可持续发展评价指标体系模型研究

可持续发展指标体系是一个多层次、多系统的综合体系。研究可持续发展指标具有重大的理论意义与实际的指导价值。模糊优选BP神经网络模型能较好地求解这种多层次、多系统的复杂结构，通过决策、反馈、再决策、再反馈的复杂过程，通过对话式的决策信息输入与反馈，最终达到优选的目的。     

系统模糊优选熵权模型在节水灌溉项目综合评价中的应用

根据系统模糊决策理论和熵—信息理论 ,构建了一个系统模糊优选熵权模型 ,并将该模型用于节水灌溉工程项目综合评价中。应用效果表明 ,模型适用于任何结构性、半结构性或非结构性多目标多层次大型复杂系统的综合评价 ,且方法简单实用 ,结果客观可靠 ,具有广泛的应用前景。     

系统模糊优选熵权模型在节水灌溉项目综合评价中的应用

根据系统模糊决策理论和熵－信息理论，构建了一个系统模糊优选熵权模型，并将该模型用于节水灌溉工程项目综合评价中。应用效果表明，模型适用于任何结构性、半结构性或非结构性多目标多层次大型复杂系统的综合评价，且方法简单实用，结果客观可靠，具有广泛的应用前景。     

关联分析法在节水灌溉项目投资决策中的应用

在节水灌溉项目投资方案优选的决策过程中,所依赖的信息是"部分完全的"或称"贫信息性",这正是多个方案优选决策的"灰色性"。投资方案的优选决策是一项复杂的、多项因素的工作,要考虑的目标很多,其评价因素和优选结论都具有"不确定性",这实际上是一个多目标的决策问题。针对多个投资方案的优选问题,引入灰色系统理论中的灰色关联分析法,通过建立灰靶决策模型对投资方案进行优选,提高了优选的精确性和客观性,并通过实例说明应用灰色关联分析法来解决多目标的方案决策问题是可行的。     

以沼气工程为纽带的农业科技园系统反馈结构分析

利用复杂系统反馈分析理论,对以沼气工程为纽带的农业科技园生态农业系统进行了反馈结构分析,给出了系统的生态效益和经济效益增强反馈环路,分析表明沼气工程是解决农业生产对环境的污染、提高系统内部资源利用率、实现农业可持续发展的有效途径.     

基于突变分级模型的淤地坝坝系规划方案优选

淤地坝坝系规划方案优选需要考虑水沙控制能力、拦泥能力、淤地能力与投资效益等多方面的因素,是一个典型的复杂系统多准则决策问题,复杂系统多准则决策通常具有模糊性与不确定性.利用突变理论处理模糊与不确定问题的优势,提出了淤地坝坝系规划方案评价指标体系,建立了基于突变分级评价法的淤地坝坝系规划方案优选模型,给出了应用该模型的具体步骤.将该模型应用于偃师市浏涧河流域坝系方案优选中,对底层指标量纲一化处理并进行归一运算,利用归一公式的聚集机理对各指标的重要性进行量化,比较各方案的总突变隶属函数值,从而确定淤地坝坝系规划方案优选结果.结果表明:方案Ⅰ,Ⅱ,Ⅲ总突变隶属函数值分别为0.959 2,0.918 1,0.948 4,方案Ⅰ最优,其评价结果与传统的人工对比分析方法评价结果一致,从而验证了突变分级评价模型用于淤地坝坝系规划方案优选的合理性和可行性.     

基于钻爆法的隧洞群施工进度仿真系统研究

隧洞群施工过程复杂,施工场地受限,专业类型多且相互干扰大,不确定与风险因素多,其施工进度计划的制订与实施控制均为复杂的过程。为有效提高隧洞群进度计划制定的科学性与效率,设计并开发了基于钻爆法的隧洞群施工进度仿真系统用于进度计划编制的辅助决策。仿真系统通过离散系统仿真理论为基础,以隧洞群钻爆法施工的CYCLONE实施层模型为核心,涵盖了工程数据管理、施工工艺仿真、网络计划分析、成果统计分析等功能,实现了施工进度仿真与优化、施工方案优选、工期优化等功能,为隧洞群工程的施工组织设计和施工进度实时控制提供了准确的参考数据和合理的方法措施。在杭州第二水源千岛湖配水工程中的应用进一步验证了本系统的适应性与普适性。     

VIKOR法在节水灌溉项目方案优选中的应用

【目的】有效解决节水灌溉项目方案选择困难得多属性复杂决策问题。【方法】基于VIKOR算法提出了一种新的节水灌溉项目方案优选方法,使用目标差值率对各指标的原始数据进行标准化处理,同时利用改进的CRITIC法进行客观赋权。【结果】通过对实际案例应用进行分析,并与其他优选方法作对比,当VIKOR法的决策系数取不同值时,得到的排序结果分别与模糊综合评价法、模糊物元模型结果完全一致,得出的最优方案与实际情况相符,表明了将VIKOR法应用到节水灌溉项目方案优选中是可行的。【结论】VIKOR法具有原理简单、计算简便、分辨率高、结果稳定性强等特点,并且决策系数可以根据项目研究意义和决策者的意愿进行调整,增强了VIKOR法操作的灵活性和结果的可靠性,该方法也可以在类似工程方案优选与评价方面广泛应用。     

