基于综合主成分及径向基网络的环境质量评价

运用综合主成分分析对监测数据进行处理,集成径向基函数人工神经网络(RBF-ANN),参考国家环境质量评价标准设定RBF的学习样本,从而构建区域环境质量综合评价模型,对安徽省合肥市新站综合开发试验区进行环境质量综合评价。实例分析结果表明,运用综合主成分法可以精准的统计出一个区域的环境综合数据,而且在matlab环境下运用RBF-ANN模型既可以准确,客观的评定环境质量的等级,又可以表现其环境污染的具体程度,能在同一评价等级内对不同环境质量的评价对象进行更加细微的污染程度的比较。结果表明,合肥市新站综合开发试验区环境综合质量介于轻度污染和中度污染的标准极限值之间,属于中度污染。     

环境质量分析与评价

X822 9801113环境质量综合评价的径向基函数网络模型/郭宗楼…(武汉水利电力大学)//环境科学研究/中国环科院一1997,10(4)一l~4环信X一6 建立了一个环境质量综合评价的径向基函数人工神经网络(RBF一ANN)模型,同时提出了一种简便、快速的R邵一ANN的最小二乘算法(RBF一LS算法)。在城市环境质量综合评价的应用中表明,提出的RBF一ANN模型及其算法是合理、有效、通用的。图2表4参2沈珍瑶(清华大学环境工程系).二//甘肃环境研究与监测/甘肃省环保所一1997,10(2)一16~18 环信X一39 从物理意义上探讨了在环境质量评价中应用的模糊数学的隶…     

基于BP神经网络的安全评价方法研究

阐述了BP神经网络的基本原理,利用机会约束的思想建立了综合安全评价模型．运用反向传播算法和遗传算法对神经元网络进行训练,在此分析基础上对系统综合安全评价模型进行求解,并对运用神经元网络进行综合安全评价的优点进行了分析。     

B－P网络用于水质综合评价方法的研究

本文应用误差反向传播（Ｂ—Ｐ）算法的人工神经网络建立了水质综合评价模型。该模型应用于实例的水质评价结果表明Ｂ—Ｐ网络用于水质综合评价具有客观性和实用性。     

B－P网络用于水质综合评价方法的研究

本文应用误差反向传播（Ｂ—Ｐ）算法的人工神经网络建立了水质综合评价模型。该模型应用于实例的水质评价结果表明Ｂ—Ｐ网络用于水质综合评价具有客观性和实用性。     

军事训练场土壤铅污染评价方法研究

基于美国环境保护局(US?EPA)的成人血铅模型(ALM)中有关人体血铅浓度与土壤铅浓度的模型算法,文章以我国工作人员血铅的职业接触限值为控制目标值,提出了军事训练场土壤中铅污染的风险管制值计算方法,采用内梅罗指数法构建军事训练场土壤中铅污染评价方法,并利用某军事训练场铅污染调查数据进行应用验证,结果表明该方法用于军事...     

基于测量-云模型的施工企业安全事故应急能力综合评价

为科学评估施工企业安全事故应急能力水平,促进企业应急体系建设。在统筹考虑指标因素关联性、评价过程模糊随机性的基础上提出一种基于测量-云模型(M-CM)的施工企业安全事故应急能力评价方法(即简称M-CM方法)。首先,界定安全事故应急能力内涵,建立施工企业安全事故应急能力评价指标体系;其次,通过问卷调查收集数据,采用测量模型确定指标权重,并运用云模型算法得到标准云和指标云参数;最后,通过云发生器绘制综合评价云图,结合云相似度确定施工企业安全事故应急能力评价等级。应用M-CM方法对某施工企业安全事故应急能力进行综合评价,结果表明:该施工企业安全事故应急能力评价等级为较高,该评价结果与企业实际安全检查报告基本一致,从而验证了M-CM方法和指标体系的科学合理性。     

