水质综合评价的遗传投影寻踪插值模型

为解决各单项水质评价指标评价结果的不相容问题 ,提高水质综合评价各层次的分辩力和评价模型的精度 ,本研究采用大样本数据 ,利用投影寻踪、遗传算法、插值型曲线和水质评价标准 ,为水质综合评价建立了一种新的数学模型———遗传投影寻踪插值模型 (GPPIM)。实例研究表明 ,GPPIM建模方法直观、可靠、精度高 ,既具有较强的分类功能 ,又具有较好的排序功能 ,可广泛应用于各种环境质量的综合评价。     

基于联系云的地下水水质可拓评价模型

地下水水质评价受诸多不确定因素的影响,评价指标具有模糊性、随机性和离散性特征.为真实反映指标的分布特征,提高地下水水质评价的合理性与可靠性,在此将可拓学与联系云理论耦合,提出能够描述评价指标在分类等级间转换态势的联系云可拓模型,即基于指标分类标准确定联系云数字特征,生成有限区间内的联系云与构建联系云可拓矩阵,实现统一定量描述地下水水质评价指标的确定和不确定性,然后结合权重,分析待评价物元与地下水水质等级的联系,综合确定待评物元的水质等级,并给出评价结果的可信程度.实例应用及与投影寻踪和模糊物元耦合方法结果的对比表明,本文模型评价结果与投影寻踪模糊物元方法的结果基本吻合,且基于联系云可拓模型评价地下水水质等级置信因子均小于0.01,更有效可行,并克服了可拓方法不能反映评价指标模糊性特征的缺陷.     

PMA-PP分析模型在内河水质科学评价中的应用

针对目前我国城市内河普遍遭到污染的问题,在分析影响内河水质因素的基础上,选取BOD5(五日生化需氧量)、CODcr(化学需氧量)、石油类、挥发酚、NH3-N(氨氮)、总磷等6个主要因素作为评价因子,建立了城市内河水质评价的投影寻踪分析模型,采用人口迁移算法对评价模型进行优化,并将该模型应用于南宁市10条内河水质的评价与排序。研究表明,用投影寻踪回归分析法进行水质评价,避免了传统评价方法由于主观原因造成的误差,评价结果合理可信、方法简单,为我国城市内河水质的评价提供了新途径。     

投影寻踪模型在水环境质量评价中的应用

介绍了投影寻踪模型的基本原理，总结了投影寻踪模型在水质评价、水资源承载力评价、水资源可持续利用评价及地下水脆弱性评价等领域的应用研究现状，探讨了投影寻踪模型在水环境质量评价领域的研究方向。     

投影寻踪新算法在水质评价模型中的应用

用实数编码的遗传算法给出了一种投影寻踪方法中投影方向优化的新途径．在一个简单投影指标下,用新的优化途径建立了多元数据分类模型,并将其用于多指标的标准水质分类．两个实例样本水质评判结果表明,用投影寻踪新算法可以揭示高维数据的结构特征,所建立的分类与综合评价模型不仅有效,而且结果简单、直观和易于理解．     

水质综合评价的投影寻踪模型

为检验水质评价标准的合理性，解决各单项水质指标评价结果的不相容问题，提高水质评价模型的分辨率，提出了一种新的模型－投影寻踪模型，它的评价结果是实数值。实例的计算结果表明，该方案是有效的和通用的，可应用于各种环境质量综合评价中。     

基于指标模糊权和协调性下的地下水水质评价模型构建及应用

在地下水质量标准中,各指标权重的选择与权重的内涵存在着不确定性;同一指标的分级界点值差异显著,近似地呈现几何级数变化。基于以上这两种情况,构建基于指标模糊权和协调性下的地下水水质评价模型。应用层次分析法和专家调查9标度法确定指标的相对权重,结合贝塔系数计算出指标的模糊权重。对评价标准及待评价地下水水质监测值进行对数变换,采用距离测度法来构造隶属函数,并对其进行求余,按最大隶属原则来评判地下水质量等级。应用此模型对徐州市的重要水源地——张集地下水水质进行评价。结果表明:研究区的20个采样点水质为Ⅱ、Ⅲ级的占90%,符合饮用水的要求。与投影寻踪法的评价结果基本一致。     

