地下水水质预测的一元线性回归方法研究--以乌鲁木齐河流域仓房沟地区为例

一元线性回归分析预测方法是利用一个自变量和预测变量之间的依赖关系来进行预测的方法,主要适用于中短期地下水水质变化预测.文章介绍了一元线性回归模型的建模过程和精度检验,并用C语言将其实现.利用模型预测了乌鲁木齐河流域仓房沟地下水水质的变化趋势.     

基于多变量相空间重构的地下水动态神经网络预测模型

从多元变量时间序列出发,以相空间重构理论为基础,结合偏最小二乘回归与神经网络方法,提出了基于多变量相空间重构地下水动态预测的神经网络模型.通过分别确定各个时间序列的时间延迟和嵌入维数的方法对地下水动态的多变量时间序列进行相空间重构,采用偏最小二乘回归法提取对系统解释最强的成分作为网络输入,利用神经网络模型进行各成分之间的非线性拟合.将基于多变量相空间重构地下水动态预测的神经网络模型应用于黑龙洞泉域地下水位预测,并通过分析与比较验证了该方法的有效性.     

基于GIS的地下水质量可拓评价模型

为分析地下水水质的时空变化规律,研究基于GIS技术与动态监测数据库的地下水质量可拓评价模型.采用可拓分析方法,将地下水水质级别、评价指标及其特征值作为物元,根据地下水环境质量分级标准建立关联函数,通过计算综合关联度判断地下水环境质量级别,用克立格插值方法生成地下水质量分区图.在MS VC 6.0环境下,利用MapGIS6.5二次开发函数库,开发了地下水质量可拓评价模型.模型界面易于用户操作,可用于区域地下水质量的综合评价,有助于地下水资源的管理.     

地下水水质评价的人工神经网络方法

应用人工神经网络理论与方法建立了地下水水质评价的BP神经网络模型,对涡北井田地下水水质进行了评价,并与灰色聚类结果进行了比较。结果表明,BP神经网络模型能很好地解决评价因子与水质等级间复杂的非线性关系,评价地下水水质简便可靠,预测精度高,具有通用性和客观性。     

模拟退火神经网络模型在地下水质评价中应用

采用模拟退火算法与神经网络相结合的方法建立了地下水水质评价的SA-BP神经网络模型,并对阜新新邱露天煤矿地下水水质进行了评价.结果表明,模拟退火算法具有快速学习网络权重和全局搜索的超强能力,有效地解决了BP算法的局部收敛的问题.应用此方法评价地下水水质简便可靠,预测精度高,具有通用性和客观性等优点.     

主成分分析和模糊综合评价法在大连市地下水水质评价中的应用研究

以大连市8个地点的地下水为研究对象,采用主成分分析和模糊综合评价法相结合评估了地下水水质状况,并分析了影响地下水水质的主要因素.结果表明,使用主成分分析,可将5个水质指标综合为1个主成分进行解释,解释率为69.478%,水质综合控制指标为总硬度和溶解性总固体.模糊综合评价法预测8个地点地下水中,1个为Ⅰ类水、1个为Ⅱ类水、5个为Ⅲ类水、1个为Ⅴ类水.主成分分析和模糊综合评价法预测地下水水质排名不完全一致,但总体趋势相同,说明两种模型都比较适合预测大连市地下水水质,而且两种模型结合使用后综合预测结果要比单一预测模型更加可靠.     

地下水水质评价的人工神经网络方法

应用人工神经网络理论与方法建立了地下水水质评价的BP神经网络模型，对涡北井田地下水水质进行了评价，并与灰色聚类结果进行了比较。结果表明，BP神经网络模型能很好地解决评价因子与水质等级间复杂的非线性关系，评价地下水水质简便可靠，预测精度高，具有通用性和客观性。     

基于灰色理论的地下水水质预测

针对地下水水质难以预测的问题,运用灰色理论对地下水水质进行预测,并用Matlab语言编制了程序,通过对实例的计算,得到的预测值与实际值的对比,证明了该方法的可行性。同时评价了GM(1,1)模型与等维灰数递补模型对于非单调变化的地下水水质的预测精度。预测结果表明:在地下水水质非单调变化情况情况下,等维灰数递补模型的预测精度要优于常规灰色模型GM(1,1)。     

