基于数理分析对长江水质的评价预测研究

长江水质污染日益严重,为了保护长江水资源,科学合理地预测长江水质对长江水资源的可持续发展具有重要意义。本文利用时间序列模型和多元线性回归模型预测了长江水质未来状况,并对长江水质预测结果进行了定性和定量的综合评价,分析得出未来五年长江水质污染的发展趋势。     

长江水污染预测模型

如果已知单个因子污染的实测浓度及评价标准限值,就只能得出单因子污染指数,但这样并不能反映水质的全貌.通过综合考虑对水质有影响的多个因素,建立了水质综合评价的多因子污染指数多元线性回归模型,取置信水平为0.95时,回归函数通过显著性检验,说明回归效果是显著的.各地区的综合污染指数大小反映了该地区的水质污染状况,即能判断该地区的水质类别.对已知数据采用最小二乘法拟合出三种关系函数:①各类水百分比随时间变化的关系函数;②污水排放量随时间变化的关系函数;③类水百分比和污水所占比例的关系函数.用拟合函数可对长江未来水质污染的发展趋势做全面预测分析.     

长江水质评价与预测模型

利用主成分分析方法对长江流域的水质进行评价,通过MATLAB软件计算,对长江流域17个地区的污染状况作出了评价排序,利用GM（1,1）模型与BP神经网络模型联合完成了对近几年不同地区的水质预测,给出了未来几年长江水质变化的综合评价。     

闽江河口富营养化数值模拟

基于改进的ECOMSED和RCA模型,针对闽江河口的地形特点,引入干湿网格判别法,建立适用于闽江河口的三维水动力水质耦合模型,模拟研究闽江河口的无机氮、无机磷、化学耗氧量和溶解氧等水质要素的浓度分布,并对海水富营养化状况进行评价.结果表明：构建的水质耦合模型能较好地反演闽江河口的水质特征;闽江河口的富营养化指数较高,基本处于重度富营养化状态,且富营养化指数呈现从感潮淡水区向海水区逐渐递减的阶梯状分布;三类主要污染物的表层浓度平面分布均从河口内往东南海域向外海逐渐递减.     

松花江流域水环境BOD-DO模拟及参数分析

为了准确模拟、预测和评价松花江流域河流水环境系统行为,利用O'Connor水质模型建立了松花江河段BOD-DO之间的响应关系.通过水团追踪监测试验方法获得了大量数据,识别模型参数、灵敏度分析和模型验证.结果表明:试验确定的松花江佳木斯段模型参数取值合理,其精度可以满足水质模拟的要求;对佳木斯段BOD-DO模型参数进行了温度参数修正;参数灵敏性分析显示:大气复氧系数和NBOD衰减系数对模型预测结果影响较大,CBOD耗氧系数次之,NBOD总衰减速率和CBOD总衰减速率灵敏度最低.松花江佳木斯江段的实测结果证明了BOD-DO模型和相应参数的有效性和可靠性.     

基于灰色理论模型的人口城镇化的分析

运用灰色模型对中国人口城镇化进行灰色预测,并结合回归模型进行预测结果误差分析比较,从误差结果可看出,灰色模型用于预测人口城镇化问题比回归模型更精确可靠,可将该模型用于预测未来几年人口城镇化的程度。     

基于灰色理论模型的人口城镇化的分析

运用灰色模型对中国人口城镇化进行灰色预测,并结合回归模型进行预测结果误差分析比较,从误差结果可看出,灰色模型用于预测人口城镇化问题比回归模型更精确可靠,可将该模型用于预测未来几年人口城镇化的程度。     

地下水水质评价的FA优化灰色关联投影寻踪模型

为解决水质评价中的不相容性和模糊性等问题,在综合考虑从优隶属度和灰色关联的基础上,改进了灰色关联投影法(Grey Relation Projection Method,GRPM),将改进后的方法与投影寻踪(Projection Pursuit,PP)法相结合,提出了用于地下水水质综合评价的灰色关联投影寻踪模型.该模型把地下水水质综合评价作为一个灰色多目标决策问题,运用投影寻踪技术,构建了可以反映地下水水质状况的投影目标函数,引入萤火虫算法(Firefly Algorithm,FA)对投影目标函数进行优化,寻求灰色关联投影值的最佳投影方向,求得标准样本和评价样本的灰色关联投影值,实现了地下水水质综合评价.随机选取北京市2013年枯水期水样10例,运用该模型进行了水质综合评价,将其结果与综合评分法(F值法)结果进行比较,验证了该模型的有效性和可行性.实例应用表明,该模型评价结果可客观反映地下水水质状况,可为对比分析同一级别水质样本,分析水质变化趋势提供依据,使评价结果更趋于实际.     

