基于模糊层次分析模型的高校室内空气质量评价与分析

随着室内空气污染问题越来越受重视,对室内空气进行环境评价以了解室内空气品质成为急需解决的问题。基于层次分析法和模糊综合评判法,提出了模糊层次分析法(FAHP),并应用于高校室内空气品质评价。对某高校室内的甲醛、氨、TVOC、苯、甲苯、二甲苯进行测定,并对测定数据先后采用单一层次分析法和模糊层次分析法进行评价。其中模糊层次分析法是通过对污染物相对重要性比较,建立判断矩阵,经运算和一致性检验得出各污染物权重向量,再确定评价集合,构造各污染物的隶属函数,得到单因素评价矩阵,各污染物的隶属度与其权重的乘积即为评价结果。与单一层次分析法的评价结果对比,模糊层次分析法能够更全面、客观地反映高校室内空气品质的实际状况。     

宝天高速公路沿线地表水环境现状评价的密切值法

以宝天高速公路为背景,讨论了公路建设对水体环境的主要影响,并利用改进的密切值法对公路沿线地表水进行水环境质量现状评价.通过评价表明:沿线地表水质量良好,基本达到地表水环境Ⅰ级标准;评价结果真实地反映了天宝高速公路沿线水体水质的基本情况,说明采用密切值法对水体进行评价是可行的;该方法概念清晰、计算简便实用,能较好地反映区域内各水体水环境质量的相对优劣,可为制定环境规划、进行环境决策、实施环境综合整治提供科学依据.     

密切值法在室内空气品质评价中的应用研究

建立了室内空气品质综合评价密切值法的数学模型,并将其用于某地区4栋大楼室内空气品质的评价,通过与灰色评价法、污染损失率法等方法进行比较.结果表明:密切值法的判定结果等级与污染损失率法的评价结果完全一致,与灰色评价法的评价结果存有差异;从评价结果排序看,密切值法的判定结果与灰色评价法、灰色物元分析法、相似率法、污染损失率法基本一致.说明密切值法用于评价室内空气品质是可行的.而且该评价方法原理简单,计算过程简便,分辨率较高.本研究拓展了密切值法的应用领域,也为室内空气品质评价提供了新的思路和方法.     

属性层次模型在土壤环境质量评价中的应用

建立土壤环境质量评价的属性层次模型,以土壤综合环境质量评价、评价指标及各样本建立层次结构,将层次分析法中的比例标度转化为相对属性测度得到各指标权重,再计算合成属性值来实现对各土壤样本的质量等级综合评判与排序.将此方法应用于某地区农业土壤环境8个样本、6项重金属污染指标的综合评价,结果表明,与密切值法的评价结果相一致,与模糊综合评判法和分级贴近度法的评价结果略有差异;计算简单、合理,评价结果准确可靠.     

改进密切值法在湖泊富营养化评价中的应用

密切值法(Osculating Method)作为一种多目标优选方法,在水环境质量评价中具有一定的应用.经过改进,将各级营养级别作为评价样本,参与到湖泊水环境样本的矩阵中,引入目标差值率对初始矩阵进行规范化处理,并应用层次分析法,对各评价指标的贡献程度加以确定.将改进后的密切值法应用于湖泊富营养化评价中.经实例分析表明,该方法概念清晰、计算简便实用,保证了湖泊水环境质量评价的科学性,能较好地反映湖泊水环境质量的优劣,并使其与各级营养级别的关系一目了然.     

基于熵权的属性识别理论模型综合评价室内空气质量

基于经典模糊数学理论发展建立的属性识别模型可有效将复杂多因素研究对象进行综合评判和定量排序,提出以熵权-属性识别理论复合模型用于室内空气质量评价的理论内涵和计算方法,并对某高校不同类型室内环境评价进行实证研究。结果表明:教室、办公室空气质量最佳,为一级;其次是宿舍,为二级,主要污染物为氨;休息室中TVOC、苯等多项指标超标,属于三级,亟待改善。该模型不仅能科学合理地反映不同类型室内空气质量的综合现状,同时能直观体现出各评价因子的贡献差异和特征,是一种简便明晰、结果客观的室内空气质量综合评价新方法。     

层次分析室内评价模型及其应用

提出了一种新的室内空气质量评价的方法———层次分析模型(IAAH)。利用IAAH法对长春部分室内空气质量进行了评价,结果表明室内空气属中等以上程度污染。     

基于变权集对分析的室内空气品质的评价研究

对室内中的污染物浓度进行测量,科学评价室内空气品质.分析了室内空气质量七种污染物的浓度、评价等级、权重系数三个基本要素.通过建立集对分析模型,用联系度来描述评价对象与评价标准的同异程度,评价结果清晰地显示了集合之间的关系结构.在已有基本权重的基础上,引入变权公式,使污染物的浓度随评价等级同步动态变化.并用该方法对某小区的四栋楼的室内空气质量进行综合评价,该分析结果更加科学合理.该评价方法对室内空气质量评价更加全面、直观.     

