用物元分析法优选大气环境测点

在构造了大气环境监测的标准物元矩阵和节域物元矩阵的基础上,应用物元分析中的关联函数定义,对大气环境监测优化布点进行了研究。应用于实例结果表明物元分析法是环境监测优化布点的一种简便有效的方法。      

基于概率神经网络的指标规范值的水质评价模型

为了建立地表水、地下水和富营养化3类水体共同适用的概率神经网络的水质评价模型,适当设定3类水体各项指标参照值及指标值的规范变换式,使3类水体不同指标的同级标准规范值差异尽可能小,从而各指标都可用同一个"等效"规范指标替代,因此,概率神经网络隐层各类模式的基函数中心矢量的各指标分量值可视作是相同的,即都等于同级标准所有72项指标规范值的均值。基于概率神经网络的指标规范值表示的水质评价模型用于3类水体评价实例检验,验证了该模型的普适性、简洁性和实用性。     

环境监测优化布点的人工神经网络模型

采用B－P算法的人工神经网络,对选定的标准样本进行训练,用训练结束后网络的稳定权值和阈值,并结合标准样本的网络输出,即可对环境监测样点进行优选。应用于大气环境监测优化布点的实例结果表明,人工神经网络用于环境监测优化布点是可行的     

环境监测优化布点的投影寻踪回归分析法

应用投影寻踪回归（ＰＰＲ）建模技术，分析环境测点的污染物监测数据之间的关系，通过建模过程虽的数据生成，获得各测点数据对环境质量总体状况的权重贡献率。根据权重贡献大小，进行环境测点的优选，用ＰＰＲ分析法从成都市３项大气污染物的１２个环境测点中，优选出５个测点，其保留信息量约占全部测点信息的９０％。     

湖泊富营养化评价的S型曲线通用表示式

在适当设定富营养化指标的“本底”值情况下 ,当指标值用对应于“本底”值的相对值表示时 ,可采用 S型曲线描述湖泊富营养化发展程度 ,从而公式中的参数可视为与指标特性无关 ,采用遗传算法对公式中的参数优化 ,得到对多项指标通用的富营养化程度的指数计算公式 ,并用广义对比因子赋权新方法计算富营养化综合指数。该评价方法物理意义明确 ,计算简单 ,使用方便 ,具有可比性和通用性     

用投影寻踪回归进行大气颗粒物的污染源解析

 应用投影寻踪回归技术（PPR）对大气颗粒物的污染源成分谱和大气采集样本中的元素测试数据进行分析，得到大气颗粒物的污染源的权重贡献率的一种原解析新方法该方法应用于上海大气颗粒物的污染源的解析,结果表明，影响上海市大气颗粒物的主要污染源是建筑尘、土壤尘、燃煤尘和冶金尘它们的平均贡献率之和十占全部尘源的85%以上     

模糊数运算法用于湖泊营养类别评判

本文提出了应用模糊数运算判别湖泊营养状态的类型。将单参数对营养类别的分布用一个模糊数表示,并运用模糊数运算法,给出全部参数对所有营养类别分布加以表示。最后选用一个适当阈值λ寸分布进行截取,就可作出湖泊属于某一营养类别的评判。本方法应用于16个湖泊的营养类别评判,结果与用评分法评判基本一致。     

基于B-P人工神经网络的环境测点的优选

为了对有多项污染物的环境测点进行优选,提出了单项污染物对环境作用的“相对贡献率"和多项污染物对环境综合作用的“作用和贡献率"的新概念及其计算公式。将B-P神经网络原理与逐步聚类分析思想相结合,用于环境测点聚类优选。该方法用于成都市12个环境测点的优选结果符合客观实际。此外,它还具有简便实用、客观性好的特点。      

基于鱼群算法优化的空气质量评价普适模型

在设定各项空气污染物的明显危害浓度"参照值"基础上,提出一个适用于多项污染物的幂函数加和型空气质量评价综合指数公式,该公式的特例也可作为单项指标的空气质量评价。采用鱼群算法优化公式中的参数,得出优化后适用于多项污染物的空气质量综合评价普适指数公式。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:该公式不受污染物种类和数目多少的限制,形式简便,计算快速,使用方便,具有通用性、可比性和实用性。     

基于集对分析的降水酸度及水质相似预测模型研究

应用集对分析法刻画历史样本之间的相似性,用多个最相似的历史样本的加权平均值作为当前样本预测值,建立了基于集对分析的降水酸度及水质相似预测模型(SFM-SPA),并运用该模型进行了降水酸度及水质预测的实例验证。结果表明,在主要影响因子选择适当、历史样本的代表性和相似性较好等限定条件下,利用模型进行环境预测是可行的,它较直观、计算简便,为环境污染预测提供了新的途径。