基于变异系数权重的水质评价属性识别模型

运用水质评价标准的指标数值变异系数确定其权重，提出了新的用于水质综合评价的属性识别模型。采用松花江哈尔滨江段的水质监测资料说明该方法的操作过程以及评价结果的可靠性。评价结果表明，松花江哈尔滨江段的水质已达Ⅲ级，符合实际的水质状况。该结果与层次分析法所得的结果相同，从而验证了该模型用于水质综合评价是可行的。     

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.     

基于改进PSO-LSSVM和蒙特卡洛法的电力系统可靠性评估

针对电力系统可靠性评估方法耗时长、误差大等问题,提出一种用改进粒子群优化算法(PSO)优化最小二乘支持向量机(LSSVM)参数,并将构建好的PSO-LSSVM模型与蒙特卡洛法(MCS)相结合用于发输电系统可靠性评估的方法。该方法通过对PSO算法进行合理的改进,得到更为精确的LSSVM模型参数,建立用于分类系统状态样本的PSO-LSSVM模型。对MCS方法抽取的系统状态样本分类得到故障状态和正常状态,仅对故障状态样本进行可靠性指标计算,统计输出可靠性评估结果。采用该方法对IEEE-RTS 79系统不同运行情况下的可靠性指标进行计算,结果表明该方法保证计算时间不变的同时提高了LSSVM-MCS方法的评估精度。     

基于LS-SVM的边坡稳定性预测研究

针对边坡工程稳定性估计的复杂性,将最小二乘支持向量机引入到边坡稳定性估计的研究中,分别建立了边坡安全系数预测的最小二乘支持向量机模型和边坡稳定状态预测的最小二乘支持向量机模型,以实例数据为学习样本和测试样本,讨论了基于最小二乘支持向量机的边坡稳定性分析方法及其可行性．该方法具有一定的工程参考和实用价值．     

通过PET-CT图像纹理特征预测软组织肉瘤转移性

提出了一种针对软组织肉瘤转移性预测的辅助诊断方法,该方法通过对患者的FDG-PET和CT诊断图像进行纹理特征分析,共提取了105个特征,其中包括灰度共生矩阵的24个特征和其他81个灰度等级的特征,分别利用支持向量机、K近邻和随机森林等机器学习算法建立预测模型,并采用网格搜索法对其参数进行优化.最后使用留一交叉验证法对各...     

支持向量机回归与v-支持向量机分类解的关系

讨论了支持向量机回归与v-支持向量机分类解的关系,证明了对给定的v-支持向量机分类问题的解,通过选择适当参数,存在一个支持向量机回归问题的解与它等价.     

基于极限学习快速分类方法的人体跌倒检测方法

为了准确快速检测人体跌倒状态,提出基于惯性测量单元(inertial measurement unit,IMU)测量和处理数据的极限学习机(extreme learning machine,ELM)快速分类判别方法。分析了人体运动行为特征,构建了腿部运动参数提取模型;通过IMU采集人体腿部运动特征数据,并进行姿态解算;采用ELM方法对人体运动特征的加速度、角速度和姿态进行分类,判断人体是否处于跌倒状态;根据机器学习评价指标对ELM参数进行优化,得到最佳参数。进行了人体运动状态测量实验,结果表明,ELM方法能够对IMU测量和处理数据进行准确快速地分类。当隐含层结点为1 000时,ELM检测方法跌倒检测的准确率为96. 45%,灵敏度为97. 32%,特异性为89. 32%。因此,采用ELM快速检测方法,可有效地对人体运动特征数据进行分类,实现对人体跌倒行为的准确检测。     

