基于变异CPSO算法的LSSVM出水COD的软测量研究

在分析混沌粒子群优化算法(CPSO)和最小二乘支持向量机(SVM)理论基础上,以某污水处理厂的氧化沟系统为对象,采用带有末位淘汰机制的混沌粒子群优化算法优化支持向量机的参数,建立了基于变异CPSO算法的LS-SVM的氧化沟出水水质COD软测量模型,并与PSO-LSSVM,LSSVM模型比较,研究表明,ICPSO-LSSVM模型预测准确,泛化性能好,且该模型预测结果中相对误差小于10%的样本达到90%,最大相对误差仅为12.5%,均方差MSE为0.0106,模型具有较高的精度,基本可以实现出水COD浓度的在线预估。     

基于改进混合遗传-支持向量机的CMF产水预测研究

将模拟退火思想和加速遗传特性相结合,改进选择策略和遗传算子,建立加速遗传模拟退火算法（AGSA）;基于支持向量机（SVM）的非线性回归和改进混合遗传算法的因子筛选,构造了支持向量机模型参数的自适应优化算法,提出连续微滤系统（CMF）产水预测模型;通过实测中试规模连续微滤系统产水量变化对模型进行验证,结果表明：该模型较好...     

变权组合模型在景观水体水质模拟中的应用

针对景观水体的水质模拟与预测问题,在BP神经网络和支持向量机模型的基础上,建立了权重随输入量变化的变权组合模型。该模型既能充分利用各个单一模型的优点,又能避免固定权重分配的弊端。经实例验证,与单一的BP神经网络和支持向量机模型相比,变权组合模型拟合精度更高,预测结果更为准确。     

基于改进支持向量回归机的污水处理厂出水总氮预测模型

在小样本数据的情况下,采用粒子群优化算法(PSO)对传统支持向量回归机(SVR)进行改进,将其应用于北京某大型污水处理厂出水总氮浓度预测上。预测结果精度对比分析表明,PSO-SVR模型预测结果平均相对误差为1.836%,决定系数为67.76%,均方根误差为0.693 9,各评价指标均优于多元线性回归模型、BP神经网络模型。因此在小样本情况下,利用PSO-SVR模型对污水处理厂出水总氮浓度进行预测是可行有效的,为应用数据驱动模型对污水处理过程进行建模模拟提供了一种新方法尝试。     

基于主成分和粒子群优化支持向量机的水质评价模型

水质的评价是治理水污染必不可少的工作。为了准确、快速地对水质进行评价,利用主成分分析法从水质监测常见的多个物化指标提取出主成分,然后将主成分作为支持向量分类机的输入,利用历史数据进行水质评价训练并用粒子群算法优化参数,构造出水质评价模型,将从物化指标中得出的主成分代入此模型即可得到水质类别。最后,选取水质监测点实测数据进行试验,结果表明,模型的水质评价结果准确且稳定。     

基于支持向量机的白云湖水质评价

利用支持向量机模型良好的推广和泛化能力,以及在处理分类问题及小样本问题方面的优势,构建了湖泊水质评价模型,并运用此模型对白云湖的水质评价进行了研究。于2011年对广州市白云湖进水口A和出水口E以及湖区内B、C、D共5点分别进行了3次水质监测(1月份、4月份和8月份)。分析结果表明,A、B、C、D、E 5点1月份的水质除B点为Ⅳ类水外其余4点均为Ⅴ类水,4月份除A点为Ⅴ类水外其余4点均为Ⅳ类水,8月份除A为Ⅳ类水外其余4点均为Ⅱ类水,白云湖在经过开始的不稳定状态后,正在逐渐实现其净化水质的设计作用。相对于常规的评价方法,所得结果更为科学、合理。     

基于时域权重矩阵的模糊综合水质评价法及其应用

水质评价作为合理开发和保护水资源的一项重要工作,越来越受到人们重视。传统的模糊综合水质评价方法因未考虑到水质指标权重的季节变化而可能影响评价结果,故对水质指标权重向量进行了改进,提出了时域权重矩阵的概念,并将实测权重向量与时域权重矩阵相结合,进行组合赋权,得到综合权重向量。应用改进的模糊综合评价方法对某引水明渠水质进行综合评价,结果相比于传统模糊综合水质评价法更符合实际。     

水质评价中模糊-集对分析法的改进

针对水环境的不确定性和模糊性,基于集对分析法和模糊理论相结合的评价模型已被广泛运用到水质评价当中。传统的评价模型在确定水质等级的复合算法中虽引入了权值的概念,但仍会出现指标浓度重复计算、信息丢失和指标权值的影响得不到体现等缺陷,具有局限性。针对这些缺陷,将基于加权后的内梅罗指数法思想应用于传统模糊-集对分析法中的复合算法上,考虑到加权内梅罗指数法兼顾极值的特性及计权性,通过取平均值和极值替代累加的方法来实现减小指标浓度重复计算的影响,同时加强复合算法中权值所占比重使得权值的作用得到充分体现。实验表明,改进的复合算法使得评价结果更为精确、客观。     

