路基沉降的非等间隔时变离散灰色预测模型

本文分析了灰色GM(1,1)模型的缺陷,并以离散GM(1,1)模型为基础建立了路基沉降的非等间隔时变离散灰色预测模型,该模型参数以最小二乘法估计,且以遗传算法优化初始值,通过工程实例与不同预测模型进行对比分析,结果表明非等间隔时变灰色预测模型的精度明显高于其他模型,且最能反映原始路基沉降数据的发展规律.     

基于灰色理论与BP神经网络预测成都市生活垃圾产生量

根据成都市中心城区垃圾产生量的历年数据,先用以时间为单变量的灰色GM(1,1)预测模型得到历年数据的拟合值,再分析垃圾产生量与其影响因素之间的灰色关联度,选出关联度最大的4个因素建立多变量的灰色GM(1,5)预测模型与BP神经网络模型,并对垃圾产生量的预测精确度进行了对比,用预测精度最高的BP神经网络模型对未来年份的垃圾产生量进行了预测,为成都市垃圾处理处置规划提供了理论依据。     

中国小麦遥感估产区划研究

大面积小麦遥感估产区划是一项专项应用区划,主要服务于小麦遥感估产研究与实践。本文结合农作物区划理论和小麦遥感估产的具体要求,并重点考虑后者,提出了小麦遥感估产区划的原则和依据,建立了区划指标体系,藉此把我国分为１４个估产区和３２个估产亚区。     

基于遥感信息和净初级生产力的天然橡胶估产模型

建立基于MODIS数据的天然橡胶净初级生产力遥感估算模型,利用2009年生长季(4—12月)250 m分辨率的MODIS数据和气象数据估算海南阳江农场天然橡胶的生长季净初级生产力, 通过天然橡胶的干物质分配率估算阳江农场天然橡胶的产胶潜力。用以树位为单元的地面实际干胶产量与已得到的天然橡胶林产胶潜力进行回归分析,建立天然橡胶干胶产量的估测模型。利用估产模型对阳江农场2010年7月的干胶产量进行模拟,用同期实际干胶产量对估产模型进行精度验证与实用性评价,结果显示7月估产模型均方根误差RMSE为1.78 g·m^-2,相对均方根误差RMSE_r为18.25%。研究表明,基于遥感信息和净初级生产力的天然橡胶估产模型具有较好的产量估测效果。     

GM(1,1)模型在酸性降水pH值预测中的应用

用灰色系统理论GM(1，1)模型建立了长沙市酸性降水pH值的预测模型，建模过程中用灰色理论建模的简化算法获得了精度较高的模型，并且在此基础上对长沙市今后5年的降水pH值进行了预测。     

利用国产环境减灾卫星遥感信息估测春小麦产量——以内蒙古陈巴尔虎旗地区为例

以内蒙古春小麦产区陈巴尔虎旗为研究实例,采用遥感方法,利用分辨率30 m的国产环境减灾卫星的NDVI数据对春小麦单产进行预测。研究选取了该卫星2009年7月29日春小麦乳黄熟期的NDVI数据,同时,建立其与春小麦单产间关系,运用数理统计与回归分析方法构建了春小麦乳黄熟期的NDVI与其单产的估产模型。利用地面实测春小麦单产对估产模型估测的单产进行精度检验,结果表明,基于影像提取的NDVI与春小麦实测单产有较好的抛物线状(y=cx²+bx+a)相关关系,NDVI与春小麦实测单产的相关关系达到显著水平,其相关系数R为0.87,单产相差160 kg/hm²,相对误差为-3.89%。表明利用国产环境减灾卫星的NDVI与实测春小麦单产建立的估产模型,对成熟前春小麦的单产进行估测,其估产精度也同样可达到与利用国外卫星的预估效益。     

碧流河水库水质状况的模糊模式识别及对策讨论

提出了确定污染指标权重的新方法,运用陈守煜建立的模糊模式识别理论模型对大连市碧流河水库连续３ａ的水质进行了综合评价,并探讨了水质保护对策      

灰色模型在昆明交通噪声预测中的应用

交通噪声声级是众多环境统计指标中的一种,它与城市的经济发展水平、道路状况、交通管理等诸多因素有关,很难准确定量描述。本文应用灰色预测理论模型,以1985～1989年昆明市交通噪声统计资料为例,对交通噪声声级进行未来发展趋势预测分析。 1 灰色模型GM(1.1)预测法灰色预测是通过原始数据序列进行一定的变换,变成生成列,这个生成列用指数曲线或其它函数逼近,从而建立起预测模型。首先对所取数据列按时间顺序排列,经一次累加、得生成列,即白色模     

