基于B-P人工神经网络的环境测点的优选

为了对有多项污染物的环境测点进行优选,提出了单项污染物对环境作用的“相对贡献率"和多项污染物对环境综合作用的“作用和贡献率"的新概念及其计算公式。将B-P神经网络原理与逐步聚类分析思想相结合,用于环境测点聚类优选。该方法用于成都市12个环境测点的优选结果符合客观实际。此外,它还具有简便实用、客观性好的特点。      

进化蚁群算法及其在湖泊富营养化评价中的应用

蚁群算法是近年提出的一种新型的仿生算法,已在许多组合优化问题中得到成功应用,但是传统蚁群算法解决连续优化问题的能力较差.为提高其解决连续优化问题的能力,拓宽应用范围,引入带可变邻域搜索项的进化策略对其进行改进,进而提出进化蚁群算法.随后从2个方面对进化蚁群算法的性能进行测试:①采用多个经典测试函数测试进化蚁群算法用于解决连续优化问题的效果;②将进化蚁群算法应用于千岛湖的富营养化程度评价,以测试该方法解决实际问题的效果.函数测试结果表明,进化蚁群算法可以成功用于解决连续优化问题,并且优化过程所需初始个体的数量少,优化速度快;千岛湖富营养化程度评价实例的结果表明,进化蚁群算法应用于湖泊富营养化评价是可行的,可用于解决实际问题.      

地下水环境监测优化布点的人工神经网络模型

以地下水水质指标国家分级标准为训练样本，用样本的地下水水质综合指数计算值作为样本的期望输出值，对BP网络进行训练，用训练好的网络对某地地下水水质监测点进行优选。结果表明：BP网络用于地下水环境监测点优选具有简单、实用和客观性好的特点。     

湖泊营养状态的Hamming贴近度评价法

本文用线性内插构造湖泊富营养化评价参数的隶属函数,在此基础上应用Ham-ming 贴近度评价湖泊的营养状态。该方法用于全国23个湖泊的实例分析,并与其它营养化评价法的评价结果比较表明该方法评价结果合乎实际,隶属函数设计简单,计算方便,具有可比性。      

综合环境质量的B－P网络二级评价

为了探索人工神经网络应用于环境质量评价的可行性和合理性,应用人工神经网络的B－P模型,构造了大气、水质和噪声的综合环境质量的B－P网络二级评价模型。并将该模型应用于实例作效果检验。结果表明B－P网络用于环境质量评价适应性强,方法可行,结果合理。      

环境监测优化布点的人工神经网络模型

采用B－P算法的人工神经网络,对选定的标准样本进行训练,用训练结束后网络的稳定权值和阈值,并结合标准样本的网络输出,即可对环境监测样点进行优选。应用于大气环境监测优化布点的实例结果表明,人工神经网络用于环境监测优化布点是可行的     

用物元分析法优选大气环境测点

在构造了大气环境监测的标准物元矩阵和节域物元矩阵的基础上,应用物元分析中的关联函数定义,对大气环境监测优化布点进行了研究。应用于实例结果表明物元分析法是环境监测优化布点的一种简便有效的方法。      

基于智能优化算法的河流水质模型参数的优化

为探索河流水质模型参数新的求解方法，根据有限的实测数据，分别应用免疫进化优化算法和免疫进化优选的捕食搜索算法，对河流水质模型计算公式中的多参数进行优化。将优化得到的计算公式用于国内外若干河流的河段中DO浓度值的拟合，并与实测结果进行了比较。结果表明，将免疫进化优化算法或免疫进化优选的捕食搜索算法优化得到的水质模型参数精度不仅较高，而且相对稳定，从而为河流水质模型参数的优化提供了一种新方法。     

免疫进化捕食算法用于二维水质模型横向扩散系数优化

为建立比传统的经验法有较高精度的河流二维水质模型横向扩散系数的计算公式,根据有限的实测数据,提出用免疫进化优选捕食搜索算法,对河流二维水质模型横向扩散比例系数计算公式中的多参数进行优化。将优化得到的计算公式用于国内外若干河流的河段横向扩散比例系数αZ的拟合和外推效果检验,并与经验公式的检验结果进行了比较,表明将免疫进化优选捕食搜索算法用于二维水质模型横向扩散比例系数的优化有较高精度,从而为横向扩散系数的计算提供了新方法。     

大气质量评价的广义对比加权标度指数法

基于大气污染物浓度成等比变化 ,其危害程度成等差变化 ,提出用标度指数表示大气质量的新思想 ;采用对标度分指数的广义对比运算的因子赋权新方法 ,导出大气质量评价的广义对比加权标度指数计算公式。广义对比加权标度指数评价法应用于实例评价结果与用灰色聚类评价法的评价结果比较表明 ,该评价法具有简单性、合理性、可比性和通用性