灰色理论在优化水质监测断面上垂线数的应用

一、关联度分析法 关联度分析是基于系统各因素时间序列曲线间相似相异程度来衡量其关联度大小的量化方法。具体计算方法如下: 1.确定参考数据列 {A_o(t)}={A_o(1),A_o(2),…,A_o(n)} (t=1,2,…,n) 2.确定比较数据列 {A_i(t)}={A_i(1),A_i(2),…,A_i(n)} (i=1,2,…,n)     

运用灰色关联分析法评价大气质量

一、灰色关联分析法的评价步骤 1.给出待评价样本和评价标准样本:以{xo~((0))(k)}(k=1,2,…,m)表示待评价样本的各评价因子(污染物)的实测值,其中下标0表示待评价样本,k表示评价因子。再以{Xi~((0))(k)}(i=1,2,…,n;k=1,2,…,m)表示大气质量分级标准中各评价因子的标准值,其中下标i表示大气质量级别。     

废气排放量灰色建模新法初探

分析并指出了灰色建模常规方法的理论缺陷，初步探讨和提出了将原始动态序列数据经过线性或指数变换，采用黄金分割法取背景值的直接建模方法，并运用它预测某化工厂的废气排放量，研究表明，该法较常规方法在提高预测精度等方面具有明显优越性，从而拓宽了ＧＭ（１，１）模型在环境科学领域的应用范围。     

灰色系统预测模型在城市废水排放量预测中的应用

灰色系统(Grey System)理论自邓聚龙提出后,已经广泛地应用于各个社会经济领域,并取得了令人满意的效果。所谓灰色系统是指部分信息已知、部分信息未知的这类系统。灰色系统理论认为,尽管客观系统表象复杂,数据离乱,但它总是有整体功能的,总是有序的,它必然潜藏着某种内在规律。因此,灰色系统理论采用灰色过程生成对原始数据进行处理,以得到随机性弱化和规律性强化了的序列,并在此基础上建立灰色预测模型,使模型具有较高的精度。     

灰色系统GM（1,1）残差模型在水质预测中的应用与探讨

近年来，灰色系统理论在环境预测方面已被较为广泛地应用，本文以青格达湖水质污染指标COD近十余年的监测数据作为原始数据．预测来来水质污染指标浓度值，探讨GM（1，1）模型在水质预测中的适用条件。1方法概述按X（0）的原始数据列得到下述GM（1，1）模型的时间响应函数。从模型得到的还原数据列为已知原始数据列为定义残差为如果取k—i．i＋1…·．n，便有残差列q（）一（q（0）（i）．q（0（i＋l）…·，q’0’（n》·对十”建立GM（1，1）模型．得时！司响应函数2计算步骤2．1建立GM（1，1）模型对原始数据列X”’作一次累加主成…     

纺织厂车间噪声的灰色GIM（1）预测模型

利用灰色ＧＩＭ（１）模型的非时序直接建模法原理,对纺织厂织造车间的环境噪声分别建立了等间隔和不等间隔的非时序预测模型。实测研究表明ＧＩＭ（１）模型优于常规ＧＭ（１,１）模型,且所需建模数据大为减少,预测精度更高（达９９．９９％）,从而拓宽了灰色预测的适用范围。     

一类非等间隔序列灰色建模方法的改进

对一类非等间隔序列的灰色建模方法进行了改进，提出在原序列前一个平均间隔单位位置上假设有一虚拟值零，然后改用线性回归来求解模型参数，实例表明，不仅简化了建模方法，模型精度亦有所提高。     

博斯腾湖矿化度遥感反演及空间分布特征研究

以我国最大的内陆淡水湖——博斯腾湖为研究对象,利用Terra/MODIS L1B空间分辨率为250 m和500 m的遥感反射率数据及湖水矿化度实测数据建立线性回归模型,分析湖表面矿化度的空间分布特征。结果表明:空间分辨率为500 m的1~7个波段组合建立的多元线性回归模型相关性最高(R~2=0.70),模型验证结果显示,实测值和反演值的相关系数(R~2)为0.82,均方根误差(RMSE)为0.12。利用最优模型对博斯腾湖湖面矿化度进行反演,其分布存在明显的空间梯度,西北、东北和东南湖区矿化度较高,而西南湖区和湖区南部矿化度较低。     

降雨对河流水质影响的灰色分析

一、灰色分析模型 灰色系统理论采用关联度分析的方法进行分析。关联度分析是动态过程发展态势的量化分析,实质上是几种曲线间几何形状的分析比较。即认为,几何形状越接近,则发展变化态势越接近,关联度就越大。 关联度分析先要指定参考数列和被比较数列。本文以降雨量作为被比较数列,并将其生成一个新的数据列。     

基于MATLAB的灰色模型在广州市降尘预测中的应用

用MATLAB语言将灰色系统理论中的GM(1,1)模型,从建模到模型的检验过程编制成一个普适程序。将该程序应用于广州市降尘量的预测分析,结果令人满意。     

合肥市生活垃圾产量多模型预测与分析

针对合肥市生活垃圾产量现状,通过建立时间序列(ARIMA)、多元线性回归(MLR)、灰色系统GM(1,1)和反向传播神经网络(BPNN)模型对历史数据进行验证比较分析。结果表明,ARIMA(0,1,2)模型的MAPE、MAE、RMSE、NRMSE分别为1.879%、2.240、2.781、0.021,其精度最高、效果最好,为合肥市生活垃圾产量的最佳预测模型。用该模型预测合肥市2021—2025年的城市生活垃圾产量,结果显示生活垃圾产生量为218.89万t～290.71万t。     

用工业废水排放量预测地面水CODMn灰色方法研究

ＧＰＭ（１）灰色生长曲线常被用于等距时序环境系统的分析建模、非等距摆动空间序列方面的应用尚未报道。本文研究提出了将非等距摆动空间序列经过等距化处理的ＧＰＭ（１）线性回归优化建模方法采用该方法所建的非等距ＧＰＭ（１）模型用于工业废水量预测地面水ＣＯＤＭｎ的实例表明，该方法简捷，方便、精度高于回归分析，有较大实用价值。     

灰色系统的GM(1,1)模型在地表水COD浓度预测中的应用

本文试用灰色系统中的GM(1,1)模型,对某地1982年～1989年地表水—监测断面COD浓度变化进行建模预测,旨在为预测地表水污染变化找到一条准确适用的方法.     