地下水埋深动态预测的DAMSM模型

运用动态数据反演建模方法和自记忆性方程，建立了地下水埋深动态预测的DAMSM模型。该模型将动力学计算与用历史数据估计参数相结合，预测时无需分析影响地下水埋深动态的各种因素，只需要有一定长度的地下水埋深动态观测序列资料，避免了众多数据的收集整理。实例预测表明，该模型具有较高的拟合精度和预测准确性。     

瓯江(温州段)水质变化趋势分析及预测

通过对瓯江杨府山断面近几年的水质监测数据进行分析,建立了三角函数预测模型,得到各年中瓯江水质各指标随季节交替的变化规律,并运用季节性肯达尔(Kendall)检验法对模型进行了验证.该模型克服了回归分析预测法只能在宏观上预测水质变化趋势的缺点,为水质变化趋势的分析及预测提供了新的思路.     

矸石山渗滤液对地下水污染的多维分形预测

为了研究复杂环境下矸石山渗滤液对地下水的污染，将多维分形理论应用于地下水污染状况的预测，借助于仿射映射．构建了地下水污染的多维分形模型。利用抚顺市某矸石山周围地下水质的检测数据，对SO4^-2离子含量的等值线分布进行了多维分形预测．并对预测结果和实测结果进行了对比分析。结果表明：预测结果与检测数据相吻合，并且预测结果反映了地下流场和地表状况对地下水污染的综合作用，因此采用多维分形的方法预测地下水的征；染状况是可行的。针对矸石山附近存在冲沟、积水池等复杂条件下的地下水污染问题，多维分形提供了一种新的研究方法。     

基于多重多元回归的焦炭质量预测模型

 焦炭质量预测是焦化企业进行焦炭质量控制的重要方法。在诸多生产因素已固定的条件下,焦炭质量主要取决于原料煤性质。用煤质指标预测焦炭质量是焦炭质量预测的重要方法。考虑配合煤煤质指标和焦炭质量指标的多元性和相关性,采用多重多元回归分析技术,将焦炭质量的各指标作为一个整体,建立配合煤煤质指标对焦炭质量的预测模型。基于偏最小二乘回归思想,采用预测误差平方和（PRESS）和预测的方差验证回归模型的预测能力。根据实际焦炭生产建立的焦炭质量预测多重多元回归模型的显著性检验表明,该模型具有较高的预测能力。应用多重多元回归技术建立的焦炭质量预测模型对指导焦化企业的焦化生产,优化配煤和加强焦炭质量控制具有重要的现实意义。     

基于偏最小二乘回归模型的带钢热镀锌质量监控方法

提出了基于偏最小二乘回归模型的带钢热镀锌质量监控方法. 以带钢热镀锌生产中带钢力学性能和锌层质量的质量监控为研究对象,用偏最小二乘方法建立了生产过程参数与质量结果之间的回归模型,对生产过程控制能力进行了分析,并给出了产品质量的预测方法. 用鞍钢股份有限公司带钢热镀锌的实际生产数据进行验证. 结果表明,偏最小二乘法比传统的多元线性回归方法具有更好的预测精度,基于偏最小二乘回归的锌层质量预测模型,其相对预测误差可达到5.93%.     

数量化回归在小麦加工品质分析上的应用

数量化回归分析是为了达到预测目的所进行的定量变量对定性变量的回归分析。本文以小麦高分子谷蛋白亚基与沉降值的相关性研究为例，就这一方法的统计学原理以及在小麦加工品质分析上的应用作了详细介绍。从实例分析结果来看，该方法简单、实用，且操作易行。     

地下水流量预测的线性神经网络法

地下系统是一个复杂的随机系统。根据降水量与地下水流量之间的相关关系，建立线性神经网络模型，并且将其用于地下水流量的动态预测。     

遵义市海龙坝地下水动态研究

随着工农业对水需求量的巨增,开采地下水无疑是一很好解决方案。地下水资源量受多项因素影响,是一动态随机过程。根据其时间序列,建立线性神经网络模型,并将其用于地下水流量的动态预测。结果表明,预测精度较高,该方法可用于地下水的动态预测。