基于技术方案设计和运行管理分析的绿色建筑评价模型

建立了基于技术方案设计和运行管理状况综合分析的绿色建筑评价体系,并对其评价指标、评价方法、评分方式等内容进行了详细地论述。评价体系分为4层,包括1个目标、2个1级指标、9个2级指标和45个3级指标。与现有评价体系相比,在下述两方面有所创新：综合考虑了技术方案设计和运行管理状况两方面对建筑物绿色性能的体现;采用层次分析法和人工神经网络相结合的评价方法完成指标评分的合成,提高了评价结果的客观性。     

生态农场综合评价指标体系构建与实证分析

为了客观公正地评价生态农场的发展状况,运用层次分析法,结合生态农场实际情况,从本地资源、经济效益、社会效益和生态环境效益角度出发,提出了生态农场评价指标体系构建原则和方法,并建立生态农场综合水平评价定性与定量相结合的指标体系,进而运用量化的评价指标体系和层次分析评价法,对湖南省辰溪县橘海生态农场进行了综合评价实证.     

生态经济区城市化与生态环境整合动态评价--以雅安市为例

在对雅安市实例评价中,综合考虑了城市化质量、环境和生态3个子系统,最终选取了42个要素指标,建立了3级城市化与生态环境整合评价指标体系;将灰色关联度分析法用于整合动态评价,用层次分析法确定各级指标权重。在参考国家标准值和国内良好特色城市现状值的基础上,结合雅安实际,构造了各项对应指标的目标序列,将其作为该市2007年目标值,计算得到各子系统分指数和整合指数,对其变化趋势和关联性进行了评价分析,发现雅安市正处于强生态弱城市化的勉强协调发展阶段。     

基于熵权模糊综合评价法的烟台市土地可持续利用研究

以烟台市为例,从土地可持续利用的相关原理出发,建立了烟台市土地持续利用评价指标体系,通过层次分析法修正过的熵权法确定权重,利用模糊综合评判法来研究烟台市2002—2006年的土地的可持续利用情况。最后,用灰色关联度等方法来分析结果,针对问题提出了几项可行性对策。     

层次分析法在闽南沿海山地混交林优化模式选择上的应用

采用层次分析法(AHP)对闽南沿海山地各混交经营模式进行层次决策选择,从层次选择模型和判断矩阵的构建入手,对评价因子和混交优化模式进行排序并经一致性检验,结果表明,所构建的判断矩阵的随机一致性比率=0.0646<0.10,总排序的=0.0516<0.10,均具有满意的一致性和可靠性,选择出的优化模式与现实生产实际相吻合,说明层次分析法在混交林经营模式的定量化选择上的应用是可行的.     

环境保护最佳实用技术评价筛选方法的应用

应用层次分析法（ＡＨＰ法）提出了环境保护最佳实用技术的综合评价系统。并对南京地区的电镀废水治理技术进行了评价，评价结论与实际情况较吻合。     

层次分析法在优秀毕业设计评选中的应用

根据评选优秀毕业设计多层次多准则的特点，建立基于层次分析法（AHP）的评选模型，举例介绍了模型的具体运用．实例研究表明，层次分析法思路清晰，方法简便，评价结果准确，是评选优秀毕业设计的较好方法．     

国内外绿色建筑评价体系及其理论分析

从评价指标、权重体系、评分方式等方面论述了国内外现有的绿色建筑评价体系,理论分析表明：现有评价体系的主要特点为从全生命周期角度确定评价指标、用AHP确定评价体系的层次结构、特尔菲法确定指标权重、指标合成方法由线性求和向加乘混合发展、评价结果都采用分级制以确定建筑实现绿色的程度。最后指出了当前绿色评价体系中存在的两点不足：评价结果存在较强的主观性;重视技术的应用,忽视实际运行效果。     

黄土高原绿色建筑体系评价指标体系

阐述了绿色建筑体系是可持续发展的人类住区，介绍了可持续发展人类住区和可持续发展评价指标体系国内外研究状况，提出了建立绿色建筑体系评价指标体系的原则，提出了黄土高原县，乡，镇层次上的绿色建筑体系评价指标体系框架，以及指标量化的方法。     

山东省可持续发展能力的实证分析

文章从区域可持续发展系统的角度构建了区域可持续发展能力的指标体系,运用层次分析法、聚类分析法对山东17地市的可持续发展能力进行了综合评价。结果显示,山东各城市可持续发展能力两极差距大,空间差异明显,总体上呈现东高西低的态势。对山东可持续发展的能力做出了分析,并提出了相应建议。     

