水质综合评价的遗传投影寻踪插值模型

为解决各单项水质评价指标评价结果的不相容问题 ,提高水质综合评价各层次的分辩力和评价模型的精度 ,本研究采用大样本数据 ,利用投影寻踪、遗传算法、插值型曲线和水质评价标准 ,为水质综合评价建立了一种新的数学模型———遗传投影寻踪插值模型 (GPPIM)。实例研究表明 ,GPPIM建模方法直观、可靠、精度高 ,既具有较强的分类功能 ,又具有较好的排序功能 ,可广泛应用于各种环境质量的综合评价。     

海洋冰情预测的径向基函数网络模型

为了提高非线性时序预测模型的精度,利用自相关技术分析了海洋冰情时序的延迟特性,据此确定了RBF网络的输入、输出向量,给出了MATLAB环境下海洋冰情预测的高精度径向基函数(RBF)神经网络的结构、设计、仿真函数和图形结果的输出方法,建立了海洋冰情预测的高精度RBF网络模型.使用27年的海洋冰情实测资料进行了网络的训练和检验,并将之用于预测,各训练样本的误差为0.0,预测值的精度高于门限自回归模型预测的精度.实例分析表明,所构建的RBF网络模型能充分利用预报因子的信息和神经网络方法的非线性映射能力,模型稳定性好,精度高,可广泛应用于各种自然灾害的非线性时序动态预测.     

区域水资源开发利用程度评价的RBF网络模型

当前的水资源开发利用程度评价模型随着区域水资源开发利用系统评价内容的不同而变化 ,精度较难控制 .为解决单项水资源开发利用程度评价指标评价结果的不相容问题 ,提高水资源开发利用程度综合评价各层次的分辨力和评价模型的精度 ,本文给出了水资源开发利用程度综合评价的MATLAB环境下的径向基函数 (RBF)神经网络的结构、设计、仿真函数和图形结果的输出方法 .作为示例 ,对西安市水资源开发利用程度进行了综合评价 .结果表明 ,MATLAB环境下的RBF神经网络评价方法简便有效 ,即具有较强的分类功能 ,又具有较好的排序功能 ,评价结果可靠、适用性强 ,可广泛应用于各种水资源问题的综合评价     

区域水资源开发利用程度综合评价的GPPIM

水资源开发利用程度评价是一个由多指标组成的复杂巨系统,其难点是如何合理地建立评价该系统的数学模型。当前的评价模型随着评价内容的不同而变化,精度较难控制。为解决单项水资源开发利用程度评价指标评价结果的不相容问题,提高水资源开发利用程度综合评价各层次的分辩力和评价模型的精度,论文采用大样本数据,利用投影寻踪、遗传算法、插值型曲线和水资源开发利用程度评价标准,为水资源开发利用程度综合评价建立了一种新的数学模型---遗传投影寻踪插值模型(GPPIM)。实例研究表明,GPPIM建模方法直观、可靠、精度高,既有较强的分类功能,又有较好的排序功能,可广泛应用于各种水资源问题的综合评价。