基于改进遗传算法的河流水污染源反演方法

针对河流水污染应急响应过程中污染源排放历史迟知、未知的问题,结合多种群遗传算法和自适应遗传算法,利用一维河流水质模型和水质监测数据,研究建立了基于改进遗传算法的河流水污染定量源反演方法,实现了对河流污染源排放历史的识别与重构.将该方法应用于美国特拉基河流的3个不同流量下的示踪剂实验中,对示踪剂排放历史进行定量源反演分析.结果表明：IGA算法对高、中、低不同流量下的3次示踪剂实验均可以很好的重构和识别示踪剂排放历史,对于实际河流水污染源反演分析的误差均在可接受范围内.IGA算法在河流水污染源反演分析中具有一定的可靠性和稳定性,可为河流水污染精准溯源与治理提供科学的技术支撑.     

人工神经网络在水环境质量评价中的应用

为了将人工神经网络应用于水环境质量评价,应用了人工神经网络Ｂ—Ｐ算法,构造了水环境质量评价模型,该模型应用于实例评价结果表明,人工神经网络用于环境质量评价具有客观性,通用性和实用性。     

水环境质量综合评价的新模型

为检验已订的水环境质量评价标准的合理性,解决各单项水质指标的评估结果的不相容性问题,提高水质等级模型的分辨率,提出了一种新的水质评价模型-逻辑斯谛曲线(LOG)模型,它的水质等级是连续的实数值;根据LOG模型的参数值可以分析各水质指标值对水质等级的影响程度,从而检验原订水质等级标准的合理性;并给出了基于实码遗传算法的LOG建模的实施方案.实例研究说明,这套方案是实用的和通用的,在其它环境质量综合评价中也具有广泛的应用价值.     

基于Landsat 8遥感数据的天津市地表温度反演

以Landsat 8遥感数据为数据源,进行天津市地表温度反演研究。首先采用单通道算法反演地表温度,并利用均值标准差法进行温度分级。然后建立不同温度等级面积比例的估算模型。再通过随机样点,从不同温度等级和土地覆盖类型2个角度,分别建立并比较不同类样点的地表温度与各指数的拟合模型。结果表明:次高温区域面积比例与人口密度、人均GDP都具有较高的决定系数;地表温度与NDVI、BAEM的二元线性回归决定系数高于地表温度与单一指数的决定系数;将样点分类后,低温点与MNDBI的决定系数高于其他温度等级样点,水域和植被样点与各种指数的决定系数高于其他地物类型样点。     

基于L-M神经网络的道路交通噪声预测研究

神经网络具有很强的预测功能.根据石家庄公路交通噪声的实测数据,利用L-M优化算法的多层神经网络预测模型进行道路交通噪声的预测,经检验,计算值与实测值接近,预测精度令人满意.     

Cleaner production for continuous digester processes based on hybrid Pareto genetic algorithm

ＩｎｔｒｏｄｕｃｔｉｏｎＷｉｔｈｏｂｓｏｌｅｔｅｔｅｃｈｎｏｌｏｇｙ ,ｅｑｕｉｐｍｅｎｔ,ａｎｄｍａｎａｇｅｍｅｎｔ,Ｃｈｉｎａ′ｓｐｕｌｐａｎｄｐａｐｅｒｉｎｄｕｓｔｒｙｉｓｒｅｃｏｇｎｉｚｅｄａｓｂｅｉｎｇｏｎｅｏｆｔｈｅｍｏｓｔｈｉｇｈｌｙｐｏｌｌｕｔｉｎｇｓｅｃｔｏｒｓ.Ｉｔｓｐｌａｎｔｓｄｉｓｃｈａｒｇｅｄｏｖｅｒ3ｍｉｌｌｉｏｎｔ ａｏｆＣＯＤｉｎ 1 995,ａｃｃｏｕｎｔｉｎｇｆｏｒ 41 .8%ｏｆｔｈｅｏｖｅｒａｌｌｉｎｄｕｓｔｒｙｐｏｌｌｕｔｉｏｎｌｏａｄｏｆＣｈｉｎａ(Ｒｅｎ ,1 998) .Ｉｎｔ…     

环厦门海域水色变化的多光谱多时相遥感分析

采用基于影像光谱信息建立的水质遥感模型对环厦门海域1989～2003年间的水色变化进行了分析.通过对水体及其所含物质的物理光学性质分析,水质遥感模型的建立可以不依赖于和卫星同步的水质采样数据建立水质遥感.这使得遥感对水色分析的应用更容易,而且还可以利用大量卫星存档数据来进行水质的历史变化分析.使用基于可见光和近红外波段反射率创建的模型研究了离水信号和水中物质(悬浮物和浮游植物)的关系.提出了一套可用于Landsat TM/ETM 和SPOT 5影像的水专题处理流程,并用于揭示所研究海域中悬浮物和叶绿素浓度的时空变化规律.研究表明,利用基于影像光谱的水质遥感模型,可以快速有效地揭示长时间范围内水色的时空变化.总的看来,环厦门海域的悬浮物浓度在所研究的时期内,有显著的增加,叶绿素的浓度在局部也有明显的升高.最明显的是,高悬浮物浓度的海域面积所占的比例从1989年的0.2%上升到2003年的10.2%.综合分析表明,九龙江河口所带来的巨量悬浮物是该海域最主要的陆源排海物和污染源,过度的水产养殖是另一个主要的污染因子.     

遗传梯度法在水质数学模型参数估值的应用

介绍一种混合遗传算法－－遗传梯度法，并将其应用于水质数学模型参数估值，较一般优化算法能稳定得到的全局最优解。     

Modelling dynamics of managed tropical rainforests—An aggregated approach

The overuse of rainforests in the last century and its consequences necessitate a rethinking of logging policies. To this end models have been developed to simulate rainforest dynamics and to allow optional management strategies to be evaluated. Parameterisation of presently existing models for a certain site needs a lot of work, thus the parameterisation effort is too high to apply the models to a wide range of rainforests. Hence, in this paper we introduce the simplified model FORREG using the knowledge we have gained from a more complex model, FORMIX3-Q.     

Use of genetic algorithms to select input variables in decision tree models for the prediction of benthic macroinvertebrates

Predicting freshwater organisms based on machine learning is becoming more and more reliable due to the availability of appropriate datasets, advanced modelling techniques and the continuously increasing capacity of computers. A database consisting of measurements collected at 360 sampling sites in non-navigable watercourses in Flanders was applied to predict the absence/presence of benthic macroinvertebrate taxa by means of decision trees. The measured variables were a combination of physical–chemical (temperature, pH, dissolved oxygen concentration, conductivity, total organic carbon, Kjeldahl nitrogen and total phosphorus), structural (granulometric analysis of the sediment, width, depth and flow velocity of the river) and two ecotoxicological variables. The predictive power of decision trees was assessed on the basis of the number of Correctly Classified Instances (CCI). A genetic algorithm was introduced to compare the predictive power of different sets of input variables for the decision trees. The number of input variables was reduced from 15 to 2–8 variables without affecting the predictive power of the decision trees significantly. Furthermore, reducing the number of input variables allowed to ease the identification of general data trends.