是非线性的微分算子．参考矩阵多元多项式的带余除法的方法把微分算子的矩阵转化成以多项式为元素的矩阵，应用待定系数法通过Mathematica机械性计算得到了含有可变参数的一类变换，其中当参数取零时，它就是Legendre变换．经证明，这一类变换当参数不为零时，应用该变换，也可把n=1时的Lagrange方程导向Hamilton正则方程组，并初步讨论了n维的情况．这是数学机械化的方法在分析力学的非线性理论问题中的一次具体实现。     

大连地区污染气象参数的确定

为了合理地预防和治理大气污染,必须正确地估算污染物在大气中的浓度.为此,须搞清楚污染物在大气中的运动情况.污染物在大气中的运动——输送、扩散、稀释等,主要是由排放条件(排放量、烟囱高度等)和气象条件(平均风速、大气稳定度、扩散参数、逆温和混合层高度等)决定的.对大气环境中污染物浓度估算正确与否,取决于大气污染物浓度扩散数学模式的选择和各类气象参数的确定. 大连地区大气污染物浓度扩散数学模式的选择和各类气象参数的确定就是在我们一年来进行低空探测取得的资料和收集大连气象台1980年1月～1984年12月地面常规气象资料的基础上,经过正理分析而得到的.     

土介质中污染物迁移模型的同伦分析解

针对现有解析方法的局限性,引入同伦分析法求解土介质中污染物迁移问题.通过选取辅助线性算子和非线性算子,构造零阶形变方程,编制了计算程序.应用同伦分析法求解了具有一般初始条件的恒源浓度下考虑污染物降解作用的对流-扩散模型,获得的解答与精确解吻合良好,证明了该方法的正确性.然后将同伦分析法推广到求解考虑源浓度随时间按指数衰减的一维污染物迁移模型,克服了常规方法难以直接求解的缺陷,获得了污染物浓度随时间和空间变化的理论解答.实例计算表明,同伦分析法可以求解具有更一般初始条件的复杂的污染物迁移模型,并且数学概念清楚、计算简便,是研究污染物迁移问题的一种有效方法.     

兰州大气污染物浓度与局地气候环境因子的关系

利用2000年12月10～l7日在兰州市城区的大气边界层观测资料以及同期的污染物浓度监测资料、自动气象站观测资料和常规气象站辐射观测资料等，通过山谷内市区污染物浓度变化与山谷外对照点的比较，研究了兰州市城区污染物浓度的变化特征；分析了对应时期兰州市山谷气候环境因子和特征参数的变化。结果发现，大气中污染物对太阳辐射的吸收增温与白天大气逆温层之间有明显的正反馈机制，而且这种反馈机制在白天大气逆温层的形成和发展过程中起主导作用；讨论了兰州市山谷大气污染物浓度与大气逆温、水平风速、Froude数和边界层稳定度参数之间的简单关系。     

用中尺度模式输出污染气象的拉格朗日湍流统计量

大气对污染物的稀释和扩散能力随气象条件的改变而发生巨大的变化，而各种湍流特征参数能反映出大气对污染物的扩散能力，因而计算这些参数对污染物浓度的预报有很大的帮助．以往，各种湍流特征参数都是通过局地测量获得的，而要获得较大尺度的扩散背景场，单靠单点测量是做不到的．试图利用MM5模式中的中尺度模式输出量来计算一些湍流特征参数，这些参数可以代表网格上的平均值．选择了MM5中的Mellor-Yamada level 2.5的边界层参数化方案，用输出的q^2-(湍流动能的两倍)，再通过解一个代数方程组，求得另外的各种二阶湍流矩量u^2-、v^2-、w^2-。然后利用这些二阶矩量来计算拉格朗日积分时间尺度、自相关系数，尝试用中尺度模式来输出这些量．经计算结果的分析表明，模式输出的这些拉格朗日湍流统计量是合理的，因而利用这种方法来计算拉格朗日湍流统计量是可行的，进一步，这种方法可应用于空气污染扩散的预报中．     

多流股换热器网络综合问题的优化算法设计

多流股换热器网络综合问题是一个混合整数非线性规划问题（MINLP），这类问题规模大、约束条件多，严重的非凸非线性使得目标函数存在多个局部最优解．传统的基于梯度的优化算法在求解时极易陷于局部最优．有鉴于此，本研究采用遗传算法解决此类问题，通过对遗传算法进行改进，针对简单遗传算法存在的早熟和运行参数难以确定的问题，设计了多样性保持算子和多种群进化的算法结构；计算时运行参数自适应确定，并把模拟退火算法思想引入遗传算法子代的生成中去．实例证明，采用所构造的算法可有效求解MINLP问题，并有利于寻求到全局最优解．     

摩擦市场中限制卖空的最优投资组合选择的算法研究

证券交易过程涉及到的交易成本主要界定为印花税和佣金，该文在考虑这两种成本的基础上，构造最优投资组合选择的数学模型，并考虑限制卖空风险资产的约束条件．在模型求解过程中，首先引人极大熵函数，将目标函数中的非光滑问题光滑化；然后再引人非线性互补函数，将K-T条件下的非线性互补问题中的不等式组转化为方程组，并再次引人参数光滑化，得到一系列光滑的方程组，最后采用经典牛顿法求解．算例分析验证了该方法的有效性。     