基于PCA-OS-ELM的大气PM2.5浓度预测

为了提高细颗粒物PM_2.5浓度预测精度,提出一种主元成分分析与在线序列极限学习机相结合（PCA-OS-ELM）的PM_2.5浓度预测方法. 首先,通过主成分分析方法（PCA）提取高维大气数据中影响空气质量的关键变量,并去除不必要的冗余变量;其次,利用提取的关键变量建立在线序列极限学习机（OS-ELM）网络预测模型,将批处理和逐次迭代相结合,不断更新训练数据和网络参数实现大气PM_2.5浓度快速预测.研究结果表明,PCA-OS-ELM预测方法采用不同批次训练数据更新模型的方式,能够快速实现大气PM_2.5浓度预测,证明了该方法的有效性.与其他方法相比,该方法预测误差小,预测精度高,具有更好的实用价值.      

基于深度森林算法的油井产量预测研究

为了克服传统机器学习算法产量预测模型的缺点,以深度森林算法理论为基础,综合油井相关各项数据,建立了油井产量预测新模型。首先应用KNN最邻近方法和Z-Score标准化方法对油井相关数据进行预处理,利用MDI特征选择方法选择对油井产量影响最大的特征向量,然后将选出的特征向量作为深度森林模型的输入变量,建立深度森林产量预测模型,利用网格化搜索优化模型参数,最后在测试集上运行模型,对模型性能进行评估。研究结果表明,相对于BP神经网络等传统机器学习算法模型,深度森林模型的产量预测精度更高,可以准确预测油井产量,同时相对于深度神经网络等复杂学习算法,该算法参数少、调参及应用简单,为油井产量预测提供了一种新的方法和思路。     

基于改进麻雀搜索算法和支持向量机的边坡稳定性

边坡失稳是由多种因素共同作用的结果,常规的数学模型难以准确预测。为提高边坡稳定性预测精度,采用多策略融合改进麻雀搜索算法（improved sparrow search algorithm,ISSA）优化支持向量机（support vector machine,SVM）,进而建立边坡稳定性预测模型（ISSA-SVM模型）。将重度、粘聚力、内摩擦角、边坡角、边坡高、孔隙压力比6项因素作为输入特征,将边坡稳定性状态作为输出结果,进而预测边坡稳定性。选取国内外工程实例建立边坡数据库,将ISSA-SVM模型与SSA-SVM模型进行对比分析,通过灰色关联度分析法（grey relation analysis,GRA）进行敏感性分析。结果表明：ISSA-SVM模型预测精度更高、泛化能力更强,粘聚力和内摩擦角是对边坡稳定性最为敏感的因子。所提ISSA-SVM模型不仅能够准确地预测边坡稳定状态,还可以为其他领域相关问题提供参考。     

基于PSO-LSSVM的复杂试验不确定度分析

提出一种结合粒子群优化（PSO）算法和最小二乘支持向量机（LSSVM）模型的复杂试验不确定度分析方法。以汽车座椅的安全带拉伸试验为对象,研究汽车座椅安全带拉伸试验的主要影响因素及其概率密度函数参数,采用拉丁超立方方法进行试验设计,并进行安全带拉伸试验有限元仿真。运用PSO-LSSVM建立安全带拉伸试验的数学模型,并与B...     

制造系统重组过程中设备选择方法的研究

为探索在制造系统重组过程中,如何根据生产任务选择合适的设备,该文首先结合实际情况,提出了1套设备选择评价体系.考虑到判断信息的模糊性,应用模糊层次分析法确定各指标的权重系数,针对定性指标和定量指标,采用不同的方法确定其属于合适评价等级的隶属度.在模糊综合评价过程中,由于模糊算子对信息的取舍均带有一定的倾向性,为抑制其偏激,首先分别采用5种模糊算子进行综合评价,然后根据评价的结果,将可信度较高的3种模糊算子所得的结果加权平均,作为最终评价结果,以提高评价结果的可靠性.实例研究证实:该文所提出的方法能够有效简化决策过程.