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.     

基于因子分析定权的水质评价模型

在因子分析法的基础上,提出基于因子分析定权的水质评价模型.该模型由因子得分系数和方差贡献率确定指标权重,然后以指标权重与各水样相应指标的标准化值进行加权平均得到水质评价的综合指标值,进而对评价样本进行排序和分级.结合实例应用并通过与其它几种水质评价方法的比较,进一步验证了该模型的合理、简便和实用.     

基于PSO-RBF神经网络模型的原水水质评价方法及应用

针对自来水生产过程的原水水质评价问题,提出了一种基于PSO-RBF神经网络模型的原水水质评价方法.首先,根据水厂生产经验和历史数据分析,制定面向自来水生产过程的原水水质评价标准.然后,采用粒子群优化(PSO)算法训练的RBF神经网络模型,对苏州市相城水厂的进厂原水水质实施在线评价.最后,将进厂原水水质在线评价结果作为前...     

模糊聚类法在水质评价中的应用--以贵州三岔河某监测断面为例

本文将模糊聚类水质评价方法应用于贵州三岔河某段面的水质评价.结果表明,该方法分辨率高,计算简单,易于应用理解,充分考虑了评价过程的整体性和单个因子的重要性.用该方法进行水质评价比较接近实际.     

基于GIS的模糊综合水质评价模型

介绍了基于地理信息系统(GIS)的新型模糊综合水质评价模型(FCWQA).FCWQA模型是基于模糊数学隶属度的理论上建立起来的一种水质综合评价模型,能对被评价水体的水质状况给出总体评价,且其评价结果与中国的地表水环境质量标准的水质级别直接对应,能够通过一个综合指标来评价水质状况,其评价结果具有实际意义.而GIS-FCWQA系统,整合了FCWQA模型、GIS和数据库,形成了一个直观的、易于操作的水质评价系统,该系统同时具备水质预测功能.并以三峡库区凤嘴江的水质评价为例进行实例分析.     

中国北方河流水质评价模型研究

根据中国北方山溪性河流的特性,本文提出一种新的水质评价模型—IE模型.该模型主要优点有:(a)反映了水资源开发利用功能;(b)弓I进了后验概率,对于具有大量统计监测资料的情况,能更客观地表现水质评价真实情况;(c)在北方山溪性河流中,引出水质单项评价的新概念.     

基于模糊数学的扎龙湿地水质评价

为了建立适合于湿地的水质评价体系,将模糊数学的基本原理引入到湿地水质评价中,构建了湿地水质模糊综合评判模型,并以扎龙湿地为例进行了计算.评价结果证实,扎龙湿地从进水区、核心区到出水区污染程度有依次降低的趋势,这说明湿地对污染物有一定的净化作用.评价结果与实际对比,验证了评判模型的可靠性.关键词:模糊综合评判;水质评价;权重;扎龙湿地     

基于模糊神经网络的汉江水质评价

水质评价对于水质维护和进行决策有着极其重要的作用。本文考虑到水文学的模糊性和其内在的非线性特点,将模糊理论与神经网络相结合建立模型,对汉江水质进行评价。通过实验验证了该模型的有效性和准确性,为水质评价和预测提供科学客观的方法。     

熵权-双基点法在地表水水质变化评价中的应用

如何准确地评价地表水水体质量日益成为学科研究热点.利用水质评价基础指标体系,结合评价地区的实际情况,筛选出具有实际代表性的水质评价指标,应用熵权-双基点法,建立起评价模型,根据计算得到的权重来评价水质变化状况.客观计算所得的权值,排除了人为因素的干扰,从而使最终评价结果更加精准.最后运用上述评价模型,对太子河辽阳段中3个断面所测得的水质数据进行分析,并把所得结果与实际水质情况进行对比,验证了该评价模型的合理性及精准性.     

基于云计算和GA-BP神经网络的西江水质评价研究

为提高水质评价精度,针对BP神经网络的预测结果易受初始连接权值和阈值的影响以及易陷入局部极值的问题,提出一种遗传算法优化BP神经网络的水质评价模型.针对水质评价数据特性,引入Multi-Agent和分布式思想,利用云计算的MapReduce框架对GA-BP模型进行并行化改进,提高其处理海量高维水质评价数据的能力.为证明所提算法的效果,选择西江2011-2015年的水质监测数据为研究对象,研究结果表明,与PSO-BP,GA-BP,DE-BP和BP相比,所提算法MR-GA-BP不但可以提高水质评价的精度,而且能够降低计算资源的消耗,缩短训练时间,具有很好的并行性能.     