工业污染源综合评价层次分析法

根据层次分析法原理，可将污染源分解成污染要素，再分解为影响因子再分解为次级因子层，构造污染源评价的多层次评价结构模型，根据评价对象的性质和特点，建立指标体系，再据确定的取值规则，以各因子层构成准则层，以各污染源构成方案层，建立判断矩阵计算总排序权值，进行污染源综合评价。     

室内空气质量灰色聚类决策评价

根据3所室内对象的监测数据,将灰色聚类决策引入到室内空气质量的研究中,以室内主要污染物二氧化碳、一氧化碳、可吸入颗粒作为评价指标,建立了室内空气质量聚类标准评价序列及其针对不同灰类的白化权函数,以此分析3种污染物对室内空气质量的综合影响程度,得出室内空气质量的灰色聚类决策结果,从而实现了对室内空气质量的灰色评价.     

室内空气品质评价方法研究进展

介绍了室内空气品质评价的定义、评价的标准和几种现行的评价方法.通过对这几种方法进行系统地介绍,比较这些方法在室内空气品质评价时的优劣,对其中的几种方法提出了改进意见,为进一步研究室内空气评价方法指明了方向.     

基于熵权法和聚类分析法的成都市空气质量综合评价

传统方法在评价大气环境质量中存在因素较为单一等缺点,文章综合考虑多评价单元的多种指标,运用熵权系数法对成都市各区域AQI进行计算,以区域AQI年均值,区域年污染天数两个评价参数,构建成都市现阶段各区域空气质量状况的指标体系。同时利用聚类分析方法对成都市21个区县,根据空气质量指数AQI日均值进行结果验证。研究结果表明:郫县,青白江区和新都区综合评价等级最高,均在8.5以上,体现出这三个区域空气质量状况较差,综合评价等级较低的都江堰和蒲江县AQI年均值也较低,污染天数很少,其余区域的评分和其AQI以及污染天数均相符合,可以得出该综合评价模型可以很好的很客观的反映出各区域的空气质量状况。聚类分析呈现出较好的聚类效果,整个成都市各区域空气质量均值分布分为四大区域,较符合实际结果,可以为其他城市的空气质量综合评价提供一定的参考。     

采用门限自回归模型预测环境空气质量

应用汤家豪博士提出的门限自回归模型，以上海市环境空气质量时间序列监测数据和相应的气象数据，建立门限自回归大气污染预测模型，对上海市环境空气质量进行预测预报。结果表明：门限自回归模型计算较为简便且便于计算机自动建模。显著性检验表明门限自回归预报方程高度显著，在实际应用中，采用最新的数据建模和采用分站建立模型的方法可以使预测精度进一步提高。     

模糊数学在室内空气质量评价中的应用

随着生活水平的提高和生活方式的改变,人们在室内生活的时间越来越长,室内空气质量的优劣直接影响到人们的工作和生活.尤其是近年来,出现了大规模的装修热,因此而引起的室内空气污染问题也日益突出.为了能够更客观直接准确的反映出室内空气质量好坏,本文依据国家标准GB/T18880-2002中的标准值,将空气质量分为五个等级.并根据模糊数学的基本原理,选取评价因子,建立室内环境质量模糊综合评价隶属函数,确定了模糊矩阵,把它应用于室内环境质量的综合评价中.     

如何理解空气质量分指数(IAQI)计算公式并速算

将空气质量分指数(IAQI)的计算公式拆分进行理解,其实质就是两部分指数相加,一部分指数是通过各浓度值与该级别浓度段值的比算出该浓度的空气指数分担值,另一部分为起点值。并将日报与小时报分开,计算各项污染物在每个级别的分担值(固定值)得出两个列表,不用再去查表1,只需简单的加减,甚至口算即可快速的计算出IAQI值,并可由AQI值反推某项污染物的浓度值。非常实用、简单、快速。     

模糊物元模型在焦化厂大气环境质量综合评价中的应用

随着焦化行业的快速发展,其环境污染问题也日益暴露出来,以大气污染最为严重。将熵值理论与模糊物元分析法相结合,建立了焦化厂大气环境质量评价的模糊物元模型,并根据焦化厂的大气环境质量现状提出了反映其污染程度的Ⅰ-Ⅳ级质量分级标准。研究结果表明,运用模糊物元模型评价大气环境质量状况是可行的,焦化厂各测点的大气环境质量均达到安全级（Ⅲ级）。     

基于逆方差多模型融合的空气质量指数预测方法

空气质量预测对合理制定环境治理政策具有重要意义。针对目前单体预测模型存在模型不稳定和泛化能力不强的问题,提出基于逆方差权重分配方法融合3种单体模型的空气质量指数(air quality index, AQI)预测方法。首先,以北京市为例,构建空气质量指数预测数据集;其次,分别构建长短期记忆网络(LSTM)、门控循环单元(GRU)、双向长短期记忆网络(Bi-LSTM)、自回归积分滑动平均模型(ARIMA)和多元线性回归(MLR)5种模型对数据集进行预测,并对比以上模型的预测结果;最后,在多模型融合方法中,选择逆方差法计算预测精度较高的3种单体模型的权重,根据算得权重构建逆方差融合预测模型。与预测精度较高的3种单体模型以及加权平均融合预测模型相比,逆方差融合预测模型对空气质量指数的预测精度R²分别提高3.9%、3.4%、1.6%和0.5%,达到0.933。结果表明：逆方差融合预测模型综合了各单体预测模型的优点,能够提高AQI预测精度。