上海市突发环境污染事故风险区划

环境风险区划是区域布局型环境风险管理及环境风险分区管理的重要手段.本研究在环境风险系统理论的指导下,借鉴“自上而下”和“自下而上”传统区划方对上海市突发环境风险进行区划研究.上海市突发环境风险区划中“自上而下”环境风险一级区的划分是依据上海市1990~2008年突发污染事故历史时空格局获得;而“自下而上”是通过构建上海市风险区划指标体系,在对指标进行概念模型量化的基础上,运用基于遗传算法的K均值聚类在最小区划单元进行聚类区划,并依据上海市政府宏观规划对聚类后的图斑碎块进行科学性和实用性调整,获得上海市突发环境污染事故风险亚区和小区;将上海市突发环境风险一级区及亚区和小区集成分析,实现上海市突发环境污染事故风险综合区划.结果表明:上海市突发环境污染事故风险区划包含2个风险一级区,5个风险亚区和21个风险小区,客观揭示了上海市突发环境污染事故风险的空间分布规律.针对上海市布局型环境风险和不同风险区提出相应的管理措施,为上海市综合减灾降险和风险管理决策提供科学依据.     

基于Г型分布的空气质量评价普适指数公式

在设定各项空气污染物的浓度“参照值”基础上，提出了一个适用于多项空气污染物的Г型分布空气质量评价普适指数公式。采用基于实数编码的遗传算法对公式中的参数优化，得出优化后适用于多项空气污染物的空气质量评价普适指数公式。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，该公式不受空气污染物种类和数目多少的限制。公式形式简单，计算快速，具有可比性、通用性和实用性。     

遗传神经网络对肼类化合物的定量构效研究

应用遗传算法和反向传播（BP）神经网络相结合的方法，研究了胼类化合物的定量构效（QSAR）关系，构建了遗传神经网络QSAR模型。对30种肼类化合物的6个量子化学参数进行相关性和主成分分析，利用遗传神经网络QSAR模型对肼类化合物的毒性参数进行预测。结果表明，与常规BP神经网络建立的模型相比较，遗传神经网络QSAR模型有效解决了常规BP神经网络模型存在的过训练和过拟合问题，并且具有很好的预测效果。     

基于改进PPC模型的铁路弃渣场综合风险评价系统

为了客观准确地评估铁路弃渣场的综合风险,建立基于改进投影寻踪聚类（PPC）模型的风险评价模型。首先建立了6个维度共19个因素的指标体系,并制定相应评价标准;然后借鉴K均值聚类思想来确定PPC模型关键系数-密度窗宽R,以解决传统方法造成的聚类效果差等问题;同时将遗传算法（GA）作为模型优化算法得到最优投影方向和样本投影值等关键数据;最后以贵昆线铁路的10座弃渣场作为案例研究,研究结果表明:“弃渣场边坡条件”和“地形与地基条件”2个维度对弃渣场的综合风险影响最大;验证了所建模型的科学性,评价结果能够规避人为主观因素的干扰,更加与实际情况相贴合。     

基于投影寻踪的洪水灾情评价插值模型

为解决单项洪水灾情等级评价指标评价结果的不相容问题,提高综合评价各层次的分辩力和评价模型的精度,本文利用投影寻踪、遗传算法、插值型曲线,为洪水灾情评价提供了一种新模型--遗传投影寻踪插值模型.通过最佳投影向量和评价指标向量的内积可把洪水灾情多维评价样本指标综合成一维投影指标,根据该投影指标值和对应等级的分布,可建立洪水灾情评价的插值模型,解决了各单项洪水灾情评价指标评价结果的不相容问题,提高了洪水灾情综合评价问题各层次的分辩力.作为示例,对中国部分省市的洪水灾情进行了综合评价.     

基于遗传神经网络模型的大气环境质量评价方法

设计了用遗传算法训练神经网络权重的新方法，实验结果显示了遗传算法快速学习网络权重和全局搜索的能力，有效地解决了BP算法的局部收敛问题。误差反向传播的遗传——神经网络(GA—BP)模型用于大气环境质量综合评价，具有简便、准确、客观和适应性强等优点。     

遗传算法在结构损伤识别中的应用研究

结构损伤识别是结构系统在使用期间进行监测和维护的重要组成部分,而基于动态测试技术的结构损伤识别方法又是近来研究的热点。本文提出了一种基于改进遗传算法的结构损伤识别方法,主要改进包括:浮点编码、基于标准化几何分布排名的选择策略、最优保存策略、算术交叉算子、非均匀变异算子。在常规模态分析的基础上,以节点的残余力向量构造目标函数,提出了一种用于遗传搜索优化的新的目标函数形式。利用遗传算法重点进行了噪声条件下的结构损伤定位和定量研究,并用一平面桁架模型进行了数值模拟。结果表明:提出的方法不仅能够同时进行结构的损伤定位和定量计算,而且抗噪性能很好。最后,对方法应用中存在的一些问题进行了深入分析,给出了一些有益的结论。     

半主动控制装置在受控结构中的优化布置

利用阻尼器进行振动控制的方法可以有效减小结构体系在地震作用下的振动反应,这种振动控制的效果不仅取决于阻尼器出力大小和控制算法的优化,也取决于阻尼器在高层结构中的布置位置。目前,对于阻尼器的位置优化的研究大多局限于被动控制,而对于主动及半主动控制装置研究则较少。本文提出了一种基于改进遗传算法和等效二次型性能指标的阻尼器位置优化方法,并应用到磁流变液阻尼器半主动控制系统中。最后,通过一8层剪切框架算例验证了本文提出的阻尼器的优化布置方法是简单准确而有效的。     

基于遗传算法的改进BP神经网络模型在水质评价中的应用

为了确定水体类别，引入人工神经网络理论并通过建立BP神经网络模型对水体的质量、利用价值和处理要求进行评价。针对BP网络应用中存在的问题，建立了基于遗传算法的改进BP神经网络模型，并阐述了训练样本产生、数据归一化、构建网络拓扑结构、初始权重及阀值确定等应用过程。通过实例分析表明，该模型应用于水质评价具有客观性和实用性。     

基于奇异谱分析—遗传算法反向传播神经网络模型的湘江新港断面水质预测

运用奇异谱分析(SSA)对湘江新港断面557周的pH、DO、高锰酸盐指数和氨氮数据进行了预处理,再运用遗传算法优化反向传播神经网络模型进行拟合与预测。结果表明:SSA有较好的降噪能力,遗传算法反向传播(GABP)神经网络模型相比BP神经网络模型均方根误差(RMSE)平均缩小了6.96%,具有良好的预测精度;预测期内新港断面的pH、DO、高锰酸盐指数、氨氮均能满足《地表水环境质量标准》(GB 3838—2002)Ⅲ类标准,但氨氮在预测期内呈上升趋势,需警惕氨氮浓度过高引发的水污染问题。