环境质量分析与评价

向传播算法的人工神经网络方法建立了环境质量评价的B一P决策模型。用此模型研究实例的大气环境质量,结果表明B一P网络用于环境质量评价具有客观性和实用性。图1表4参4X822 9903242属性识别理论模型二级评判法在城市总体环境质量评价中的运用/.舒军龙…(杭州大学环境科学系)//环境工程/冶金部建筑研究总院一1999,17(l)一65一67,54环信x一26 属性认识理论模型是近年来提出的一种数学模型,它已成功地用于质量评价中。现将该模型引用到城市总体环境质量评价中,提出运用二级评判来综合评价城市总体环境质量。经实例分析表明,属性识别理论模型…     

城市生态交通系统综合评价方法及应用

基于城市复合生态系统理论,采用驱动力-压力-状态-影响-反应(DPSIR)模型确定综合评价初始指标,利用主成分分析 (PCA) 法和离差最大化方法 (MDM)分别对指标进行精选及赋权,引入生态综合指数(ECI)对系统进行综合量化评价,利用各方法解决不同阶段问题的优势,重新组合,构建城市生态交通系统综合评价模型算法.运用该模型对2000─2005年北京城市交通生态化水平进行综合评价.结果表明:北京市城市交通生态化水平逐年提高,但总体水平不高,ECI维持在0.8以下,处于生态化建设时期;区域经济状况、道路通达性、烟尘控制及城市绿化建设方面生态化水平较高,而大气环境综合控制、绿化带整合、道路建设及物流发展方面生态化水平较低,是制约北京城市交通生态建设的重要因素.      

基于主成分分析和粒子群优化支持向量机的边坡稳定性评价

为科学评价边坡工程的稳定性,优化边坡稳定性的预测精度,提高工作效率,提出了基于主成分分析法(PCA)和粒子群算法(PSO)优化的支持向量机(SVM)模型。首先利用主成分分析法对边坡稳定性影响因子进行特征提取,以获得的主成分作为支持向量机的特征向量建立支持向量机模型,然后通过粒子群算法优化支持向量机参数,最终建立边坡稳定性评价模型,并对边坡实例的稳定性进行预测,结果表明:PCA-PSO-SVM模型的运行速度快,预测准确率达909%,满足工程要求。     

径向基函数网络在水环境质量评价分区中的应用

为探讨水环境质量综合评价的客观方法 ,以江西抚州地下潜水水质资料为例 ,建立了该区地下潜水水环境质量综合评价的RBF ANN网络模型。通过与其它方法对比 ,结果表明 ,利用用RBF ANN方法进行水环境质量评价不仅方法简便 ,而且结论更接近客观实际     

人工神经网络模型在水质预警中的应用研究进展

水质预警模型是大数据时代构建环境智能决策与管理体系的关键技术.近年来,水质自动化监测能力的提升以及测管协同对环境模型的强烈需求,激发了研究人员探索新的建模方法并努力提高模型预测性能.其中,人工神经网络(Artificial Neural Network, ANN)模型发展迅速.本文综述了3大类ANN模型的发展历史和模型结构特点,梳理了ANN模型在水质数据软测量、数据异常检测和时间序列预测等方面的研究进展,归纳了一般建模流程、技术建议和常用的模型性能指标,发现ANN模型的应用依赖于监测数据质量,存在模型可解释性差、模型运行硬件资源要求较高等不足,提出未来水质预警模型的研发思路和重点,需要加快推进水环境监测技术与预警模型的协同发展和业务化应用,通过多种应用场景检验实现技术迭代,形成大数据驱动的水质在线监测-智能预警-应急管理支撑体系,助力我国环境治理能力现代化.     

Integration of artificial neural network and MADA methods for green supplier selection

In recent years, with the raising of awareness in environmental protection and sustainable development in enterprises, the green issue has become more and more critical in supply chain management. This study intends to develop a green supplier selection model which integrates artificial neural network (ANN) and two multi-attribute decision analysis (MADA) methods: data envelopment analysis (DEA) and analytic network process (ANP). It is called ANN–MADA hybrid method. ANN–MADA hybrid method considers both practicality in traditional supplier selection criteria and environmental regulations. It also overcomes traditional DEA drawbacks, limitations of data accuracy and decision-making units (DMUs) amounts constraint. The model evaluation results of an international well-known camera manufacturer indicate that the ANN–MADA hybrid method outperforms two other hybrid methods, ANN–DEA and ANP–DEA. It was also discovered that ANN–MADA has better power of discrimination and noise-insensitivity in evaluating green suppliers’ performances.     