基于支持向量机的湿法脱硫塔污染治理优化与能效评价

环境污染排放治理与系统综合能耗之间的协同优化与评价是解决我国环境与能源不堪重负的理论前提。针对燃煤电厂脱硫系统协同优化与评价的关键问题,基于湿法脱硫控制系统在线运行数据的支持向量机(SVM)智能深度自学习,构建了脱硫系统实时在线污染排放指标和系统综合能耗指标的协同预测模型,明晰了关键调控参数-污染排放治理-系统综合能耗之间的协同耦合规律,据此提出了工业级锅炉脱硫塔的污染排放治理与系统综合能耗的创新协同评估方法。结果表明:出口二氧化硫排放浓度和系统综合能耗指标与氧含量呈负关联协同耦合关系,与浆液密度呈先减后增的协同耦合关系,而污染排放治理与系统综合能耗指标呈负关联协同耦合关系;提高氧含量并将浆液密度控制在约1 250 kg·m~(-3),可使系统污染排放治理与综合能耗指标均处于最优状态,协同优化可使系统综合能耗指标最大降幅达8.3%。示范工程验证表明:脱硫系统污染排放与综合能耗指标的协同预测模型精准可靠,其最大误差小于10%。综合上述结果,基于支持向量机的回归方法可应用于工业级湿法脱硫锅炉的污染排放治理与能效评价,对实际脱硫工程的优化运行具有指导意义。     

水质总氮在线检测的光谱数据校正方法

由于受光纤灯源光能波动和一些外界干扰的影响,微型光谱仪检测到的光谱数据存在波动现象,这将直接影响水质总氮在线检测的精确性。在采用均值法去除随机噪声干扰的基础上,针对光能波动的问题基于支持向量机提出了一种光谱数据校正方法,并建立了吸光度与浓度的线性关系。实验结果表明,该方法提高了光谱数据的稳定性,检测相对误差从校正前的12%提高到5%以内,满足水质总氮的分析测试要求。     

基于支持向量机的重污染工业企业碳风险预警研究

针对碳效率较低、排放量大为特点的中国重污染工业企业在未来实行节能环保与低碳发展可能存在着导致经济利益流出的碳风险,结合国内外对碳风险研究较少的现状,提出建立重污染工业企业碳风险评价指标体系与预警模型。以机器学习的最新成果——支持向量机(SVM)模型为基础、选取高斯核函数并借鉴风险预警理论成果,对实验企业进行风险预警。使得企业能正确识别和把握碳风险,以事前控制的理想状态降低碳风险对企业的影响。结果表明,运用SVM模型进行碳风险预警具有较高的准确性、可操作性与推广价值。同时,总结了SVM模型评估得出碳风险较低的企业所具有的共性,对于重污染工业企业管控碳风险的实践具有重要指导意义。     

阜新市大气质量评价及其有效性的研究

为了解阜新市2008—2012年的大气质量,就主要指标总悬浮颗粒物、二氧化硫和二氧化氮浓度并结合国家相关标准对这5年的大气数据进行了分析。分析方法为改进属性识别模型,该模型结合属性识别理论模型,同时运用变异系数法计算权重,从而对属性识别的评价模型进行改进。使用该模型分析了这5年大气质量的变化情况,并与综合污染指数法和模糊综合评价法进行了结果比较,阐述了该方法与这两种方法的优点。结果表明,按污染程度从轻到重排序为2012年2011年2009年2008年2010年,阜新市大气质量趋于好转。     

免疫粒子群算法优化的环境空气质量评价方法

为了提高免疫算法的收敛速度，将粒子群优化思想引入到免疫算法中，设计了一种免疫粒子群优化算法。采用该算法对大气污染损害公式的参数进行寻优，得到了适用于臭氧、PM2．5等6种大气污染物的环境空气质量评价的污染损害指数公式及环境空气质量评价模型。为了使评价结果更准确，采用了国家环保部最新发布的空气质量标准中给出的大气污染物种类、数目及各级浓度限值。将该评价方法应用于大气质量评价领域，实验结果表明，该方法评价结果准确，具有较好的灵活性、实用性和应用前景。     

