北京市城市道路交通噪声的灰色预测

以北京市1991~2002年城市道路交通噪声监测数据为基础,运用灰色系统理论,建立了灰色GM(1,1)预测模型,并采用残差、均方差比值、小误差概率检验等3种办法对所建模型的拟合精度进行了检验.结果表明,此模型精度为一级灰色预测模型.预测精度较高,平均拟合偏差为0.40%.对2003~2005年噪声的预测精度平均高达99.9%.利用常规GM(1,1)模型、新陈代谢GM(1,1)模型和多维灰数递补GM(1,1)模型等三种预测模型对本市未来3年(2006~2008年)的城市道路交通噪声进行了预测.     

用灰色系统理论对新疆主要河流水质进行预测和分析

在对新疆河流水质现状进行分析评价的基础上,用GM(1,1)模型对今后五年内的河流水质进行了预测。     

应用递推GM（1,1）模型预测废气排放量

一、概述灰色系统理论中的一阶单变量预测模型GM(1,1),目前在环境预测实践中异常活跃,仅最近一段时间就有多种杂志刊登了多篇此类文章.总的来说,这些文章有以下两个特点:1.应用领域的拓广.如应用于港口油污染预测,降水pH值预测,城市环境综合整治定量考核指标预测,工业废渣产生量预测,大气悬浮颗粒物浓度预测,水污染控制系统中应用等等.2.预测方法的应用.如采用残差再度建模修正的方法,新陈代谢模型(等维信息模型)方法,拓扑预测方法,灾变预测方法等等.从根本上而言,这些应用实践均基于同样的建模原理及辨识方法(本文称之为普通GM(1,1)模型),即为连续的微分模型.本文将这种建模原理及辨识方法作适当的改变,介绍一种递推的差分模型,并应用于     

灰色系统GM（1,1）模型在城市地下水总硬度预测中的应用

应用灰色系统GM(1,1)模型,对地下水中总硬度的变化作了预测.检验结果表明,该模型精度较高,是一种较好的预测方法.     

紫外光诱导荧光分析仪结合多元线性回归算法在城市河流常规污染指标监测中的应用

为建立一种针对城市河流水体常规污染指标的快速原位监测方法,首次运用紫外光诱导荧光分析仪对扬州市60条城市河流进行水体三维荧光光谱(EEM)测量,形成了具有多样性的水质样本集合。利用峰值拾取法、相关性分析和主成分分析3种方式从三维荧光光谱中提取溶解性有机物(DOM)污染信息,结合多元线性回归算法(MLR),建立与化学需氧量(COD_Cr)、高锰酸盐指数(I_Mn)、氨氮(NH₃-N)和总磷(TP)4项常规水质污染指标相关的预测模型。研究结果表明,峰值拾取法结合相关性分析可以有效地反映水体EEM中的污染特征和状况,由此建立的4项水质指标预测模型训练集决定系数均>0.82,预测结果与国家及行业标准方法分析值之间具有较低的均方根误差,说明该预测方法具有较好的准确度和精密度,为城市广域水体的高效、原位监测提供了一种有效的解决方案。     

黑龙江省“十三五”时期生态环境质量变化及趋势预测

以黑龙江省生态环境监测网监测结果为基础,总结归纳了"十三五"期间黑龙江省生态环境质量变化特征,并采用随机森林和GM(1,1)预测模型对"十四五"期间黑龙江省生态环境质量状况进行了预测。结果表明:"十三五"期间,黑龙江省环境空气、水环境和声环境质量全面好转。其中,环境空气主要污染物PM_2.5、PM₁₀、SO₂、NO₂和CO的年均质量浓度均呈现出明显下降的趋势,"哈大绥"重点区域PM₁₀、SO₂、NO₂和CO年均质量浓度呈现下降趋势。地表水水质总体呈波动变化趋势,水质状况均为轻度污染。"十四五"期间,黑龙江省生态环境质量将处于稳中向好的趋势。环境空气主要污染物及地表水主要污染指标年均质量浓度均呈现明显的下降趋势,道路交通声环境质量也将得到进一步改善。     

长沙市生态足迹与脱钩效应变化及预测分析

用改进的生态足迹因子对长沙市2002—2016年的生态足迹及其脱钩状态进行定量评价，并构建灰色GM(1,1)模型对长沙市生态状况进行预测。结果表明：长沙市生态足迹由期初的8.63×106hm2逐年增加到期末的1.16×107hm2，同期可利用生态承载力由1.99×106hm2逐年增加到2.03×106hm2，生态赤字由-6.65×106 hm2先升后降至-9.58×106hm2；灰色GM(1,1)模型预测得到2030年生态赤字将上升到-1 368.03 hm2。     

环境振动的灰色预测模型

利用GIM(1)的非时序直接建模法预测研究建筑施工的环境振动 ,并将GIM(1)模型与GM (1,1)模型进行比较分析 ,结果表明GIM(1)模型的拟合精度优良 ,对原始资料中白化信息的利用更加丰富 ,拓宽了GIM (1)模型在环境科学领域中的应用范围     

灰色系统GM（1,1）残差模型在水质预测中的应用与探讨

近年来，灰色系统理论在环境预测方面已被较为广泛地应用，本文以青格达湖水质污染指标COD近十余年的监测数据作为原始数据．预测来来水质污染指标浓度值，探讨GM（1，1）模型在水质预测中的适用条件。1方法概述按X（0）的原始数据列得到下述GM（1，1）模型的时间响应函数。从模型得到的还原数据列为已知原始数据列为定义残差为如果取k—i．i＋1…·．n，便有残差列q（）一（q（0）（i）．q（0（i＋l）…·，q’0’（n》·对十”建立GM（1，1）模型．得时！司响应函数2计算步骤2．1建立GM（1，1）模型对原始数据列X”’作一次累加主成…     

因子分析法在金泉工业园区地下水水质评价中的应用

根据金泉工业园水源地8个不同监测断面的地下水水质监测数据,采用R型因子分析法对园区水源地地下水水质进行综合评价,在研究地下水中13种化学成分间相关关系的基础上,提取4个主因子进行分析计算。结果表明,Cl-、SO24-、总硬度和可溶性固体对第一主因子贡献明显;第二主因子代表指标是Zn;第三主因子代表指标是As;NO3-、氨氮、NO2-对第四主因子贡献显著。对水质进行综合评价后发现,人民渠、海流图河和乌拉壕监测断面处水质类别为V类,其他断面均为IV类。因子分析法从整体上评价了园区水源地地下水的水质现状,分析结果清晰明确,为日后地下水资源的管理与保护提供科学依据。