B－P网络用于环境质量分类研究

用全国２５个湖泊的水质指标资料作为训练样本，应用人工神经网络Ｂ－Ｐ算法，分别建立了３参数和４参数的水质分类模型。并用所建立的模型对６个湖泊水质进行分类检验效果。结果表明Ｂ－Ｐ模型应用于环境质量分类是可行的。且由于Ｂ－Ｐ网络有自学习、自适应的能力，因而与其它的环境质量分类法相比具有优越性。     

基于遗传算法优化的普适卡森指数公式

 在适当设定湖泊富营养化指标“基准值”的情况下,用相对于“基准值”的指标相对值替换Carlson指数公式中的指标值,公式中的系数可视为与指标特性无关.采用遗传算法对公式中的待定系数进行优化,得到对多项指标都通用的富营养化的普适Carlson指数公式.并用折衷型激励功效函数法对单项指标Carlson指数赋权,计算综合指数.公式已被用于我国50多个湖泊、水库的营养状态评价,证实了其正确性.该公式计算简单,使用方便,具有客观性、可比性和通用性.     

基于B－P网络的水质营养状态评价模型及其效果检验

选取与ＴＳＩｃ为０，５０，１０相应的水质营养状态作为３个建模样本，以ｃｈｌ－ａ，ＴＰ，ＴＮ和ＳＤ４个水质参数作为样本的输入特征，建立了Ｂ－Ｐ网络的水质营养状态评价模型。该模型应用于全国３０个湖泊水质的营养状态评价，获得了较好的检验效果。     

规范变换降维与误差修正结合的环境系统的一元线性回归预测

针对高维、非线性环境系统的传统预测模型存在结构复杂、收敛速度慢、求解精度低的局限,提出对环境系统预测量及其影响因子进行幂函数与对数函数相结合的规范变换.此规范变换能使变换后的各影响因子皆等效于一个线性化的规范因子,从而将多因子、非线性的预测建模简化为简单的一个"等效"规范因子的一元线性回归建模;并对预测样本的模型输出进行误差修正,以提高样本的预测精度.在规范变换的基础上,由有m个规范因子的每个建模样本生成一个规范因子的m个"等效"训练样本,n个建模样本共生成N=m×n个训练样本.应用最小二乘法,建立基于规范变换的一元线性回归预测模型.将基于规范变换的一元线性回归预测模型与相似样本误差修正法相结合,分别用于某市5个点位的SO_2浓度预测和南昌市城市降水酸度pH值预测及某河段COD_(Mn)预测,并与多种传统预测模型和方法及基于规范变换与误差修正的3种智能预测模型的预测结果进行了比较.结果表明:该预测模型用于3个实例预测的相对误差绝对值的平均值分别为1.14%、0.49%和1.45%;最大相对误差绝对值分别为2.22%、0.87%和1.85%,与基于规范变换与误差修正的3种智能预测模型的相应误差几乎没有差异,甚至还要小;均远小于多种传统预测模型和方法的相应误差,其预测精度甚至提高了一个数量级以上.基于规范变换与误差修正的一元线性回归预测模型简单、预测精度高、稳定性好,不存在"维数灾难",因而可广泛用于任意系统的预测建模.     

适用于指标的水质指数公式

通过适当设定水质指标的“基准”值，用相对于“基准”值的指标相对值替换对数形式的指公式的水质指标值，采用遗传算法优化不同指标的指数公式中的参数，得到对多项指标通用的水质普适指数公式，并用折衷型激励功效函数将单项指标的指和权为综合指数，该公式形式简单，易于计算，使用方便，具有客观性，可比性和通用性。     

湖泊富营养化评价的S型曲线通用表示式

在适当设定富营养化指标的“本底”值情况下 ,当指标值用对应于“本底”值的相对值表示时 ,可采用 S型曲线描述湖泊富营养化发展程度 ,从而公式中的参数可视为与指标特性无关 ,采用遗传算法对公式中的参数优化 ,得到对多项指标通用的富营养化程度的指数计算公式 ,并用广义对比因子赋权新方法计算富营养化综合指数。该评价方法物理意义明确 ,计算简单 ,使用方便 ,具有可比性和通用性     

富营养化评价的幂函数加和型普适指数公式

提出了一个用幂函数加和型表示湖泊富营养化评价的综合指数公式,并采用粒子群算法优化公式中的参数,得出优化后适用于多指标的富营养化综合评价的普适指数公式,该公式的特例也可作为单项指标的富营养化评价指数公式.将优化好的湖泊富营养化评价公式用于我国不同地域和不同类型的65个湖泊的实例评价.其评价结果与用修正卡森指数公式TSI.和我国营养状态指数公式TSI,及其它方法的评价结果基本一致,并与实况相符,从而为水体富营养化评价提供了一种新的有效途径.     

水资源承载力评价的升半Г型分布指数公式

正确评价区域水资源承载能力,对合理、充分利用水资源以及促进区域社会、经济的可持续发展具有重要的现实意义。论文采用升半Г型分布曲线模拟水资源承载力各指标对评价过程的影响,并通过区域水资源承载力评价指标体系规范化处理,对升半Г型分布函数进行改进,提出用于水资源承载力评价的升半Г型分布指数公式。经过规范化数据处理方式,升半Г型分布指数公式就可以忽略指标个数的影响,具有普适性。公式中的参数采用粒子群算法优化后,得到适用于多区域、多项指标的具有通用性和普适性的水资源承载力评价公式。将优化好的指数公式应用到玛纳斯河流域和塔里木河流域水资源承载力评价等实例分析,研究结果表明：指数公式的评价结果与其他多种方法的评价结果一致,消除了评价指标数目多少的限制和区域性评价指标各异性的限制,省去了复杂的编程计算工作,具有实用性和可行性。在实际评价中,待评价区域的水资源承载力评价指标体系即使与论文选定的评价指标体系不同,也能经过规范化处理后直接采用该指数公式进行评价,为评价模型的普适化、简单化提供了一条途径。     

基于概率神经网络的指标规范值的水质评价模型

为了建立地表水、地下水和富营养化3类水体共同适用的概率神经网络的水质评价模型,适当设定3类水体各项指标参照值及指标值的规范变换式,使3类水体不同指标的同级标准规范值差异尽可能小,从而各指标都可用同一个"等效"规范指标替代,因此,概率神经网络隐层各类模式的基函数中心矢量的各指标分量值可视作是相同的,即都等于同级标准所有72项指标规范值的均值。基于概率神经网络的指标规范值表示的水质评价模型用于3类水体评价实例检验,验证了该模型的普适性、简洁性和实用性。     

基于鱼群算法优化的空气质量评价普适模型

在设定各项空气污染物的明显危害浓度"参照值"基础上,提出一个适用于多项污染物的幂函数加和型空气质量评价综合指数公式,该公式的特例也可作为单项指标的空气质量评价。采用鱼群算法优化公式中的参数,得出优化后适用于多项污染物的空气质量综合评价普适指数公式。公式被应用于多个实例分析计算,并与其他若干评价方法评价结果相比较,结果表明:该公式不受污染物种类和数目多少的限制,形式简便,计算快速,使用方便,具有通用性、可比性和实用性。