南昌市氮氧化物预报模型研究

空气中的氮氧化物(NOx)是发达国家和我国大中城市的主要污染物之一，对人体健康和生态环境造成严重危害，NOx已列入空气质量预报项目。本研究以南昌市为对象，针对NOx的污染特点，按点源、面源和线源采用综合模式建立了南昌市NOx污染预报模型，开发了预报系统软件，模拟精度和预报精度分别达到了51％和60％以上，符合预报要求，为南昌市NOx预报提供了科学的方法和手段，对我国其它大中城市开展NOx预报具有参考价值。     

城市用水量非线性组合预测方法研究

利用小波网络构造模型的优化组合函数,建立了城市用水量非线性组合预测模型.将非线性组合函数的拟合转化为小波网络参数的估计,采用遗忘因子法训练网络的权值,利用递推预报误差算法训练尺度因子和平移因子.实例表明,该方法具有很强的泛化能力与自适应数据和函数变化的能力,能够有效提高预测精度,克服了线性组合预测方法适应性不强的问题.     

基于指数支撑度的IGOWLA算子的最优组合预测模型

在广义诱导有序加权对数平均算子(IGOWLA算子)的基础上,引入指数支撑度以及构建了一种基于支撑度的IGOWLA算子的最优组合预测模型,并对该模型的预测精度、优性及非劣性给出定义.实例分析表明,该组合预测模型优于传统的组合预测模型,能够充分利用各个单项预测方法的信息并能提高预测精度,是一种优性组合预测.     

最小二乘支持向量机在害虫预测中的应用

针对害虫发生量数据的小样本、非线性特点,提出一种最小二乘支持向量机的害虫预测方法.首先采用多元线性回归分析法选择害虫发生量的影响因子,然后通过遗传算法对最小二乘支持向量机参数进行优化,最后建立害虫发生量与影响因子之间复杂的非线性关系模型.采用二代玉米螟百株幼虫虫量对模型性能进行检验,结果表明,相对于多元线性回归、BP神经网络模型,最小二乘支持向量机提高了二代玉米螟发虫量的预测精度,是一种有效的害虫变化预测方法.     

环境污染的投影寻踪回归预测模型

环境污染预测中常用的统计预测法基于“假定－模拟－预测”这样一种证实性数据分析思维模式,难以适应非线性,非正态分布数据分析,投影寻踪技术采用“审视数据－模拟－预测”这样一条探索性数据分析新途径,可以用来解决一定程度上的非线性,非正态问题。应用投影寻踪回归新技术,建立了大气污染物SO2浓度的预测模型,其预测建模样本的拟合合格率为96％,预留预测检验样本预测准确率为80％。高于模糊识别模型的预测精度。     

基于向量夹角余弦的几何平均组合预测研究

加权几何平均组合预测为一种非线性的组合预测方法．提出基于向量夹角余弦的加权几何平均的组合预测模型,针对该模型定义了优性组合预测、预测方法优超和组合预测冗余度等新的概念;探讨了非劣性组合预测和优性组合预测存在的充分条件;给出了一个冗余预测方法出现的判定定理．     

基于L_1范数的加权几何平均组合预测方法

加权几何平均的组合预测是一种非线性的组合预测方法,在传统的组合预测模型的基础上,建立了基于L1范数的加权几何平均的组合预测模型,提出优性组合预测的概念,并给出其计算组合预测权系数的线性规划的解法。实例分析指出该模型给出的组合预测方法为优性组合预测,从而表明该模型的有效性。     

组合预测模型在北京市汽车拥有量预测中的应用

将单项预测模型有机地结合,从相关性角度出发,各单项模型在各时点的权重系数与该时点的预测精度有关,得到了基于Theil不等系数的IOWGA算子组合模型,克服了传统组合预测的缺陷.介绍了相应的优性组合预测的概念,并利用该组合模型对北京市家用汽车拥有量进行预测,5种误差指标值均较低,说明了本文方法的有效性.     

交通能源需求量组合预测模型研究

本文尝试将组合预测法应用于我国交通能源需求量的预测,以提高预测精度．通过赋予合理权重,将误差修正模型、非线性回归模型和多元回归模型加权组合建立组合预测模型．对各模型进行平均绝对百分误差（MAPE）、希尔不等系数（Theil IC）和均方根误差（RMSE）等指标的比较,证明单一模型经过组合能够提高预测精度．     

基于小波神经网络的空气污染指数预报

针对空气污染指数时间序列的非线性及多分辨率特性,提出了一种空气污染指数的小波神经网络预报模型。利用小波对原始的空气污染指数序列进行多尺度分解,以各尺度上的小波单支重构序列和重要的气象因子作为输入,使用该模型对兰州地区的空气污染指数进行了预测。仿真结果表明,与传统的BP神经网络相比,该模型具有更高的预测精度、更快的收敛...