海水水质评价的物元分析法

为了探索物元分析方法用于海水水质综合评价的可能性，通过计算海不水质对各评论评价等级的综合关联度，进行海水水质综合评价。用物元分析法对５个监测站位的海水水质进行评价，结果表明它用于海水水质综合评价是可行的。     

海水水质评价的倍斜率隶属函数聚类法

建立了宽域式倍斜率聚类的海水水质评价模式，其函数的右侧斜度为左侧斜率的２倍，勿求权重，直接聚类，海水水质评价实例说明，本文模糊综合评判法和灰色聚类法和更为合理，实用。     

二维水质模型横向扩散系数的人工神经网络模拟

将人工神经网络的理论和方法引入河流横向扩散系数的理论预测中，提出了基于BP人工神经网络的横向扩散系统预测模型，应用国内外河流的实测样本对模型进行训练与检验表明，该模型用于横向扩散系数的计算不仅可行而且精度较高，为河流横向扩散系数预测研究开辟了新途径。     

海水水质评价的灰色局势决策水南级数法

本文提出了海水水质评价的灰色局势决策水质级数，对大连湾海域水质进行了评价，并同模糊综合海水水质级数和灰色聚类海水水质级数进行了比较，结果表明，本方法运算简便，勿求权重，仅由隶属函数即可评价出海水水质分级的模糊性，是一种可行的均权平均型的评价方法。     

基于随机样本的BP模型在水质评价中的应用

运用BP(误差反向传播)模型对水环境质量进行综合评价,主要针对以前BP模型在水质评价中存在的学习训练样本过少,没有检验样本等问题,用随机数发生器在每个级别范围内产生大量的数据作为训练样本和检验样本,并尝试以MSE函数生成均方误差作为检验样本的输出值与期望输出值的比较,检验网络评价未知样本的能力,大大提高了神经网络评价水质时的精度。     

投影寻踪法在水质评价模型中的应用

本文利用主成分分析来完成投影寻踪过程，建立了多指标分类模型。两个实例样本水质评判结果表明，用投影寻踪法可以揭示高维数据的结构特征，所建立的分类与综合评价模型不仅有效，而且结果简单、直观和易于理解。     

海水水质的模糊综合评价模型的比较

本文通过实例,对海水水质评价的模糊综合评价初始模型及模糊线性加权法、模糊二级综合评价法、模糊分析优选法和灰色聚变法等改进模型进行分析比较,指出各种方法的评价特点,为模糊数学方法在海水水质评价中合理利用,提高模糊综合评价精度提供依据.     

长江流域水质评价与预测

依据长江流域水质监测资料,选用具有代表性的主要因子pH、DO、高锰酸盐指数、NH3-N,采用综合水质标识指数模型对长江流域进行了定量综合评价,评价结果表明,影响长江流域水质的主要污染因子是NH3-N和高锰酸盐指数;定量综合评价显示长江流域总体水质为Ⅱ类水,但有恶化为Ⅲ类水的趋势。据此,揭示了水质的时空变化规律。根据监测数据和水质报告,采用灰色模型预测了未来10年长江流域各类水质比例,预测表明,Ⅲ类以上可饮用水的比例在逐年减少。     

改进的IDW插值模型在海水水质评价中的应用

根据海水污染物分布扩散规律和采样点之间的关系,给出了一种自适应凸包选点的IDW(inverse distance weight)插值方法。该方法为一种局部的IDW插值方法,为插值结点加入了空间位置的概念,克服了传统IDW方法只和插值结点的距离有关而和其空间位置无关的弱点。通过与传统IDW在2011年的渤海无机氮评价结果的对比,说明该方法能够很好的反映海水污染物空间分布状况。     

海水水质评价的突变模糊指数公式及效果验证

为了使突变模糊评价指数公式不受指标数多少的限制和评价指数值的分级标准不随指标的不同和指标数的不同而变化,通过适当设定海水各项指标的参照值及指标值的规范变换式,使海水不同指标的同级标准的规范值差异较小,从而用规范值表示的不同指标皆"等效"于某个规范指标,因此,只需构建海水水质评价的尖点突变和燕尾突变2种突变模糊模型。任意多项指标的海水水质评价可以分解为若干个尖点突变和(或)燕尾突变2种突变模糊评价模型的组合表示。将基于指标规范值的突变模糊指数公式应用于珠江口及青岛某海区的海水水质评价,并将评价结果与BP网络及模糊综合评价法评价结果进行了比较。结果表明,突变模糊指数公式的评价结果与其他方法的评价结果基本一致。与传统的其他评价方法相比,基于指标规范值的突变模糊指数公式具有通用性、普适性和简便性的特点。     

水质综合评价的人工神经网络模型

为探讨水质综合评价的客观方法,以成都市金堂县东风水库水质资料为例,建立了地面水水质综合评价的BP网络和Hopfield网络模型。BP网络模型以单输出代替多输出可保证评价结果的唯一性。Hopfield网络更优于BP网络,既适用于定量指标的水质参数又适用于定性指标的水质参数,而且使水质评价形象化     

利用人工神经网络模型评价胶州湾水域富营养化水平

考虑到影响富营养化的指标之间是非线性的关系,建立了5-5-1拓扑结构的人工神经网络模型.利用此模型的冲量算法和LM算法对胶州湾海水的富营养化水平进行了评价.结果表明,两种算法所得结果基本一致,胶州湾西北部、北部和东部海域已达到富营养化,其他海域处于中度营养水平.富营养化与沿岸工农业废水、生活污水和养殖废水的排放、湾内海水与外海水的交换速率以及水域水深条件密切相关.人工神经网络模型评价的胶州湾水域的富营养化状态与真实情况接近,因此,利用人工神经网络模型评价海水富营养化是快速、简便、有效的方法.     