生物脱氮除磷活性污泥系统复合模拟方法

为避免繁琐的参数校核工作,提出了活性污泥2 d号模型(ASM2d)和人工神经网络(ANNs)相结合的复合模拟方法。考察了复合方法在某污水处理厂生物脱氮除磷工艺中的应用情况。研究表明,ANNs能够准确地模拟出水实测值与未经校核的ASM2d机理模型的估计值之间的差值。利用Levenberg-Marquardt算法,对出水氨氮、总氮和总磷分别建立网络结构为5-12-1、5-8-1和5-8-1的ANNs子模型,将这些子模型输出同ASM2d机理模型输出相加便得到复合模型输出。复合模型估计值对前10.4 d(ANNs子模型训练数据时段)出水氨氮、总氮和总磷浓度的拟合平均绝对百分比误差分别为0.267、0.055和0.048;其对后2.6 d(ANNs子模型测试数据时段)出水氨氮、总氮和总磷浓度的预测平均绝对百分比误差分别为0.332、0.083和0.069。均方根误差、平均绝对误差等评价指标也表明复合模型能够给出合理的模拟结果。     

基于人工蜂群算法与BP神经网络的水质评价模型

针对BP网络水质评价模型的不足,引入人工蜂群(ABC)算法,将求解BP神经网络各层权值、阀值的过程转化为蜜蜂寻找最佳蜜源的过程,提出了一种新的结合人工蜂群算法的BP网络水质评价方法(ABC-BP)。并以2000—2006年渭河监测断面的10组实测数据作为测试样本对其水质进行了评价,实验结果表明该方法得到的水质评价结果准确,并具有很强的稳定性和鲁棒性。     

战略环境评价有效性评价指标体系与方法探讨

近年来,战略环境评价(SEA)的有效性研究逐渐受到关注,但是当前国内外研究缺乏对SEA有效性评价指标和评价方法的探讨.针对SEA评价模式,初步构建了包括背景有效性、程序有效性、目标有效性和增量有效性等4项一级指标和11项二级指标的评价指标层次结构,提出采用层次分析法和模糊综合评价法对SEA的有效性进行综合评价.在此基础上,尝试性地以天津滨海新区SEA为例,应用模糊评价法对其有效性进行定量分析,为进一步建立SEA有效性评价标准提供思路,为完善SEA有效性评价方法和模型提供理论支持.     

典型场地地下水污染源强分级评价方法研究

地下水污染程度评价是地下水研究领域的研究热点。以场地浅层地下水为研究对象,基于目前国内工业场地有无防渗措施的分类原则,综合考虑污染源和场地包气带特征因子,构建了地下水污染源强分级评价指标体系。将修正的内梅罗污染指数法应用于污染源危害性分级,并将改进后的DRTAS模型应用于包气带阻控性分级,利用矩阵法构建两方面多因素耦合模型,最后形成了适合典型工业场地的地下水污染源强分级评价的方法。选择4个典型污染场地对评价方法进行实地验证,分析结果表明,对于已建的或拟建的有防渗措施的项目,污染源危害性是造成场地地下水污染的主因;对于已建的无防渗措施项目,污染源危害性和包气带阻控性共同决定地下水污染源强。场地评价结果与水质监测报告结论相符,说明本研究建立的分级评价方法对于地下水污染的预防和控制具有借鉴意义。     

基于双权重模糊综合评判的南京空气质量评价

为了更加合理地评价空气污染程度,基于传统的浓度超标赋权单因子法,将污染物毒性纳入考虑,建立了双权重因子模糊综合评价模型,并应用于南京市空气质量评价。双权重评价结果与浓度超标赋权单因子法评价结果对比如下:南京市空气主要污染物为PM_(2.5)、PM_(10)和NO_23种,2013—2016年空气质量逐年改善,夏秋季节空气质量明显优于冬春季节。双权重因子模型计算所得的PM_(2.5)的空气污染权重是单因子法的2倍,PM_(2.5)与PM_(10)所占的空气污染权重占60%以上,显著高于其他污染因子,这是由于颗粒污染物较强的毒性所致。相对于单因子法,双因子权重法考虑了不同污染因子的危害程度,是一种更客观的空气污染评价方法。     

综合权重的集对分析模型在污水处理厂改造决策中的应用

针对污水处理厂升级改造的多目标决策问题,运用集对分析理论,构建了污水处理厂运行效果综合评价模型。通过引入熵权法和层次分析法确定指标权重,构造了一种新的计算指标综合权重的方法。应用该模型对上海市11座污水处理厂进行综合评价,与模糊综合法的评价结果做了比较。结果表明:基于综合权重的集对分析模型具有更高的准确性和合理性,为污水处理厂的升级改造决策提供了一种较为可靠的评价方法。     

基于因子分析法优选河流水体中氮浓度预测方法的研究

定量的河流水体中氮浓度预测方法有很多种,如何优选出预测精度较高的方法一直是学术界多年来致力于研究的重点。本研究采用因子分析法对预测方法的精度评价指标进行分析,并建立了预测方法精度的评价模型,对回归分析法、神经网络法、灰色系统法和增长率统计法4种水体氮浓度预测方法进行综合评估,优选出精度较高的河流水体氮浓度预测模型——BP神经网络预测模型。结果表明,此评估模型对类似研究具有一定的参考价值,能为选择出合适的河流水体氮浓度预测方法提供依据。