区域水资源开发利用程度评价的RBF网络模型

当前的水资源开发利用程度评价模型随着区域水资源开发利用系统评价内容的不同而变化 ,精度较难控制 .为解决单项水资源开发利用程度评价指标评价结果的不相容问题 ,提高水资源开发利用程度综合评价各层次的分辨力和评价模型的精度 ,本文给出了水资源开发利用程度综合评价的MATLAB环境下的径向基函数 (RBF)神经网络的结构、设计、仿真函数和图形结果的输出方法 .作为示例 ,对西安市水资源开发利用程度进行了综合评价 .结果表明 ,MATLAB环境下的RBF神经网络评价方法简便有效 ,即具有较强的分类功能 ,又具有较好的排序功能 ,评价结果可靠、适用性强 ,可广泛应用于各种水资源问题的综合评价     

海洋冰情预测的径向基函数网络模型

为了提高非线性时序预测模型的精度,利用自相关技术分析了海洋冰情时序的延迟特性,据此确定了RBF网络的输入、输出向量,给出了MATLAB环境下海洋冰情预测的高精度径向基函数(RBF)神经网络的结构、设计、仿真函数和图形结果的输出方法,建立了海洋冰情预测的高精度RBF网络模型.使用27年的海洋冰情实测资料进行了网络的训练和检验,并将之用于预测,各训练样本的误差为0.0,预测值的精度高于门限自回归模型预测的精度.实例分析表明,所构建的RBF网络模型能充分利用预报因子的信息和神经网络方法的非线性映射能力,模型稳定性好,精度高,可广泛应用于各种自然灾害的非线性时序动态预测.     

植物滞留系统草本植物对人工模拟雨水中锌的富集及去除效果研究

采用沙培实验,探讨4种草本植物(黑麦草、地毯草、早熟禾、高羊茅)对人工模拟雨水中重金属锌的吸收富集和去除效果,为植物滞留系统筛选草本植物提供科学依据。实验分析测定不同植物滞留系统介质、不同入口浓度情况下,植物地上部与根部锌含量及锌的去除率。结果表明:4种草本植物对人工模拟降雨径流中的锌均有较好的去除效果,锌的平均去除率为84.65%~91.12%。不同草本植物去除人工模拟降雨径流中锌的能力,从强到弱的顺序依次为:早熟禾>黑麦草>地毯草>高羊茅。其中,4种草本植物对锌的去除率随入口浓度的增加而增加;对于同一种草本植物同样的入口浓度情况下,沙土Ⅰ为最佳土壤介质,具有最佳去除锌能力。4种草本植物地上部和地下部锌累积量分别为419.19~960.98μg和569.61~1 024.11μg;其中黑麦草锌累积总量最高,其次是地毯草,最低为早熟禾。综合考虑污染物去除率和锌在植物体内的累积量,交替种植早熟禾和黑麦草可提高植物滞留系统去除锌的能力且有利于延长植物滞留系统寿命。     

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。