基于人工神经网络方法的水质预测初探

常规的水质预测模型因存在许多简化与假定而限制了其精度与实用性的提高.文章通过引入神经网络技术来建立水质预测模型,分别采用LM算法和RBF算法来提高预测的精度.结果表明,在建立三门峡水库流量和水质的输入响应关系模型的实际应用中,RBF算法取得了较好的预测效果.     

神经网络模型在环境现状评价中应用研究

人工神经网络技术具有很强的非线性映射能力和并行性、自适应、容错性及自学能力,已广泛应用于包括环境在内的多学科领域。文章将人工神经网络技术应用于环境影响评价中,通过案例研究用人工神经网络解决环境评价中的问题。以山西吕梁地区环境影响评价为案例,选择人工神经网络中的BP网络,径向基网络和自组织竞争网络等三种网络模型对其进行环境影响现状评价,并对评价结果作对比分析,通过网络设计、网络训练和模拟,结果说明BP神经网络模拟结果比其它两种方法更贴近环境质量现状。同时对不同参数选取得到的结果进行分析,并经过网络参数的不断调整提高评价结果的精度,总结出各种神经网络模型在环境评价应用过程中参数的选取方法。尝试用神经网络解决环境评价中的问题,使环境工作中的方法技术更科学。     

人工神经网络在湖泊富营养化评价中的应用研究

运用人工神经网络技术评价湖泊富营养化程度。详细阐述了神经网络的结构设计，样本生成及学习算法，给出了通过训练得出的网络权和阈值，最后将此神经网络用于１２个湖泊的富营养化评价，取得了较好的评价结果。     

环境模型的统计评价

系统地探讨了评价模型的统计指标,并在BOD反应动力学模型中使用,取得了较好的效果。     

基于自适应遗传小波神经网络的水质评价建模

水环境污染过程的非确定性和非线性,使得传统的水质评价方法存在局限性。为了提高水质评价的准确性,提出了一种基于改进小波神经网络(wavelet neural network,WNN)的水质评价模型。采用自适应遗传算法(adaptive genetic algorithm,AGA)对小波神经网络的初始权值进行优化,再通过小波神经网络算法对网络进行训练,最后对训练好的网络展开测试。仿真结果表明,自适应遗传算法和小波神经网络的结合提高了网络的训练效率,该方法可以用于水质评价建模,并且评价结果具有较高的精度和准确性。     

区域经济-污染-环境三维评价模型的构建与应用

为深入分析区域环境经济系统变化,在分析经济发展、环境污染、环境质量相互关系的理论基础上,构建了经济发展水平指数、环境污染指数、环境质量指数的三维立方体评价模型,划分了8个块区,分别表达低污染-低质量-低经济发展水平等8种状态,提出了模型的状态评价、发展阶段划分、演变趋势分析功能,以及相对含义、绝对含义评价途径和计算公式.以宁夏银川市为例检验模型,以广州市为目标参照区域进行了相对含义评价,该市1996~2010年内中长时段处于高污染-低质量-低经济发展水平状态,2007年以后转入了高污染-高质量-低经济发展水平,目前处于环境质量趋好、污染压力大、徘徊于环境低质量与高质量"拐点"附近状态.绝对含义评价结果:1996~2010年,该市始终处于高污染-低质量-低经济发展水平.研究表明,因目标参照区域选择和相关国家标准值等主要参数不同,使模型评价具有一定的弹性范围,无量纲的数据处理增强了指数耦合性,评价结果的空间可视化为环境管理决策提供了直接依据,改善了多指标模型评价结果抽象、数据口径不匹配、发展阶段划分不明确等问题,验证了该模型的应用合理性与适应性.     

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。