基于粗集理论的大气颗粒物的排放源的重要性评价

基于粗集理论（RS）对于不确定性问题的近似分类的思想和方法，通过计算大气污染源排放的远素组成的差异程度与大气颗粒物样本中元素含量的分类关系，用排放源对于大气颗粒物无素量的有效程度为标准来评价排放源的重要性，进行了实例分析计算并与其它几种源解析法结果比较表明：不同源解析法给出的主要排放源的重要性排序是一致的。     

自然灾害的物元分析灾情评估模型初探

本文提出了用物元分析进行灾情评估的新方法。该方法将灾情划分为三类,计算每项评估指标对各类灾情的关联函数,采用指数超标法计算各项指标的权值,然后应用加权公式计算全部指标对各类灾情的综合关联程度,并根据评价标准对灾情作出评估。该方法应用于45个灾情个例评估结果与用灾度判别法评估结果比较表明其用于灾情评估具有科学性和实用性。     

适用于多指标的水质指数公式

通过适当设定水质指标的“基准”值 ,用相对于“基准”值的指标相对值替换对数形式的指数公式中的水质指标值 ,采用遗传算法优化不同指标的指数公式中的参数 ,得到对多项指标通用的水质普适指数公式 ;并用折衷型激励功效函数将单项指标的指数加权为综合指数。该公式形式简单 ,易于计算 ,使用方便 ;具有客观性、可比性和通用性     

大气质量污染损失率评价模型参数的GA优化

设定各项污染物在大气环境质量污染损失率评价模型中有相同参数值,采用具有全局优化的遗传算法(GA)对模型中的参数进行优化,得出了对各种大气污染物均适用的大气环境质量污染损失率计算公式及大气环境质量综合评价模型。该模型与其他多种评价模型用于大气环境实例进行评价比较,结果表明:该评价方法不仅原理直观,评价结果准确,而且计算简便,实用性强。      

BP网络应用于大气颗粒物的源解析

应用BP网络对大气颗粒物进行源解析,将大气采集样本中的元素含量和大气颗粒物源成分谱构成训练样本集,用BP网络进行训练,由训练好的网络的权值可以计算出大气颗粒物的污染排放源的权重贡献率.将BP源解析法的计算结果与其它源解析法得到的结果比较,表明BP网络应用于大气颗粒物的源解析是可行的.     

指标变换值表示的空气质量评价的普适指数公式

为了建立形式简单、普适通用的空气质量评价的普适指数公式,适当设定空气指标的参照值和指标值的变换式,使不同指标的同级标准值经变换后的标准变换值差异不大,而标准变换值的对数值的差异更小,从而可以认为用变换值表示的不同指标皆与某个指标"等效"。因此,用变换值表示的不同指标的某种类型的空气质量评价的指数公式都可以用该"等效"指标相应的空气质量评价指数公式代替。在满足一定的优化目标准则条件下,采用猴王免疫进化算法对公式中的参数进行迭代优化,分别得到优化后对基于空气质量标准(GB3095-1996)的7项空气指标皆适用的对数型幂函数、韦伯-费希纳定律、Γ型分布函数、污染危害S型函数、加权加和型幂函数及参数化组合算子等6个空气质量评价的普适指数公式。对公式的可靠性进行了理论分析,对其实用性进行了效果检验,其评价结果与其他方法评价结果基本一致,并与实际相符合。结果表明:空气质量评价的多种形式的普适指数公式皆具有形式简洁、计算简便和普适通用的特点。     

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。     

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％。     

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     

规范变换降维与误差修正结合的环境系统的一元线性回归预测

针对高维、非线性环境系统的传统预测模型存在结构复杂、收敛速度慢、求解精度低的局限,提出对环境系统预测量及其影响因子进行幂函数与对数函数相结合的规范变换.此规范变换能使变换后的各影响因子皆等效于一个线性化的规范因子,从而将多因子、非线性的预测建模简化为简单的一个"等效"规范因子的一元线性回归建模;并对预测样本的模型输出进行误差修正,以提高样本的预测精度.在规范变换的基础上,由有m个规范因子的每个建模样本生成一个规范因子的m个"等效"训练样本,n个建模样本共生成N=m×n个训练样本.应用最小二乘法,建立基于规范变换的一元线性回归预测模型.将基于规范变换的一元线性回归预测模型与相似样本误差修正法相结合,分别用于某市5个点位的SO_2浓度预测和南昌市城市降水酸度pH值预测及某河段COD_(Mn)预测,并与多种传统预测模型和方法及基于规范变换与误差修正的3种智能预测模型的预测结果进行了比较.结果表明:该预测模型用于3个实例预测的相对误差绝对值的平均值分别为1.14%、0.49%和1.45%;最大相对误差绝对值分别为2.22%、0.87%和1.85%,与基于规范变换与误差修正的3种智能预测模型的相应误差几乎没有差异,甚至还要小;均远小于多种传统预测模型和方法的相应误差,其预测精度甚至提高了一个数量级以上.基于规范变换与误差修正的一元线性回归预测模型简单、预测精度高、稳定性好,不存在"维数灾难",因而可广泛用于任意系统的预测建模.