BOD-DO耦合人工神经网络水质模拟的研究

将人工神经网络的理论和方法引入河流水质模型的建筑中，提出了BOD－DO耦合BP人工神经网络水质模型，应用长江干流重庆段的实测水质样本对模型进行训练与 检验表明：该模型用于水质模拟可行且精度较高，为河流水质模拟开辟了一条简便可行的新途径。     

人工神经网络模型在水质预警中的应用研究进展

水质预警模型是大数据时代构建环境智能决策与管理体系的关键技术.近年来,水质自动化监测能力的提升以及测管协同对环境模型的强烈需求,激发了研究人员探索新的建模方法并努力提高模型预测性能.其中,人工神经网络(Artificial Neural Network, ANN)模型发展迅速.本文综述了3大类ANN模型的发展历史和模型结构特点,梳理了ANN模型在水质数据软测量、数据异常检测和时间序列预测等方面的研究进展,归纳了一般建模流程、技术建议和常用的模型性能指标,发现ANN模型的应用依赖于监测数据质量,存在模型可解释性差、模型运行硬件资源要求较高等不足,提出未来水质预警模型的研发思路和重点,需要加快推进水环境监测技术与预警模型的协同发展和业务化应用,通过多种应用场景检验实现技术迭代,形成大数据驱动的水质在线监测-智能预警-应急管理支撑体系,助力我国环境治理能力现代化.     

大亚湾初级生产力人工神经网络预测模型研究

针对海湾初级生产力估算与预测难题,结合大亚湾近20 a的调查资料,基于MATLAB语言编程,将NH_4-N、NO_-N、NO_2-N、PO_4-P、SiO_3-Si、N/P作为输入,叶绿素a作为输出,建立大亚湾初级生产力的人工神经网络预测模型,并进行检验,其模拟值的平均相对误差0.932%;同时应用多元回归方法进行拟合预测,其拟合结果的平均相对误差为38.970%.研究结果表明,人工神经网络方法优于传统的统计学模型,具有较好的预测能力和实用性,可进行海湾初级生产力动态的预测估算,并具有较高的精度.     

BP及RBF人工神经元网络对臭氧生物活性炭水处理系统建模的比较

运用BP和RBF人工神经元网络建立臭氧生物活性炭系统模型,考察了两个网络对水处理系统建模的适应性。研究表明,BP和RBF人工神经元网络的臭氧生物活性炭系统模型准确地描述了系统影响因素的关系,可以求出系统中臭氧的经济投量;用BP人工神经元网络建立水处理系统模型,泛化能力好,但逼近速度较慢;运用RBF人工神经元网络建模,泛化能力较差,但逼近速度快。该项研究克服了运用传统方法建模的不足,为实现水处理系统的优化设计提供了可行的途径。     

BP神经网络在再生水补给密云水库水质评价中的应用

基于环境质量基本模型,将补给的再生水视为点源污染,建立了再生水补给后的湖库污染物浓度变化模型.在得到补给后主要污染物稳定浓度的基础上,建立BP神经网络模型,使用随机数发生器生成随机数据作为模型的学习样本和检验样本以满足BP模型对样本数量的需求.使用BP模型对再生水补给后的水质进行评价,评价结果证明了再生水补给的可行性与相对安全性.     

水质富营养化程度的人工神经网络决策模型

为了对水质富营养化程度进行综合评价,提出水质富营养化决策的人工神经网络模型,用此模型研究我国17个湖泊的富营养化状况,通过期望输出值的选取和对未知水体的评价原则充分体现了水质富营养化各等级之间的模糊性,正确地反映了水质富营养化作用的内部机理。     

Projection pursuit cluster model and its application in water quality assessment

One of the difficulties frequently encountered in water quality assessment is that there are many factors and they cannot be assessed according to one factor, all the effect factors associated with water quality must be used. In order to overcome this issues the projection pursuit principle is introduced into water quality assessment, and projection pursuit cluster(PPC) model is developed in this study. The PPC model makes the transition from high dimension to one-dimension. In other words, based on the PPC model, multifactor problem can be converted to one factor problem. The application of PPC model can be divided into four parts: (1) to estimate projection index function Q(a) ; (2) to find the right projection direction a ; (3) to calculate projection characteristic value of the i th sample zi, and (4) to draw comprehensive analysis on the basis of zi. On the other hand, the empirical formula of cutoff radius R is developed, which is benefit for the model to be used in practice. Finally, a case study of water quality assessment is proposed in this paper. The results showed that the PPC model is reasonable, and it is more objective and less subjective in water quality assessment. It is a new method for multivariate problem comprehensive analysis.     

Adaptive neuro fuzzy inference system for classification of water quality status

An adaptive neuro fuzzy inference system was used for classifying water quality status of river. It applied several physical and inorganic chemical indicators including dissolved oxygen, chemical oxygen demand, and ammonia-nitrogen. A data set (nine weeks, total 845 observations) was collected from 100 monitoring stations in all major river basins in China and used for training and validating the model. Up to 89.59% of the data could be correctly classified using this model. Such performance was more competitive when compared with artificial neural networks. It is applicable in evaluation and classification of water quality status.