蛙跳算法优化的地下水质评价的参数化组合算子模型

传统的参数化多元组合算子模型在进行对数变换后,采用最小二乘法求解模型参数。在满足构建的优化目标函数条件下,直接用基于群集智能的混合蛙跳算法对参数化组合算子模型中的参数进行优化,避免了传统解法过程中需要进行的对数变换,因而使参数求解变得简化。改进后的参数化组合算子模型被应用于地下水水质评价,其评价结果与用其他多种方法的评价结果基本一致。从而表明:混合蛙跳算法优化得出的地下水水质评价参数化组合算子模型为地下水水质评价提供了一种简便和实用的新方法。     

基于MATLAB的BP神经网络模型在漠阳江水质评价中的应用研究

为提高水质评价的准确性,基于MATLAB及人工神经网络理论,采用误差反向传播的BP算法建立漠阳江水质评价模型,充分利用神经网络的非线性映射特性,取7项常规地表水水质评价指标对漠阳江水质进行评价,并将BP神经网络评价结果与单因子评价法及综合指数法的评价结果进行比较,网络运行结果表明一致效果良好.同时较传统的水质评价方法,该网络具有较高的识别精度,提高了水质评价等级的准确性,使评价的结果更具有科学性.     

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。     

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。     

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。     

学习率有限监督调整BP网络在水质评价中的应用

以地表水环境质量标准基本项目标准限值为依据,随机生成标准样本和检测样本,采用学习率有限监督调整BP网络建立水质评价模型。完成网络训练的模型对检测样本进行检验评价,检验结果表明,该人工神经网络水质评价模型具有较高的精度,同时,可以避免人为主观因素对水质评价的影响,保证了水质鉴定的科学性和公正性。     

基于自由搜索的投影寻踪水质综合评价方法

为解决水质评价指标的不相容性以及现有评价方法对等级的分辨率较粗略等问题,提出了水质状况评价的投影寻踪方法(Projection Pursuit,PP).根据地表水环境等级划分标准,构建了能够反映水质状况变异信息的投影指标函数;引入自由搜索(Free Search,FS)算法,优化投影指标函数寻求最佳投影方向;利用最佳投影方向信息研究了各种水质指标对水质状况评价的影响程度.以山西省汾河流域为例,进行水质评价分析,并与基于加速遗传算法优化投影寻踪模型(RAGAPP)和利用粒子群优化投影寻踪模型(PSOPP)得到的投影值结果进行对比.实例应用表明,该模型评估结果误差精度优于RAGAPP和PSOPP,评价结果符合当地水质状况实际情况,且对水质等级划分清晰.     

基于区分权的水质综合评价方法

论证"隶属度"作为相似性度量是水质评价的最佳选择,定义指标区分权重,规范隶属函数的拓扑空间结构、代数性质和标准化方法,建立基于区分权的水质评价模型。     

基于回归支持向量机的指标规范值的水质评价模型

传统的回归支持向量机的水质评价模型不具有普适性和通用性,当指标较多时,模型的学习效率和求解精度均会受到影响.若适当设定3类水体(地表水、地下水和富营养化水体)各项指标的参照值及指标值的规范变换式,使不同指标的同级标准的规范值差异不大,从而可以认为用规范值表示的不同指标皆“等效”于某个规范指标.因此,可建立用规范值表示的任意m项指标组合皆适用的水质评价的回归支持向量机模型.通过实例对模型的实用性进行了效果检验,结果表明:用基于回归支持向量机的指标规范值的水质评价模型对河桥地表水、黑龙洞泉域地下水和山仔水库富营养化水体的水质评价结果与用BP神经网络评价法、模糊综合评价法和属性识别评价法的评价结果基本一致.     

水质模糊评价理论与模型

根据模糊集理论,提出水质模糊评价理论与计算模型。用此模型进行水质评价,可以克服灰色聚类法评价结果趋于均化的缺点。     

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。     

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.     

基于贝叶斯网络的河流突发性水质污染事故风险评估

事故造成的水质突发性风险评估对于河流水质安全管理具有重要意义.通过贝叶斯网络直观地表示事故风险源和河流水质之间的相关性,并用时序蒙特卡罗算法将风险源状态模拟、水质模拟和贝叶斯网络推理过程结合,可以对多个风险源共同影响下的河流突发性水质污染事故的超标风险进行量化评估.案例研究表明,多风险源对同一受纳水体的水质突发性污染事故风险的耦合影响十分显著,在进行流域水安全管理时必须对多风险源进行综合管理.同时,模型的诊断推理功能可为流域关键风险源识别和管理提供决策支持.     

基于区间型贝叶斯的湖泊水质评价模型

在贝叶斯水质评价模型中引入区间数表示污染物浓度,采用区间排序法对水质评价结果进行比较,建立了区间型贝叶斯湖泊水质评价模型。同时将该模型应用于某湖泊的5个采样点进行水质监测及评价,结果显示,5个采样点水质逐渐变差,均为劣V类。基于区间型贝叶斯的湖泊水质评价模型更加直观地表示了同类水质采样点的水质差别,避免了传统方法中主观因素的影响,为属于同类别水质的采样点排序提供了评价依据。     

基于KH-SVM的鄱阳湖水质评价及变化趋势分析

为了提高水质评价结果的精度,更客观地反映水体环境的质量状况,针对支持向量机（support vector machine,SVM）性能易受模型参数的影响,提出了一种基于磷虾群算法（krill herd,KH）优化SVM的模型,将其与地表水环境质量标准相结合,选取5种代表性水质指标作为模型的输入,5类水质标准作为输出,建立了基于KH-SVM的水质评价模型,并利用该模型对鄱阳湖2013—2018年丰水期、平水期和枯水期的水质状况及变化趋势进行研究。结果表明:鄱阳湖北湖区水质基本维持在GB 3838—2002《地表水环境质量标准》Ⅲ—Ⅳ类,而南湖区水质各时期波动较大,其中丰水期多为Ⅱ类水,平、枯水期以Ⅴ类水为主,整体上2013—2018年鄱阳湖水质恶化趋势没有明显改善,水质级别仍处于非优类水平;构建的KH-SVM模型性能良好,与传统评价方法相比可以较好地实现水质综合评价,能够从整体上更准确、客观地反映水体质量状况。该研究成果可为区域地表水资源科学管理及水环境保护提供科学依据。     

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.