人工神经网络模型在太湖富营养化评价中的应用

根据湖泊富营养化程度影响因素多,评价因素与富营养化等级之间关系复杂且是非线性的特点,研制了一个能自动对湖泊富营养化程度做出正确评价的BP人工神经网络模型,并在太湖富营养化评价中得到了应用,结果表明：只要把观测数据提供给网络,借助计算机就可获得能客观地反映水质富营养化状况的评价结果;对于富营养化标准样本,一旦训练完毕,只需通过简单的加法和乘法运算,就可对湖泊水质富营养化程度进行评价．     

SOM网络与SVM在水质富营养化评价中的对比

针对复杂水环境中的富营养化评价问题,利用三峡库区水体富营养化监测数据,对自组织映射神经网络和支持向量机模型在解决该评价问题上的性能表现进行对比研究。实验结果表明,2种模型均有较快的计算速度和较高的精度,但与自组织映射网络模型相比,支持向量机模型具有更好的稳定性和抗干扰能力,在参数选择上更为简单。     

基于模糊神经网络的太湖富营养化评价应用

根据湖泊营养化程度影响因素多,评价因素与富营养化等级间的关系复杂且是非线性的.而神经网络和模糊系统各有优点,研究者将二者结合建立模糊神经网络模型用于太湖营养化评价,当固定学习速率η大于0—1内某一值,将导致网络算法不收敛,因此文中采用自适应调整学习速率,实验表明,该模型具有较快的训练速度和较高的精度.     

基于RBF神经网络的课堂教学质量评价模型

利用RBF神经网络提出了课堂教学质量综合评价模型,给出了课堂教学质量评价模型的指标体系,讨论了怎样使用此模型获得综合评价的最终结果.实验表明,利用此模型能避免人为测评中的不利因素,获得了较好的实验结果.     

基于小波神经网络的化工安全评估

鉴于传统神经网络方法解决非线性问题收敛速度慢,易陷入局部最优解的缺陷,本文通过对小波神经网络的结构及学习算法的简要介绍,结合神经网络的自学习能力,提出一种充分利用小波变换时频局部化性质的小波神经网络安全评价方法,通过用小波神经网络评价方法与BP神经网络评价方法对某大型炼油化工厂相应原始数据进行分析、对比,表明该小波神经网络评价方法较BP神经网络评价方法收敛迅速,绝对误差小,预测精度高。     

基于地表水环境质量标准的富营养化评价方法

目前富营养化评价方法众多。但各评价方法之间缺乏可比性,不利于湖泊富营养化的有效管理和治理。在对现有湖泊富营养化的评价方法进行分析、评价的基础上,提出了适合我国国情的基于GB3838--2002《地表水环境质量标准》的湖泊畜营养化评价方法。该方法是将水质评价和主要富营养化因子评价相结合的综合的富营养化评价方法,在巢湖西半湖等合肥市湖、库富营养化评价中应用表明：该方法不仅可以对不同湖、库的富营养化状况进行比较,而且可以对同一湖泊富营养化的时空变化进行分析,有利于对湖泊富营养化程度做出客观、合理的判断,进一步探讨湖泊富营养化成因．为治理富营养化提供全面、科学的决策依据。     

基于AR模型和BP网络的表面EMG信号模式分类

提出了一种以AR模型和BP网络相结合的表面肌电信号处理方法 .首先 ,将采集到的肌电信号进行预处理 ,提取AR系数作为其特征值 ;其次 ,设计了一个三层的BP神经网络 ,利用AR系数对手臂的各种肢体动作进行运动模式的分类 .实验表明 ,这种方法不仅减少了计算工作量 ,同时取得了比较理想的识别效果 .     

基于粗糙集和支持向量机的深基坑工程风险评价

利用粗糙集和支持向量回归机的理论和方法,建立基于粗糙集和支持向量回归机相结合的风险评价模型。结合深基坑工程风险评价的实例,将约简后的评价指标输入到支持向量回归机中训练,构建评价模型,而在模型的构建中采用了高斯径向基核函数。最后将指标约简前后所得的评价结果分别与基于粗糙集和神经网络的评价所得的结果进行比较,采用粗糙集和支持向量回归机的评价法具有更好的评价效率。     

物元分析在巢湖富营养化评价中的应用

建立了利用物元分析理论进行湖泊富营养化评价的模型,运用物元分析对巢湖水质富营养化进行综合评价.通过计算关联度得到综合评价结果,用实例与其它主要的几种方法进行了对比,结果令人满意.该法具有计算简便、评价合理的优点.     

基于模糊聚类的粒子群神经网络预测卷取温度

影响热轧带钢卷取温度的因素多而且复杂,采用传统的温度预测模型难以达到较高的精度。为了满足卷取温度高精度预测的要求,将模糊聚类分析、神经网络、粒子群算法结合起来,提出了一种基于模糊聚类的粒子群神经网络用于预测卷取温度。运用现场实际数据测试表明,该方法预测卷取温度效果良好。