改进PROMETHEE的城市防洪减灾方案优选模型——以北京市为例

城市防洪减灾方案属于复杂多属性评价问题。目前较为热点的直觉模糊集和区间直觉模糊集可以处理不完全信息,但是对于不确定、不一致的信息的处理具有局限性,而传统多指标评价方法在进行方案优选评价时,存在指标间的补偿问题。对传统多指标优选决策方法进行了优化,采用中智集环境下改进的PROMETHEE方法并结合城市防洪减灾方案评价指标进行了综合评价,结果表明,中智集环境下改进的PROMETHEE方法能够有效解决传统方法所存在的决策信息模糊性和指标间补偿问题,使评价结果更加合理。最后通过实证方法验证了该方法的有效性和可行性。     

基于区间直觉模糊TOPSIS法的节水灌溉工程方案优选

节水问题是我国面临的资源与环境战略化问题。针对节水灌溉方案优选过程中大量的不确定信息与工程风险,提出了基于区间直觉模糊TOPSIS法的节水灌溉工程方案优选模型,分析了区间直觉模糊环境下节水灌溉工程作为复杂系统的特殊性以及优选模型的应用优势,充分利用原始信息,在属性权重未知的情况下将信息熵与区间直觉模糊集相结合求出属性权重,对传统熵权法的应用范围进行了拓展。最后,结合实例表明该方法具有可行性和有效性,为节水灌溉工程方案的优选提供了决策支持。     

基于BP神经网络的甘蔗收获机切割器振动性能研究

针对小型甘蔗收获机切割器不平衡对切割器轴向振动的影响,为实现切割器振动的有效预测以及自动控制信号的获取,通过正交试验并利用BP神经网络技术与回归分析构建出了切割器螺旋以及刀盘振动的BP神经网络模型和回归模型。分析结果表明:基于BP神经网络建立模型的切割器螺旋与刀盘的振动正确拟合率达到了88.89%,且相对误差基本上在5%以内,而回归模型的切割压力正确拟合率只有38.89%。因此,基于BP神经网络建立的模型具有较高的精度,通过此BP神经网络模型,有效地解决了复杂信息特征的提取问题,减少了试验研究的次数与成本,为进一步的切割器刀盘以及螺旋振动的自动控制系统的研发奠定了基础。     

利用神经网络技术建造工艺设计专家系统

针对传统人工智能专家系统的缺点，引入了以并行计算为主的神经网络技术，并成功地运用它来建造工艺设计专家系统。神经网络中的ＢＰ（ＢａｃｋＰｒｏｐａｇａｔｉｏｎ）模型用作规则记忆器，每一模型中，知识库和推理机是合二为一的，许多这类模型构成系统的知识库。工艺路线的最后决策通过数据驱动的正向推理来实现     

基于MEA-BP神经网络的土壤养分评价模型

针对BP神经网络在解决复杂非线性问题时,存在初始权值和阈值随机赋值,网络学习速度慢,局部极小的问题,运用群体搜索能力强的思维进化算法(MEA),寻找出最优的初始权值和阈值,优化BP神经网络的网络结构,建立MEA-BP神经网络的土壤养分等级评价模型。以敦化市黑土的土壤养分数据作为测试集,评价指标选用土壤的有机质、全氮、速效氮、速效磷和速效钾。对比MEA-BP网络预测模型、遗传算法(GA)优化BP网络预测模型和单一的BP网络预测模型,结果表明MEA-BP网络预测模型的均方误差(MSE)最小、决定系数(R^2)最接近1和误差波动最小,可以更准确地反映土壤养分分级特性。     

基于BP神经网络的河北省耕地生产力预测

鉴于BP网络在处理非线性复杂系统的优势,以河北省为研究对象,构建一个9-5-1结构的BP神经网络预测模型,将1987-2005年的相关数据作为模型的训练样本,以2006年的粮价政策、农资投入量和农民收入等数据作为网络的预测输入,对该年的河北省粮食单产进行预测。结果表明,BP神经网络预测结果与实际粮食单产的相对误差为0.86%,预测精度优于传统的多元回归统计模型。     