纳米吸湿性串联差分迁移率分析仪的建立与性能评估

对新生态细粒子(粒径≤30 nm)的吸湿性测量是了解其物化特性,进而深入认识其生成机制及其环境与气候效应的重要手段之一.然而,目前无论是实验室研究还是外场观测都缺乏相应的仪器设备.本文基于商用纳米差分迁移率分析仪(Nano-DMA),设计搭建了一套纳米吸湿性串联差分迁移率分析仪(Nano-HTDMA),开展了系列性能测试,并结合理论模型对该系统进行了评估.对于粒径小于30 nm的纳米气溶胶颗粒的初步测试表明,该装置在室温条件下,加湿范围在相对湿度(RH)20%～90%之间可控,波动范围为±0.5%;并测量了(20±2) nm聚苯乙烯乳胶(PSL)小球在85%相对湿度条件下的吸湿增长因子(g),获得该系统的校准因子为0.007.同时,针对20 nm的硫酸铵和氯化钠气溶胶粒子的吸湿增长进行了测量,与引入形状因子χ后的理论模型进行了分析与对比;并针对不同粒径(15、20、30 nm)的硫酸铵、氯化钠的吸湿增长开展了研究,讨论了粒径对纳米颗粒物g因子、潮解点(DRH)的影响.系列测试结果都表明,不同条件下的实验研究结果与理论模型值都呈现出较好的一致性,证明了该系统的可靠性、稳定性与适用性,有望用于新生态气溶胶粒子的实验室与场地物化特性研究.     

利用改进的属性识别理论模型评价大气环境质量

阐述了一种改进的属性识别方法,针对属性识别理论模型中置信度λ取值的主观性,提出了灰色接近度的概念,通过计算样品属性测度与理想模式属性测度之间灰色接近度的大小,判断样品所属类别。根据GB3095—1996《大气环境质量标准》,运用此模型对福州市2001—2008年的大气环境质量进行评价。     

基于修正组合模型的青海省城市需水量预测

根据城市用水量系统具有非线性和随机波动性的特点,为了充分发挥组合灰色神经网络预测模型能够综合单变量预测及非线性处理的优势,同时降低组合权系数计算方法的不确定性对模型预测效果的影响,论文提出了基于马尔科夫链修正的组合灰色神经网络预测模型。将其应用于1980—2009年青海省城市用水量序列的拟合分析,并预测其2010、2015以及2020年的城市需水量。结果表明:基于马尔科夫链修正的组合灰色神经网络预测模型预测结果的误差更小,精度更高。     

基于模拟-优化方法的地下水污染源溯源辨识

以抚顺市某煤矸石堆放场为研究区,根据研究区的实际条件建立地下水污染质运移模拟模型,预测地下水污染质未来时空变化特征.基于正演预报结果构建了假想例子,应用模拟-优化方法对地下水污染源源强及场地的渗透系数进行反演识别.为减小优化模型反复调用模拟模型所产生的计算负荷,分别采用Kriging方法和BP神经网络方法建立了模拟模型的替代模型.最后运用模拟退火法求解优化模型,得到反演识别结果.研究表明：应用Kriging方法建立的替代模型输出结果的平均相对误差为0.3%;应用BP神经网络方法建立替代模型的输出结果平均相对误差为1.5%,应用两种替代模型对污染源源强识别的相对误差均小于0.5%,对场地两个参数分区渗透系数识别的相对误差均不大于5%.综上,应用Kriging方法建立的替代模型精度高于BP神经网络方法,利用基于两种替代模型的模拟-优化方法对污染源源强和渗透系数进行同步识别精度可以满足实际需求,是有效可行的.     

