基于贝叶斯网络的过度训练诊断

针对贝叶斯网络在具体应用时需根据实际应用问题来建立相应的贝叶斯网络模型的问题，采用Java语言设计并开发了一套贝叶斯网络预测诊断系统，用来实现因果推理和诊断推理。重点讨论了系统的网络数字化、网络学习、网络推理等关键问题。利用该平台建立了过度训练的诊断网络，通过试验证明得出，此套系统简单易用、通用性强，可应用于不同的研究领域。     

基于贝叶斯网络及时序模拟的配电系统可靠性评估

针对适合配电系统可靠性评估的贝叶斯网络模型还不够完善,研究了贝叶斯网络模型的组成,建立了“联合”关系模型和“因果”关系模型;针对贝叶斯网络精确推理难以计算大规模配电系统的可靠性指标,将贝叶斯网络和时序模拟技术相结合,提出了一种时序模拟推理算法。该算法能产生元件的状态与随机时间段,实时进行系统状态的推理与时间、停电用户次数和停电量的累计,利用这些累计量不但可以计算系统的可靠性指标,还可进行诊断推理和因果推理,从而既能实现对系统的总体评价,又能找出钳制系统的薄弱环节。通过与配电系统可靠性测试系统数据及贝叶斯网络精确推理数据相比较,验证了该算法的合理性和有效性。     

基于组合赋权贝叶斯模型的平寨水库水质评价

[目的]对黔中水利枢纽的一期工程的核心水源工程——平寨水库的水环境质量进行评价,为该水库水环境质量评价及科学管理提供科学参考。[方法]于2018年1,5,8月选取了平寨水库7个断面进行水样采集,选择溶解氧(DO),化学需氧量(COD),总氮(TN),氨氮(NH_3-N)这4个因子作为水质评价指标。在层次分析法和熵权法组合确定各评价指标权重的基础上,结合贝叶斯模型对平寨水库进行水质评价。[结果]①从组合权重来看,TN和COD对平寨水库水质影响较大,DO和NH_3-N影响较小。②平寨水库丰水期水质最好,其次为枯水期,最次为平水期;各断面中库区中心1(KQ1)、库区中心2(KQ2)以及纳雍河断面(NY)水质最差。③TN和COD是平寨水库的主要污染因子。[结论]基于组合赋权贝叶斯模型的水质评价方法不仅区分了各评价因子对水质贡献的差异性,同时对水质进行了较为精确的评价。整体而言,平寨水库水质状况达到了贵州省水功能区划的相应要求。     

水东湾网箱养殖区水域环境状况评价

通过对5次采集的茂名市水东湾网箱养殖区水样进行有关项目的测定进行评价,结果表明,水东湾网箱养殖区水域的海洋环境尚可,但是局部海域和个别的环境污染因子超标严重,水东湾网箱养殖区水域的部分水质指标超出了水质标准,未达到养殖区的水质要求,养殖环境受到了一定程度的威胁。根据测定分析结果,提出了促进水东湾网箱养殖区可持续发展的建议,对我国南海相邻区域也有一定的借鉴作用。     

地下水水质评价中BP人工神经网络模型的应用研究

采用神经网络人工模型对地下水水质进行分析评价,不仅应用范围广,而且操作过程相对灵活,尤其是这一人工技术模型适用于我国现阶段任何区域、任意地质环境的水资源质量分析评价。故正是在此背景下,重点基于BP人工网络模型,对新疆某区域地下水水质情况进行采样分析评价,以此通过对样本数据进行人脑神经模拟计算,从而对数据结果进行优化评价,以此提升水质评价结果的科学性。     

Vine Copula与贝叶斯模型平均结合的月径流预测及应用

准确可靠且预见期较长的月径流预测对水资源配置、防汛抗旱以及生态环境保护等具有重要意义。径流变化与降水、气温、潜在蒸散发以及前期径流等存在密切联系。鉴于Vine Copula可以灵活地将多个随机变量的边缘分布函数通过Copula对的形式联结起来构造多维联合分布函数以及贝叶斯模型平均(Bayesian Model Averaging,BMA)在处理多模型集合预报方面的优势,该研究基于BMA集合多个Vine Copula模型提出了一种BVC径流预测模型(简称BVC模型),应用于黄河流域上游4个水文站(唐乃亥站、民和站、红旗站和折桥站)的月径流预测,采用确定性系数(R²)、纳什效率系数(Nash-Sutcliffe Efficiency coefficient,NSE)和均方根误差(Root Mean Squared Error,RMSE)评价模型的预测性能。结果表明,验证期内预见期为1～3个月时,BVC模型在各水文站的R²均大于等于0.83、NSE均大于等于0.78且RMSE均维持在较低水平;与随机森林(Random Forest,RF)模型和长短...     