区域PM2.5时空回归建模与预测

基于区域PM_(2.5)时空建模和预测的需要及PM_(2.5)浓度呈现明显的时空分布趋势的状况,以苏南地区2014年PM_(2.5)日监测数据为实验数据,使用回归克里格对区域PM_(2.5)进行时空建模和估值。利用最小二乘法建立了PM_(2.5)与时空位置的三元二次回归趋势模型,建模点趋势值与实测值间的平均误差接近于0,表明趋势模型拟合效果较好;拟合了样点残差的理论变异函数模型,表明该地区PM_(2.5)的空间和时间相关性范围分别为150 km和4 d;基于该模型,使用时空普通克里格对残差进行时空插值;插值结果与趋势项相加,得到PM_(2.5)回归克里格估值结果;通过对比不考虑趋势的时空普通克里格估值结果,发现考虑时空趋势的时空回归克里格法精度提高了1. 29%。对所提方法进行了创新性分析,并对不足之处进行了讨论。     

应用递推GM（1,1）模型预测废气排放量

一、概述灰色系统理论中的一阶单变量预测模型GM(1,1),目前在环境预测实践中异常活跃,仅最近一段时间就有多种杂志刊登了多篇此类文章.总的来说,这些文章有以下两个特点:1.应用领域的拓广.如应用于港口油污染预测,降水pH值预测,城市环境综合整治定量考核指标预测,工业废渣产生量预测,大气悬浮颗粒物浓度预测,水污染控制系统中应用等等.2.预测方法的应用.如采用残差再度建模修正的方法,新陈代谢模型(等维信息模型)方法,拓扑预测方法,灾变预测方法等等.从根本上而言,这些应用实践均基于同样的建模原理及辨识方法(本文称之为普通GM(1,1)模型),即为连续的微分模型.本文将这种建模原理及辨识方法作适当的改变,介绍一种递推的差分模型,并应用于     

灰色模型在岩溶地下水水质预测中的应用研究

运用灰色理论建立水质预测模型,通过对水质指标拟合值与实测值差异性分析,判断模型精密度,并预测山东省东阿县下马头水源地未来2年的水质变化趋势,结果表明:在4项水质指标预测模型中,总硬度、氟化物指标的GM(1,1)时间响应预测模型拟合结果较好;溶解性总固体、硝酸盐指标的GM(1,1)时间响应预测模型精密度均为3级,不适合指标的预测;未来2年下马头水源地岩溶地下水水质良好。     

也谈GAM与GM（1,1）模型

通过对环境预测中灰色建模方法的回顾，说明了ＧＡＭ和ＧＭ（１，１）模型各有所长，最重要的是建模手段的丰富。     

北京市城市道路交通噪声的灰色预测

以北京市1991~2002年城市道路交通噪声监测数据为基础,运用灰色系统理论,建立了灰色GM(1,1)预测模型,并采用残差、均方差比值、小误差概率检验等3种办法对所建模型的拟合精度进行了检验.结果表明,此模型精度为一级灰色预测模型.预测精度较高,平均拟合偏差为0.40%.对2003~2005年噪声的预测精度平均高达99.9%.利用常规GM(1,1)模型、新陈代谢GM(1,1)模型和多维灰数递补GM(1,1)模型等三种预测模型对本市未来3年(2006~2008年)的城市道路交通噪声进行了预测.     

基于复合LSTM模型的PM2.5浓度预测

在对淄博市19个空气质量监测站点监测数据进行分析后,提出了一种基于机器学习的复合模型——灰色关联度分析(GRA)-改进的完备总体经验模态分解(ICEEMD)-长短期记忆网络(LSTM)模型。通过分析淄博市2019年大气污染物和气象数据,选用LSTM模型预测PM_2.5浓度。由于传统单一模块机器学习模型具有训练时间较长和预测精度较低的问题,提出了复合LSTM模型。该模型由3部分组成：GRA,用于PM_2.5浓度影响因素变量筛选;ICEEMD,用于PM_2.5分解、分量筛选和原始大气污染物及气象数据处理;LSTM,用于PM_2.5浓度预测。预测结果表明：淄博市中部丘陵地带PM_2.5浓度高于南部山区和北部平原,东部高于西部;淄博市逐月PM_2.5浓度呈“U”形分布,1月最高,8月最低;淄博市PM_2.5浓度受PM₁₀和CO影响较大,受湿度和温度影响较小。对比单一LSTM模型和GRA-LSTM模型,GRA-ICEEMD-LSTM模型...     

大气环境质量综合评价加权灰色关联模型的建立与应用

利用灰色理论建立大气环境质量综合评价加权灰色关联模型 ,运用污染贡献率确定权重系数。与其它评价模型相比 ,加权灰色关联模型还具有排序功能 ,实例表明该模型是简便有效的