路面雨水对地表水水质影响预测模型的探讨

本文结合公路建设项目的环境特征，分析探讨了公路与河流垂直、平行及邻近湖泊、水库等不同环境状况下公路路面雨水对地表水水质影响的预测计算模型．     

灰色马尔可夫预测模型及在地震预报中的应用

本文在灰色预测基础上,引入马尔可夫链预测,建立起灰色马尔可夫预测模型,并以云南地震为例,进行了实际应用,结果表明该模型预测精度比单独使用灰色预测的精度有了较大提高。     

赤潮生物密度与环境因子的ANN网络映射预测模型

对各种理化因子与赤潮中夜光藻密度建立了人工神经网络（ANN）映射模型，并利用该模型对各种理化因子与被光藻密度的非线性对应规律的外向扩展和内插进行了研究。结果表明，模型较好地反映了存在的对应规律。     

城市生活垃圾产量预测模型

分析了昆明市1996——2001年度每年垃圾产生量的数据，由此提出了可应用于南方城市垃圾产量预测的GM(1，1)SSODMM灰色模型。通过几次迭代后，该模型可对非升凹或升凸的原始数据进行较为准确预测，且精度令人满意。计算结果表明通过三次迭代后该模型对昆明城市生活垃圾进行预测的精度达到一级。     

地区性住宅氨气浓度的灰色预测

根据灰色系统理论,联系常州市住宅氨气浓度的实际状况,建立了精度检验较高的灰色预测模型,经检验其精度完全满足要求,并对常州市住宅氨气浓度值进行了预测分析,结果表明,常州市住宅氨气浓度将呈稳步下降趋势.     

山东省工业固体废物产生量预测模型

实施排污总量控制是实现我国“九五”环保目标和可持续发展战略的必然要求。“九五”期间我省将对12种污染物实行排污总量控制，而工业固体废物排放量就是其中的重要指标之一，欲将2000年该项指标控制在1995年的水平，就必须清楚，按现发展趋势我省到20OO年将产生多少工业固体废物，以便更好的按照忡华人民共和国固体废物污染环境防治法》对其进行总量控制。我省在固体废物污染防治过程中实行了减量化、资源化、无害化。本文在建立预测模型时，考虑到非纯粹指数的发展过程，选用了Th阶灰色系统模型，即GM（2，l）模型，对其提出最速下降最…     

基于人工神经网络方法的水质预测初探

常规的水质预测模型因存在许多简化与假定而限制了其精度与实用性的提高.文章通过引入神经网络技术来建立水质预测模型,分别采用LM算法和RBF算法来提高预测的精度.结果表明,在建立三门峡水库流量和水质的输入响应关系模型的实际应用中,RBF算法取得了较好的预测效果.     

遗传规划方法在水质预测中的应用

为克服现有水质预测方法的不足,应用遗传规划方法进行水质预测,用遗传规划个体表征预测函数,预测精度为评价标准,通过复制、交叉等操作,不断改变遗传规划个体结构,最终找到预测值的最佳显式预测函数.以漓江为例,建立了基于GP的预测模型,仿真计算结果表明模型具有较高的预测精度.     

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.