基于贝叶斯最大熵的黄河三角洲土壤含盐量空间分布预测

黄河三角洲土壤盐渍化问题是制约当地农业生产和生态稳定的关键因素。为了准确掌握盐渍土的空间分布,提高土壤含盐量的空间预测精度,本研究根据2022年5月黄河三角洲的193个采样点两个深度土壤含盐量分析数据,结合高程和Landsat9遥感影像等数据,采用地理加权回归（Geographically Weighted Regression, GWR）模型构造区间型软数据,进而建立贝叶斯最大熵（Bayesian Maximum Entropy, BME）模型对研究区土壤含盐量的分布进行了预测,并同传统的地统计模型普通克里金（Ordinary Kriging, OK）及GWR模型的预测结果进行了比较。结果表明：BME模型对土壤含盐量的预测精度要高于另外两种模型。与OK相比, BME的预测误差在土壤表层和底层分别降低25%和21%,R2分别提高了0.5432和0.3527,BME作为本研究最佳土壤含盐量空间预测模型,展现了多源数据整合及非线性估计的优势。黄河三角洲表层土壤盐渍化率（88%）高于底层（68%）,大体呈现由西南到东北方向上土壤含盐量递增的趋势,沿海地区大于内陆地区,黄河三角洲北部是整个区域盐渍化最为严重的地区。     

基于BP神经网络的北京昌平山前平原地下水水质评价

该文采用单因子评价方法对昌平区浅层地下水的超标因子进行筛选,结合水文地球化学理论探讨各因子超标原因,分析浅层地下水水质的空间分布特征,并采用BP神经网络法对水质进行综合评级。从综合评级结果来看,12眼监测井中1眼为Ⅴ类水质,5眼为Ⅳ类水质,6眼为Ⅲ类水质。单因子筛选结果表明,总硬度、总溶解性固体、氮素、氟化物等为该区最主要的超标因子。经分析可知,山前平原地带浅层地下水中氟化物为原生污染,氮素污染物主要来源于地表污染物下渗,总硬度和总溶解性固体的升高主要受地表污染物下渗、氮素的迁移转化等因素的影响。研究可为研究区地下水管理工作提供可靠数据。     

模糊—主成分综合评价法在地下水水质评价中应用研究

在地下水水质评价分析中,经常会采用主成分分析法及模糊综合评价法进行综合分析。由于主成分分析法可在保留原始监测分析数据资料的前提下,科学降低监测数据维度,从而将对地下水水质产生影响的多因子转化为综合因子。但这种水质评价方法无法直接评价水质情况;而采用模糊综合评价法,能够直接对水质情况进行评价定性。但在评价分析中,人为选取的相关参数因子存在一定的缺陷。故以此为背景,将我国某省矿区地下水水质分析作为研究案例。通过利用主成分分析法对地下水水质产生影响的相关因子进行选取,然后将其作为综合模糊评价法评价水质的综合因子,以此科学建立基于模糊—主成分分析的耦合综合评价模型,科学对该地区地下水水质相关情况进行综合评估。试验结果表明,此种评价方法能够准确、客观反映该地区地下水水质相关情况。     

基于BP神经网络的辽河源头区水质评价研究

基于辽河源头区水环境问题日益突出的现状,该文开展了辽河源头区水环境质量的研究,旨在对区内的水体质量进行分析评价。通过资料收集与汇总,基于BP人工神经网络结构的思想和理论,利用研究区内13个控制断面的水质监测数据,建立了包括pH、溶解氧、氨氮、化学需氧量、五日生化需氧量、高锰酸盐指数的水质综合评价模型,并应用训练好的模型进行仿真运算及水质综合评价。结果显示,在选取的13个断面中,约76.92%的断面为Ⅴ类—劣Ⅴ类水质,仅有23.08%的断面水质级别在Ⅱ—Ⅲ类之间,研究区上游断面的水质状况较好,中下游的水质较差。将该结果与《环境公报》公布的主要断面水质结果进行对比,81.25%的评价结果相同,采用BP神经网络对研究区水质进行综合评价具有较强的适用性和可靠性。     

基于模糊模式识别的浑河水质评价研究

流经一座城市的河水质量的优劣直接反映了城市环境发展水平的高低。将模糊模式识别应用到河流水质评价中,能客观合理地评价河水的污染程度,精确地反映了水环境质量的状况。根据评价指标的选择原则,共选取高锰酸盐指数,生化需氧量,化学需氧量,氨氮等7个评价指标。以地表水环境质量标准GB3838—2002为依据,污染程度分为Ⅰ,Ⅱ,Ⅲ,Ⅳ,Ⅴ级。指标权重采用加权平均法进行确定,构建了水质评价模糊模式识别模型对浑河2006—2009年每年监测到的2月,4月,7月,8月,10月,12月份的水质进行评价。结果表明浑河污染比较严重。     

