蛙跳算法优化的地下水质评价的参数化组合算子模型

传统的参数化多元组合算子模型在进行对数变换后,采用最小二乘法求解模型参数。在满足构建的优化目标函数条件下,直接用基于群集智能的混合蛙跳算法对参数化组合算子模型中的参数进行优化,避免了传统解法过程中需要进行的对数变换,因而使参数求解变得简化。改进后的参数化组合算子模型被应用于地下水水质评价,其评价结果与用其他多种方法的评价结果基本一致。从而表明:混合蛙跳算法优化得出的地下水水质评价参数化组合算子模型为地下水水质评价提供了一种简便和实用的新方法。     

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ＳＯ＿２，ＮＯ＿ｘ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网络大气环境质量综合评价模型，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。     

城市可持续发展评价的分指数及综合指数公式

在指标按特征分类的基础上，提出了城市可持续发展评价分类指标的分指数公式和多类别组合的综合指数公式。应用遗传算法对公式中的参数进行优化，得到简单而适用的城市可持续发展评价模型。模型应用于全国“七五”，“八五”可持续发展评价结果与实际分析结果一致。该模型具有可比性强，通用性好和简单，实用的特点。     

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     

规范变换与误差修正结合的环境系统的前向网络和投影寻踪预测模型

为了建立适用于环境系统的结构简洁、形式统一、程序规范、应用普适的神经网络和投影寻踪回归预测模型,针对传统的神经网络和投影寻踪回归用于多因子、大样本预测建模,存在模型结构复杂、学习效率低的局限,提出设置环境系统预测量及其影响因子参照值和规范变换式的原则和方法,使规范变换后的影响因子皆"等效"于同一个规范影响因子,从而将多因子的的预测建模简化为等效规范因子的预测建模,使模型结构得到极大地简化,提高了学习效率;此外,为了提高预测模型的预测精度,还提出了对预测样本的模型输出值的误差修正公式.在对环境系统的预测量及其影响因子进行规范变换的基础上,将m个规范影响因子的每个建模样本组成m个"等效"训练样本,应用免疫进化算法优化模型参数,分别建立适用于环境系统的2个或3个规范影响因子的前向神经网络和投影寻踪回归两类预测模型;并依据误差理论,对误差修正公式修正后的模型预测精度的提高进行了严格的数学论证.将基于规范变换与相似样本误差修正相结合的两类预测模型,用于某市5个点位的SO_2浓度预测,并与6种传统预测模型和方法的预测结果进行了比较.结果表明:对同一个预测样本,同类模型的两种不同结构的的预测值及其相对误差都几乎完全相同或彼此相差甚小;此外,两种不同结构的两类预测模型用于5个样本预测,其相对误差绝对值的平均值分别为2.59%、2.67%;2.18%、2.62%,均远小于传统BP神经网络模型的25.72%、传统PPR模型的14.20%、传统SVR模型的22.13%、模糊识别模型的21.57%、组合算子模型的18.36%和多元回归模型的25.31%;而两类模型预测的最大的相对误差绝对值分别为4.11%和3.57%,更加远远小于传统的6种预测模型的37.18%、56.07%、27.40%、32.14%、38.38%和60.26%.实例分析结果证实了误差修正公式对提高模型预测精度具有切实可行性.基于规范变换与误差修正相结合的前向神经网络和投影寻踪回归两类预测模型不仅避免了"维数灾难",提高了学习效率和模型的预测精确度,而且具有简洁、普适、规范、统一和稳定的特点,对其他预测建模也有借鉴作用.     

人工神经网络在台风预报中的应用初探

为了探索人工神经网络应用于台风分类预报的可能性，用具有Ｓ－特特性函数的Ｂ－Ｐ网络对每类台风的标准样本进行训练，由训练结束后的权值和阈值及待预报样本的因子测值，计算出网络输出值，作出台风分类预报。文中的实例表明人工神经网络用于台风预报具有客观性、可行性和实用性。     

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。      

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。     

基于B－P网络的水质营养状态评价模型及其效果检验

选取与ＴＳＩ＿ｃ为０．５０，１００相应的水质营养状态作为３个建模样本，以ｃｈｌ－ａ，ＴＰ，ＴＮ和ＳＤ４个水质参数作为样本的输入特征，建立Ｂ－Ｐ网络的水质营养状态评价模型。该模型应用于全国３０个湖泊水质的营养状态评价，获得了较好的检验效果。     

人工神经网络用于大气环境质量评价与排序

本文应用于人工神经网络Ｂ－Ｐ算法，建立了大气环境质量Ｂ－Ｐ网络评价模型，该模型应用于实例评价和环境质量排序结果与灰色综合评价法评价结果相比较，表明Ｂ－Ｐ网络法用于大气环境质量评价合理，客观，并具有可比性。