蛋鸡设施养殖环境质量评价预测模型构建方法及性能测试

蛋鸡设施养殖环境质量对蛋鸡的健康生长和生产性能的提升至关重要。蛋鸡养殖环境是多环境因子相互影响制约的复杂非线性系统,凭借单一的养殖环境参数难以对环境质量做出准确有效的评价。针对上述问题,本研究综合蛋鸡设施养殖环境的温度、湿度、光照强度、氨气浓度等多个环境影响因子,在布谷鸟搜索算法优化神经网络（CS-BP）预测模型的基础上,构建了改进的CS-BP的蛋鸡设施养殖环境质量评价预测模型。将构建的改进CS-BP预测模型与BP神经网络、遗传算法优化BP神经网络（GA-BP）、粒子群算法优化BP神经网络（PSO-BP）3种深度学习方法进行性能参数分析比对,结果表明：改进CS-BP评价预测模型的平均绝对误差（MAE）、平均相对误差（MAPE）和决定系数（R²）分别为0.0865、0.0159和0.8569,其各项指标性能均优于上述3种对比模型,该模型具有较强的模型泛化能力和较高的预测精度。对改进CS-BP的蛋鸡设施养殖环境质量评价模型进行测试,其分类准确率达0.9333以上。本研究构建的模型可以为蛋鸡设施养殖环境质量提供更加全面有效的科学评价,对实现蛋鸡生产环境的最优控制,促进蛋鸡生产性能的提升具有重要意义。     

甘蔗收获机切刀负载压力的神经网络预测

为了实现切刀负载压力预测以及入土切割自动控制信号获取,结合正交试验和BP神经网络与回归分析分别建立了切刀负载压力的预测数学模型.结果表明:BP神经网络构建的切割负载压力数学模型准确拟合率达到了85.2％,而回归分析构建的切割负载压力模型准确拟合率只有33.3％;对构建的切刀负载压力BP神经网络模型在新的试验因素下得到的...     

RBF与GRNN神经网络模型在河流健康评价中的应用

利用层次分析法构建符合区域中小河流健康评价指标体系和分级标准,基于RBF与GRNN神经网络算法原理,分别构建RBF与GRNN神经网络算法的河流健康评价模型,采用内插法构造网络训练样本,将河流健康分级评价标准值作为“预测”样本进行“预测”,并将结果作为河流健康等级评价的划分依据,对文山州区域中小河流健康状况进行评价分析。结果表明：①RBF与GRNN神经网络模型对区域中小河流健康评价结果完全相同,与BP神经网络评价结果基本相同,表明研究建立的河流健康评价模型和评价方法均是合理可行的,同BP网络算法相比,RBF与GRNN神经网络模型有收敛速度快、预测精度高、不易陷入局部极小值等优点,且调整参数较少,只有一个SPREAD参数,可以更快地预测评价网络,具有较大的计算优势。②文山州区域主要河流健康评价等级为Ⅱ～Ⅲ级,即处于健康与亚健康之间,客观反映了区域中小河流健康状况,可为区域河流的可持续管理和生态环境建设提供参考依据。     

基于遗忘因子和误差修正的水文实

在进行水文预报时，由于影响河道洪水的因素众多，常用的水文预报模型往往不符合实际水文系统的客观规律。对这类系统的参数辨识要求算法具有较强的实时跟踪能力，以适应模拟或预测洪水运动变化过程的要求。利用洪水预报误差信息，对BP网络洪水实时预报校正模型与方法进行了探讨，提出了两种实时预报方法。第一：运用最小二乘递推算法，引入时变遗忘因子实时跟踪模型中时变参数的变化，建立了神经网络在非线性系统中动态的系统输入、输出数据之间的映射关系。第二：利用BP网络模型对误差的可识别性，将模型对输出变量的预报误差再次作为输出变量，对网络可能预报的误差进行实时修正。计算实例表明：以上两种方法提高了神经网络在水文领域的预报精度，给BP神经网络的实时预报方法提供了新的途径。     

基于灰色理论及BP神经网络的尿素水解预测模型研究

研究根据室内尿素水解试验资料,建立了以温度、水分、时间为输入因子,尿素态氮含量为输出因子,拓扑结构为3-2-1的BP神经网络预测模型,以及Verhulst灰色预测模型和零级动力学模型,并分析比较了三种模型的预测效果。结果表明:3种预测模型均能满足模拟精度要求,所建立BP神经网络模型模拟值与实测值的平均相对误差、相关系数和决定系数分别为2.39%、0.992 4和0.984 5,具有较高的预测精度和良好的稳定性,并且模拟效果明显优于Verhulst灰色预测模型和零级动力学模型,可以较好地描述尿素水解动态变化过程,为尿素水解定量研究提供了精确的科学依据。     

基于WDNN的温室多特征数据融合方法研究

目前物联网监测产品在温室生产中大量应用产生海量数据,但现有用于温室数据融合算法对高维特征及混合特征(数据同时包含稀疏特征和连续特征)处理精度较低且泛化能力较弱,鲜有利用深度学习模型对温室数据进行顶层融合并提供准确的决策信息。本文提出了一种基于宽-深神经网络(Wide-deep neural network,WDNN)的两级温室环境数据融合算法。首先利用温室内多点多特征数据训练WDNN深度学习模型,输出形式为多点单特征,再将该输出数据按照少数服从多数原则进行融合,得到温室环境状态的整体评估结果。试验结果表明,该融合方法对预测集中混合特征的决策准确率达到98. 90%,融合特征类型的增加,可用于监测参数更多、环境更复杂的温室,将WDNN模型用于温室混合数据融合是可行有效的,在保证决策精度的同时丰富了可融合特征类别,进一步提升温室融合系统的智能化程度,对温室智能调控提供有效技术支撑。