投影寻踪法在水质评价模型中的应用

本文利用主成分分析来完成投影寻踪过程 ,建立了多指标分类模型。两个实例样本水质评判结果表明 ,用投影寻踪法可以揭示高维数据的结构特征 ,所建立的分类与综合评价模型不仅有效 ,而且结果简单、直观和易于理解。     

基于分形维数权重的南水北调东线源头水质评价研究

水质评价问题的实质是对水质现状和各评价因素间的函数关系的逼近,是一种复杂的非线性问题.针对水质评价指标之间的非线性关系,提出了基于分形维数权重的水质评价方法.为有效地评估南水北调东线源头的水质现状,首先选取影响水质评价的7个主要因素,根据标准等级水体分类标准,采用在等级标准中随机内插的方法,得到50个标准等级样本,并根据样本综合评估值与经验等级之间的关系建立分形插值评价模型;最后,以长江江都市芒稻河断面2001—2008年的年平均水质监测数据为例对模型进行验证.结果表明,该方法可以通过分段函数得到每个样本的具体得分值,因而具有较高的分类精度,为水质评价提供了一种较好的新方法.     

投影寻踪法在水质评价模型中的应用

本文利用主成分分析来完成投影寻踪过程，建立了多指标分类模型。两个实例样本水质评判结果表明，用投影寻踪法可以揭示高维数据的结构特征，所建立的分类与综合评价模型不仅有效，而且结果简单、直观和易于理解。     

Projection pursuit cluster model and its application in water quality assessment

One of the difficulties frequently encountered in water quality assessment is that there are many factors and they cannot be assessed according to one factor, all the effect factors associated with water quality must be used. In order to overcome this issues the projection pursuit principle is introduced into water quality assessment, and projection pursuit cluster(PPC) model is developed in this study. The PPC model makes the transition from high dimension to one-dimension. In other words, based on the PPC model, multifactor problem can be converted to one factor problem. The application of PPC model can be divided into four parts: (1) to estimate projection index function Q(a) ; (2) to find the right projection direction a ; (3) to calculate projection characteristic value of the i th sample zi, and (4) to draw comprehensive analysis on the basis of zi. On the other hand, the empirical formula of cutoff radius R is developed, which is benefit for the model to be used in practice. Finally, a case study of water quality assessment is proposed in this paper. The results showed that the PPC model is reasonable, and it is more objective and less subjective in water quality assessment. It is a new method for multivariate problem comprehensive analysis.     

A new water quality assessment model based on projection pursuit technique

A new water quality assessment model was built based on projection pursuit technique. A great quantity of sample data was applied to increase the model's precision. A new genetic algorithm combined with conditional optimization method was proposed and applied to the model optimization, which could deal with global optimization problem with various restrictions effectively. The case study shows that this model can give an appropriate assessment of water quality. Moreover, it can determine the index weights in an objective way or provide information for decision makers, which is difficult for other assessment methods.     

区域水资源开发利用程度综合评价的GPPIM

水资源开发利用程度评价是一个由多指标组成的复杂巨系统,其难点是如何合理地建立评价该系统的数学模型。当前的评价模型随着评价内容的不同而变化,精度较难控制。为解决单项水资源开发利用程度评价指标评价结果的不相容问题,提高水资源开发利用程度综合评价各层次的分辩力和评价模型的精度,论文采用大样本数据,利用投影寻踪、遗传算法、插值型曲线和水资源开发利用程度评价标准,为水资源开发利用程度综合评价建立了一种新的数学模型---遗传投影寻踪插值模型(GPPIM)。实例研究表明,GPPIM建模方法直观、可靠、精度高,既有较强的分类功能,又有较好的排序功能,可广泛应用于各种水资源问题的综合评价。     