基于人工神经网络的城市用水需求组合预测

城市用水需求预测是涉及到诸多要素的复杂系统预测问题。为了减少简单外推法预测所带来的误差,通过在训练BP神经网络时自动调整学习步长和添加动量项修正神经单元之间的权重,既提高了神经网络的收敛速度,又抑制了神经网络限于局部极小现象的发生;然后使用改进的BP神经网络寻找多元回归预测、径向基函数(RBF)神经网络和改进BP神经网络3个单项预测的最佳组合,来综合各项独立预测所包含的信息,并以条件假设按照参考、高、低3个方案预测分析某城市的用水需求情况,说明这种基于人工神经网络的组合预测方法在预测城市用水需求量时是一个准确高效的方法。     

城市绿地综合效益评价方法探讨：——天津实例应用

本文从复合生态系统理论出发，建立了城市绿地综合效益评价指标体系并将ＡＨＰ决策分析方法同模糊评价方法相结合，提出了一种城市绿地综合效益评价方法，同时，阐述了这一方法在天津的实际应用。     

Determination of the principal factors of river water quality through cluster analysis method and its prediction

In this paper, an artificial neural network model was built to predict the Chemical Oxygen Demand (COD_Mn) measured by permanganate index in Songhua River. To enhance the prediction accuracy, principal factors were determined through the analysis of the weight relation between influencing factors and forecasting object using cluster analysis method, which optimized the topological structure of the prediction model input items of the artificial neural network. It was shown that application of the principal factors in water quality prediction model can improve its forecasting skill significantly through the comparison between results of prediction by artificial neural network and the measurements of the COD_Mn. This methodology is also applicable to various water quality prediction targets of other water bodies and it is valuable for theoretical study and practical application.     

太阳黑子与杉木生长关系

根据多层误差板传网络结构模型和三次设计发展了一种太阳黑子人工神经网络预报方法，以杉木胸径生长的年轮指数和太阳黑子自相关因子输入变量，应用改进的人工神经网络方法建立了太阳黑子相对数年平均值的预测模型，模型的模拟回归优度为93．3％，预测精度达到95．74％，并对网络模型中变量进行灵敏度分析，分析表明，杉木胸径生长的年轮指数对太阳黑子对相对数年平均值影响较平坦，而太阳黑子自相关因子Yt-4和Yt-2对太阳子相对数年平均值影响较灵敏，3个因子对太阳黑子相对数年平均值均在一定的影响。图2表5参19     

基于人工神经网络方法的河北省近海沉积物重金属污染综合评价

利用误差反相传播神经（BP）网络对河北省近海沉积物中的铅、镉、锌、汞、砷5种重金属元素的污染水平进行分析,利用自组织特征映射（SOFM）网络对上述重金属元素分布特征进行分类,通过分类与污染水平量化值的结合,进行综合评价。SOFM把52个沉积物样品分别划分为3、4、6类和9类。对比各种分类,分为3类的物理意义较明确。每个类别分别对应高中低不同的污染物浓度水平,差异显著、分类方式比较合理。通过此种分类可以判断河北省近海的沉积物重金属污染在不同海域存在一定的差别,整体上是离海岸越远,沉积物的重金属污染水平越高,距海岸较近的海域内,沉积物的重金属污染水平较低,但渤海湾内的重金属污染水平高于其他海域。     

基于高光谱技术的土壤镉污染分级评价研究

提出一种利用高光谱技术进行土壤镉污染分级评价的方法。以FieldSpec 3地物光谱仪采集厂矿区土壤光谱反射率175份,随机分成校正集（135份）和检验集（40份）。光谱经小波去噪和标准归一化（SNV）处理后,以主成分分析法（PCA）降维。将降维所得的前5个主成分数据为输入变量,分别采用Fisher线性判别、Byes逐步判别、模糊模式识别、BP-ANN判别以及SVM 5种方法建立了土壤镉污染分级评价模型,并利用40个未知样对模型进行检验。结果表明：Fisher线性判别准确率为77.5%,Byes逐步判别与模糊模式识别预测为80.0%,BP-ANN模型预测精度为82.5%,SVM模型预测精度最高,达85.0%。说明采用高光谱技术进行土壤镉污染分级评价是可行,其中SVM是建模的优选算法。     

城市给水管网余氯的预测模型

选择余氯为研究对象,以南方某市给水管网水质监测的数据为基础,使用线性回归和非线性神经网络(ANN)方法建立模型,找到了一种利用在线监测数据和人工监测数据实时预测管网余氯的方法。通过建立给水管网水质模型,可以由监测系统动态回传的数据来实时的预测下一天人工点的水质。模拟的结果显示ANN模型比线性回归模型有更好的预测能力,预测的平均相对误差:ANN模型为14.9%,线性回归模型为25.8%。使用ANN模型可以实现实时预测。