BP 神经网络模型在环境气象灾害预测中的应用研究--以湖南省为例

依据环境气象数据与自然灾害统计数据,建立BP神经网络模型,对湖南主要气象灾害（洪灾、旱灾、冰冻灾）及受灾经济损失进行实例预测,将在MATLAB7软件中的仿真结果与传统的多元线性回归模型分析结果进行比较和误差分析。结果表明,BP神经网络模型在洪灾、旱灾受灾率方面的预测效果和精度优于多元回归模型,而由于冰灾训练样本不足及经济损失与输入因子的线性相关程度高,在冰灾与受灾经济损失率方面稍逊于多元回归模型。     

西安市PM2.5时空分布模型研究

由基于时间序列的神经网络与BP神经网络构成一个二级神经网络模型.首先用基于时间序列的神经网络来构造模型,在每个监测站运用基于时间序列的神经网络模型得到一PM2.5的预测值P1,PM2.5与地理坐标之间无根本联系,只与相应地理坐标的环境因子有关,故用BP神经网络建立预测值P1与实测值P的模型,从而得到预测值P2,即通过构建二级神经网络得到PM2.5时空分布模型,然后对P2与P求均方差根RMSE进行检验.     

密云水库流域2000-2005年植被覆盖度变化监测

植被是生态系统最重要的组成部分,而植被覆盖度是衡量地表植被状况的一个最重要的指标,是生态系统健康评价的前提和必要的基础。文章利用2000和2005年2个时相的Landsat 7 ETM+遥感影像为数据源,以BP神经网络法为植被覆盖度估算模型,计算了密云水库流域内不同时期的植被覆盖度,生成了该流域2个时相内的植被覆盖度图,以此分析密云水库流域植被覆盖度的时空变化。结果表明,从2000-2005年,密云水库流域内除无植被覆盖类型外(即水域部分),其余土地利用类型的植被覆盖度都呈增加趋势,其中以沙质地和耕地最为明显,分别增长了29.5%和27.3%,并且密云水库流域的平均植被覆盖度不高,尤其西部地区植被覆盖度较差,水土流失和土地沙化情况比较严重。     

灰色神经网络模型在油气管道腐蚀速度预测中的应用

简要说明了GM(1,1)模型和BP神经网络模型预测过程,提出了灰色神经网络组合模型,用此方法对某原油长输管道腐蚀速度进行了预测,并用MatLab语言编程的方法对数据做了处理,结果表明用该方法预测得到的数据与实测值非常接近。     

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。     

用神经网络辨识化学强化一级处理系统

运用实验室得到的数据为样本 ,选取了CODCr和絮凝剂投加量为指标 ,采用三层结构的神经网络 ,利用Matlab的神经网络工具箱中的批处理梯度下降法对CEPT系统经行辨识。辨识结果表明 :模型的预测值与实测值的平均误差在 3 .7%左右 ,具有较高的精度。同时 ,该模型还具有适应性强 ,使用方便 ,高效的特点 ,为CEPT系统的在线实时控制提供了一条有效的途径。     

玉米生产环境成本及全要素生产率的时空研究

论文在把玉米生产省（区）按生产能力划分为三类产区的基础上,纳入环境成本,系统分析了2004—2014年各地区玉米生产的环境成本全要素生产率及其分解的变化,并明确了三类产区在未来玉米产量保障中的地位和作用。研究结果表明：1）玉米生产环境成本全要素生产率呈现下降趋势,生产方式整体仍属于粗放型,同时玉米生产正转向劳动节约型和环境可持续型;2）第一主产区具有产量和环境可持续性优势,未来仍将是我国玉米供给主要产区,第二主产区和其他产区在要素管理和技术水平以及环境可持续性方面仍有待提高,能够为未来玉米需求提供更高保障。     

基于MODIS数据与多机器学习法的日PM2.5模拟研究

为了深入了解地面PM_2.5的空间分布,以山东省为研究区,利用2019年的PM_2.5站点实测数据,结合中分辨率成像光谱仪(MODIS)的L3级别的MCD19A2气溶胶光学厚度产品,充分考虑人口、地形、气象等因素,使用RF、SVR、BPNN、DNN等4种机器学习算法对山东省2019年逐日PM_2.5进行了模拟.结果表明:随机森林模型(RF)的RMSE和MAE的值分别为12.67和6.62,优于BPNN、SVR和DNN模型.随机森林模型(RF)最适合山东省的日PM_2.5模拟.