规范变换与误差修正结合的环境系统的前向网络和投影寻踪预测模型

为了建立适用于环境系统的结构简洁、形式统一、程序规范、应用普适的神经网络和投影寻踪回归预测模型,针对传统的神经网络和投影寻踪回归用于多因子、大样本预测建模,存在模型结构复杂、学习效率低的局限,提出设置环境系统预测量及其影响因子参照值和规范变换式的原则和方法,使规范变换后的影响因子皆"等效"于同一个规范影响因子,从而将多因子的的预测建模简化为等效规范因子的预测建模,使模型结构得到极大地简化,提高了学习效率;此外,为了提高预测模型的预测精度,还提出了对预测样本的模型输出值的误差修正公式.在对环境系统的预测量及其影响因子进行规范变换的基础上,将m个规范影响因子的每个建模样本组成m个"等效"训练样本,应用免疫进化算法优化模型参数,分别建立适用于环境系统的2个或3个规范影响因子的前向神经网络和投影寻踪回归两类预测模型;并依据误差理论,对误差修正公式修正后的模型预测精度的提高进行了严格的数学论证.将基于规范变换与相似样本误差修正相结合的两类预测模型,用于某市5个点位的SO_2浓度预测,并与6种传统预测模型和方法的预测结果进行了比较.结果表明:对同一个预测样本,同类模型的两种不同结构的的预测值及其相对误差都几乎完全相同或彼此相差甚小;此外,两种不同结构的两类预测模型用于5个样本预测,其相对误差绝对值的平均值分别为2.59%、2.67%;2.18%、2.62%,均远小于传统BP神经网络模型的25.72%、传统PPR模型的14.20%、传统SVR模型的22.13%、模糊识别模型的21.57%、组合算子模型的18.36%和多元回归模型的25.31%;而两类模型预测的最大的相对误差绝对值分别为4.11%和3.57%,更加远远小于传统的6种预测模型的37.18%、56.07%、27.40%、32.14%、38.38%和60.26%.实例分析结果证实了误差修正公式对提高模型预测精度具有切实可行性.基于规范变换与误差修正相结合的前向神经网络和投影寻踪回归两类预测模型不仅避免了"维数灾难",提高了学习效率和模型的预测精确度,而且具有简洁、普适、规范、统一和稳定的特点,对其他预测建模也有借鉴作用.     

基于前向神经网络的广义环境系统评价普适模型

为了建立由水环境、空气环境、生态环境、水资源环境、灾害环境、遥感环境、社会经济环境等不同环境系统组成的广义环境系统评价都能普适、通用的神经网络模型,针对BP神经网络因收敛速度慢、易于陷入局部极值而使实用性受限的缺陷,提出以双极性sigmoid函数作为网络隐层节点(神经元)的激活函数,而网络输出为所有隐层节点输出的线性求和的前向神经网络的广义环境系统评价模型.在设置广义环境系统指标参照值和指标值规范变换式,并对指标值进行规范变换的基础上,分别构建了适用于广义环境系统评价的任意2个指标规范值的前向神经网模型(NV-FNN(2)结构)和任意3个指标规范值的前向神经网模型(NV-FNN(3)结构).而对于指标较多的广义环境系统评价,只要将多指标分解为以上2个指标和3个指标的两种简单结构的前向神经网络的广义环境系统评价模型的组合表示即可.理论分析和实例检验结果表明:该模型对任意广义环境系统的规范指标值皆普适、通用,因而使不同环境系统的评价变得简洁、统一.规范变换和优化算法相结合的建模思想和方法对简化广义环境系统评价的多元回归、投影寻踪回归、回归支持向量机和径向基神经网络建模亦有借鉴和启迪作用.     

污染物浓度预测的PPR模型

采用投影寻踪回归技术的审视数据－模拟－预测新思路,对环境监测数据进行探索性分析,建立了污染物浓度预测的ＰＰＲ模型,该模型用于水污染物ＢＯＤ和ＤＯ浓度预测结果,共建模样本拟合格率为１００％,预测检验样本预测合格率达８３．３％。