模糊综合评价模型在水质整体质量 评价中的应用

构建了水质模糊综合评价模型,并以雅安市青衣江龟都府水质监测断面为例,对比分析了水质的单因子评价法和模糊综合评价方法的特点.结果表明:雅安市青衣江龟都府水质的单因子评价结果为Ⅲ类,模糊综合评价结果对Ⅰ、Ⅱ、Ⅲ类水质标准相应的隶属度分别为0.771 6,0.178 1,0.050 3,反映尽管断面水质在单因子评价中为Ⅲ类,但大部分监测指标能达到Ⅰ、Ⅱ类标准,模糊综合评价比单因子评价法更能全面地反映水质状况.     

基于改进隶属度函数的电能质量模糊综合评价

通过分析电能质量模糊综合评价中的隶属度函数问题,提出了一种改进的隶属度函数来量化刻画电能质量评价指标各质量等级的模糊特性,从而实现更为细致的电能质量的模糊综合评价,解决了电能评价指标两质量等级之间难以建立联系和量化刻画的问题.文中首先对电能质量指标的权重、确定隶属度函数参数的指标限值及质量等级划分问题进行了分析;然后以传统的岭形函数为基础进行改进,得到基于评价指标质量等级的隶属度函数,并对电能质量的各项评价指标建立了模糊模型;最后运用所设计的算法对某地区的电能质量数据进行评价,结果验证了文中方法的实用性和有效性.     

定量评价指标隶属度的确定

本文用隶属函数的方法探讨定量评价指标隶属度的确定。并以六家冶金企业为例，说明定量指标的隶属度确定的方法。     

基于神经网络的模糊综合评价

在模糊系统理论与神经网络理论基础上，建立了一种基于神经网络的模糊综合评价模型，其合成运算采用加权平均算子，其隶属函数调整采用误差反传算法，并证明了这种算子的模糊综合评价神经网络能收敛到唯一的极小点，不咄了以三角模糊函数为尿属函数的模糊综合评价神经网络的隶属函数调整算法。     

高斯隶属度函数模糊神经网络在肺癌诊断中的应用

选用隶属度函数为高斯函数的模糊神经网络用于肺癌诊断,尝试提高诊断的正确率.对于非二值输入参数,首先用高斯隶属度函数模糊化,然后与二值参数一起作为BP神经网络的输入参数.所用病例被随机分为训练集和证实集,训练模糊神经网络,用证实集测试该网络区分肺癌与非肺癌的能力.结果表明,用高斯隶属度函数的模糊神经网络比作为对照的三角形隶属度函数模糊神经网络诊断正确率有所提高,而且对病例如何分组不敏感.     

黄河水质综合评价的人工神经网络模型

为探讨水质综合评价的客观方法 ,以黄河兰州段新城桥段面水质资料为例 ,建立了地表水水质综合评价的BP网络模型 BP网络模型以单输出代替多输出可保证评价结果的惟一性 .将该模型用于实例分析表明 ,BP网络用于水质综合评价具有客观性和实用性 .     

基于遗传神经网络的环境质量评价

介绍了基于遗传神经网络的环境质量评价方法.这一算法克服了BP算法收敛速度慢、易陷入局部极小等缺陷,环境质量评价实例证明提高了预测精度.阐述该方法的评价结果比传统的专家评价法的评价结果更加准确,为环境质量评价提供了一种新的研究思路和分析方法.     

高原牧区地下水水质模糊综合评价研究——以夏河县为例

在夏河县境内根据其主要水系以及地下水分布特点布设了27个地下水采样点,对采集的水样进行了常规水质化验和水污染监测,监测项目包括:浑浊度、总硬度、COD、ρ(氨氮)、ρ(硝酸盐)、ρ(氟化物)、pH、电导率、细菌总数等.运用模糊综合评价法对夏河县地下水水质进行综合评价,选取27个采样点的6个主要影响因子,应用综合权重法确定各因子的权重并通过计算各因子的综合隶属度得出各采样点水样的水质级别和综合健康度.结果表明:在夏河县布设的27个地下水采样点的水质均属于Ⅰ类;27个采样点水质的综合健康度均高于健康的下限值,均值健康度高达0.96,健康率为100%;尽管氨氮被确定为夏河县地下水水质的主要污染因子,但其对整个水体的影响不大,夏河县地下水水质整体上呈良好状态.     

