投影寻踪回归技术在环境污染预测中的应用

环境污染预测中常用的统计预测法基于“假定—模拟—预测”这样一种证实性数据分析思维模式,难以适应非线性、非正态分布数据分析。投影寻踪技术采用“审视数据—模拟—预测”这样一条探索性数据分析新途径,可以用来解决一定程度上的非线性、非正态的问题。应用投影寻踪回归新技术,建立了大气污染物SO₂浓度分类预测模型,其预测建模样本的拟合合格率为84.7％,预留预测检验样本预测合格率75％。     

水环境质量评价的普适指数公式

在适当设定水质指标的“基准”值情况下,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。公式的正确性已被多处水质评价检验。      

综合环境质量的B－P网络二级评价

为了探索人工神经网络应用于环境质量评价的可行性和合理性，应用人工神经网络的Ｂ－Ｐ模型，构造了大气、水质和噪声的综合环境质量的Ｂ－Ｐ网络二级评价模型。并将该模型应用于实例作效果检验。结果表明Ｂ－Ｐ网络用于环境质量评价适应性强，方法可行，结果合理。     

城市综合环境质量的物元分析评价

为了探索物元分析方法用于城市综合环境质量评价的可能性,通过城市环境对评价等级的综合关联度,进行城市综合环境质量评价。用物元分析法对四川省１６个城市的综合质量评价结果表明它用于城市综合环境质量评价是可行的。     

降水中与pH值有关的离子优选和pH值的PPR预测

应用投影寻踪回归（ＰＰＲ）分析技术的ＳＭＡＲＴ算法得到因子的权重序列,可实现对降水中与酸性ｐＨ值有关的离子的优选。实例分析结果表明,用优选出的离子作为特征因子,建立ｐＨ值的投影寻踪回归预测模型,具有较高的预测精度和较好的稳定性     

大气环境质量综合评价的B—P网络模型

选取大气环境质量的三级标准作为３个学习样本，以ＳＯ２，ＮＯｘ和ＴＳＰ三种污染物的三级标准浓度限值作为样本的输入特征值，建立了三参数的Ｂ－Ｐ网络大气质量综合评价模型，用该模型对３１个测点的大气环境质量进行评价，并与模糊数学和灰色系统法的评价结果比较，表明Ｂ－Ｐ网络用于大气环境质量评价具有优越性。     

基于指标规范值的室内空气客观评价的概率神经网络模型

为了建立简单、普适、通用的概率神经网络的室内空气评价模型,在适当设定室内空气各项指标的参照值及指标值的规范变换式基础上,使室内空气同级标准不同指标的规范值差异尽可能小,从而用规范值表示的各指标都可用同一个规范指标"等效"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与同级标准所有15项指标规范值的均值等同。将基于指标规范值的概率神经网络模型用于室内空气的评价实例进行检验,验证了该模型的普适性、通用性和简便性。     

基于指标规范变换的广义环境系统评价的普适指数公式

为了建立适用于广义环境系统评价的普适指数公式，针对传统的环境评价指数公式不具有普适、规范和通用的局限，提出适用于广义环境系统任意指标的参照值和规范变换式的设计原则和方法；该变换要求变换后的任意指标的各分级标准规范值都能被限定在各自的较小区间内，从而用规范值表示的任意指标皆"等效"于同一个规范指标；再分别用不同限定区间内生成的随机数模拟任意指标的不同分级标准的规范值，不同区间内生成的所有随机数组成不同分级标准的全部训练（学习）样本，借助免疫进化算法优化不同评价指数公式中的参数，得到适用于广义环境系统评价的9个（广义）普适指数公式，并论证了公式的可靠性.分别将9个普适指数公式用于北京市朝阳区19个监测井的9项指标的地下水水质的综合评价，以及用于郑州、西安、上海三市2000年可持续发展评价.结果表明：9个普适指数公式用于同一监测井水质的评价结果几乎完全相同，也与传统评价方法的评价结果基本一致；用于郑州、西安、上海三市可持续发展评价的结果分别是3级、3级、2级，比传统评价法更符合实际情况.9个普适指数公式使广义环境系统的评价变得简洁、规范、统一和通用；基于指标规范变换的评价指数公式的建模思想和方法对建立广义环境系统的普适智能评价模型有借鉴作用.     

基于指标规范值的富营养化评价的TOPSIS模型

当指标较多时,传统的TOPSIS模型构造标准化决策矩阵的工作量大,且正、负理想点的确定未规范化,主观性较强。提出在适当设定富营养化指标"参照值"及指标值的"规范变换式"基础上,将同级标准的规范值相近的指标归为一类,因而同属一类的指标可设计为相同的标准化决策矩阵,大大减少工作量。将指标规范值的TOPSIS模型用于洋河水库的富营养化评价,结果与实况相符合。基于指标规范值的TOPSIS模型不仅简单、实用,而且使正、负理想点确定能规范化。     

基于粒子群径向基神经网络的矿井突水水源判别

以多项地下水化学组分指标作为判别因子,采用粒子群算法优化径向基函数神经网络中的参数,建立了最优结构的基于粒子群径向基函数神经网络的矿井突水水源判别模型,将此模型应用于实例分析中,并与其他方法进行了比较分析。结果表明:基于粒子群径向基函数神经网络的矿井突水水源判别模型的判别结果具有客观性和实用性,避免了权重分配等人为因素的干扰;与传统最小二乘法的RBF神经网络相比,其精度更高,优化结果更为合理,具有较强的突水水源判别能力,可为矿井突水水源判别提供了一条新途径。