基于MATLAB的相似度-遗传神经网络在储层物性预测中的应用

由于储层的非均匀性,传统的方法很难得到真实反映储层特性的结果。采用了遗传算法与BP神经网络相结合,利用遗传算法的全局寻优特点,优化神经网络的连接权值和阀值,从而提高网络的训练精度和预测精度。将相似度的概念引入到测井中,定义了相似度在测井中的计算公式,提出了相似度与遗传神经网络相结合的方法。根据取心井段储层物性与测井信息的关系,选取相应的测井曲线,运用MATLAB中神经网络工具箱建立神经网络模型并训练。实例研究表明,预测准确性较高,且可以有效地控制预测精度,避免了因储层差别大而造成的预测精度降低的现象。     

基于模糊神经网络的水质评价模型研究

将模糊系统与神经网络结合,提出了一种水质评价模型.根据水质评价过程,采用5层结构的FNN,且使用自适应学习步长以加速网络收敛速度.该模型具有推理过程清晰,泛化能力强的特点.为了验证该算法的性能,进行了仿真试验,结果表明:和常见的方法相比,该模型的评价结果更为准确.     

基于改进小波神经网络的大气质量评价模型

为了缩短人工神经网络的训练时间、减少迭代次数和提高输出结果的准确率,将小波基函数应用于人工神经网络,并用专家评分后归一化处理的方法对输入层的权值初始值进行优化,建立了优化的小波神经网络模型。将该模型对井冈山区域2012年大气监测数据进行评价,实验结果表明:经过优化的小波神经网络模型的评价精度较高。最后与将该模型与其它评价方法相比,该模型还具有计算快速、评价客观、可靠性强、效率更高的特点。     

基于PCA-LVQ神经网络的教学质量评价模型研究

为了进一步提高教学质量评价准确率,提出一种基于主成分分析(PCA)和学习矢量量化神经网络(LVQ)相结合的教学质量评价模型.使用层次分析法(AHP)建立教学质量评价体系,再用主成分分析提取初始评价指标体系的特征信息,将经过降维处理后的特征信息输入到LVQ神经网络,并对网络模型进行训练和泛化能力测试.实验结果表明,与单一的LVQ和BP神经网络相比,PCA-LVQ网络模型的结构更为简化,学习能力更强,收敛速度更快,评价准确率更高且泛化能力强.     

基于BP神经网络模型的水质评价方法探讨

运用人工神经网络理论和方法,建立了水质评价的BP神经网络模型,并对长治市10眼水井的地下水水质进行了评价,并与综合指数法、模糊综合评判法的评价结果进行了比较。结果表明,用BP神经网络模型评价水资源水质是可行的,为水资源水质评价提供了一个新的方法。     

人工神经网络水质预测模型研究

水质预测物理模型在水环境保护中起着十分重要的作用,然而由于模型的参数识别问题,使其应用受到很大局限.对人工神经网络(A rtific ia l N eura l N etw ork,简称ANN)水质预测建模作了初步研究.用试错法,以训练时间和测试误差两项指标为依据,对比分析三层、四层网络结构,认为ANN模型适应于水质预测建模,并提出了适合的模型结构、学习速率、传递函数.     

我国河流综合水质标识指数评价方法研究

在单因子水质标识指数法基础上,提出一种全新的河流总体的综合水质评价方法——综合水质标识指数法.综合水质标识指数可以完整表达河流总体的综合水质信息,其特点是既能定性评价、也能定量评价;既不会因个别水质指标较差就否定综合水质,又能对河流综合水质做出合理的评价;既可以用于一条河流不同断面水质的客观比较,又可以用于不同河流水质的评价比较;既可以在同一类别中比较水质的优劣,也可以对劣Ⅴ类水比较污染的严重程度.将综合水质标识指数用于上海市河流的水质评价取得了令人信服的评价结果,并确定了我国河流水体黑臭的判别准则.     

灰色识别法在水环境质量评价中的应用研究

依据灰色系统理论，提出在灰色关联度模型中应用定义的关联离散度作为评价测度，并在此基础上引入隶属度理论，对贵州省湄江河某河段的水质作出评价。结果表明，以关联离散度为测度计算的隶属度能更精确地判定水体水质类别归属。     

洞庭湖水体水质状况及运用小波神经网络对营养状态的评价

根据近年洞庭湖水质监测数据,考虑TN,TP,COD等参数具体分析了目前洞庭湖的水质状况及变化趋势：不管是平水期还是枯水期,水体的水质状况都较差,营养水平较高;枯水期水体的水质状况呈现恶化趋势．通过深入探讨洞庭湖区水质恶化的原因,运用小波神经网络评价洞庭湖各监测点附近区域的营养状况,结果表明,目前洞庭湖的大部分区域已达到富营养化水平．由于洞庭湖周边有很多重要的生态保护区,因此洞庭湖的富营养化问题已不容忽视．最后针对洞庭湖的富营养化问题提出了相应的对策。     

基于空间相关性和神经网络模型的实时河流水质预测模型

基于高频水质在线监测数据,利用水质数据的空间相关性构建神经网络模型实现对河流水质的实时预测.应用此模型对广州市白坭河流域的水质参数溶解氧和氨氮进行预测和分析,验证水质模型的效果.根据预测时间的不同,搭建6种水质预测模型,结果显示溶解氧提前6小时预测的模型具有更好的预测效果,氨氮提前24小时内预测的水质模型效果较好.训练...