浑太河流域水环境质量综合分析与评价

以浑太河流域为研究对象,选取流域88个监测站点,在2009,2010,2012年对河流高锰酸盐指数、总氮、氨氮、总磷等9项指标进行监测,并对河流水质的时空异质性进行了分析。选择高锰酸盐指数、总氮、氨氮和总磷作为主要评价因子,采用单因子和综合水质标识指数法对该地区主要河流水污染特征进行分析及评价。结果表明,水质因子具有明显的时空异质性。单因子评价结果表明,非汛期总氮和氨氮为主要污染物,汛期总磷和总氮为主要污染物,非汛期的水质状况较汛期好,说明非点源是造成其污染的主要原因。河流水质综合评价中,小汤河上游、太子河南支、太子河北支所有点位的水质评价结果均为最好。所有站点中,海城河的支流（五道里河、运梁河、南沙河下游）区域的水质最差,达到劣Ⅴ类水质,且出现黑臭现象。研究结果对指导浑太河流域水污染防治及水资源管理具有重要意义。     

温瑞塘河河网地区水质时空分布与评价

以典型的南方平原河网——温瑞塘河为研究对象,对河网区39个监测点的DO、TN、NO₃^--N、NH₄⁺-N、TP和COD含量进行了为期1 a的监测,揭示了其水质时空变化特征,并利用水质标识指数法对水体污染程度进行了评价。结果表明:温瑞塘河水质已经达到了劣Ⅴ类的程度,水体中氮磷含量严重超标,分别是国家Ⅴ类水标准的3.52倍和1.68倍。河网区水体水质时空分布特征明显,空间上污染程度呈现出三级河道 > 二级河道 > 主河道 > 郊区湿地的分布特征;时间上水质指标的变化较为复杂,与降雨量密切相关,大量降雨能够对河网区水体水质起到明显的改善作用。主河道的污染程度随流向具有累加作用。水体中氮磷比处于适合藻类生长的比值,具有发生水华的营养条件。     

基于多元统计分析的黄河水质评价方法

为探讨一种适用于大尺度、多断面和长时间的水质评价方法,用系统聚类分析将2000—2002年黄河6个监测断面的90个水质样本分为7组,并用判别分析验证了结果的可靠性。其主要程序为：利用多元方差分析对各断面多年水质监测样本进行空间尺度上的显著差异性分析,识别出具有显著差异的样本,然后通过系统聚类分析把上述样本进行聚类分组,最后应用判别分析方法对各组样本进行水质评价,此方法的特点为在不损失信息的前提下能大大减轻水质评价工作量,且客观可信、分辨率高,并能综合反映总体与个别特征。结果表明,黄河流域干流从上游到下游水质总体状况呈逐渐下降趋势,上游水质一般为Ⅰ-Ⅲ类,而中游和下游水质基本为Ⅳ-Ⅴ类和超Ⅴ类。     

塔里木河水质现状综合评价

塔里木河水质污染对中、下游地区的生态系统的稳定性及社会的持续发展带来了不利的影响。利用阿克苏河的龙口、西大桥断面以及塔里木河干流上游的阿拉尔、十四团断面2001-2005年实测数据，在统计软件STATISTICA的支持下，利用主成分分析方法和水质指数法进行了塔里木河水质评价研究。结果表明，龙口和西大桥断面的水质属于一级（清洁）水，而阿拉尔和十四团断面的水质属于4级（中等污染）及5级（重污染）水。塔里木河的主要污染物为氯化物、总硬度、矿化度、硫酸盐、亚硝酸盐等。     

基于因子分析的Hopfield神经网络在水质评价的应用

针对Hopfield神经网络的过度拟合问题,在因子分析的基础上,结合Hopfield神经网络模型提出了因子分析—Hopfield神经网络模型。以东辽河为例,采用因子分析法确定7个水质评价因子,再建立5×7的Hopfield神经网络进行水质综合评价,并与单一的Hopfield网络和传统的内梅罗指数法的结果进行了比较。结果表明,因子分析—Hopfield神经网络明显优于单一的Hopfield神经网络,不仅在一定程度上弥补了因子分析在实际应用中没有实现水质分级的缺陷,而且有效地降低了Hopfield神经网络的过度拟和的程度,评价结果更为科学合理,为水质综合评价提供了一种新的方法,具有极好的应用前景。     

神府─东胜煤田大柳塔矿区水质及其污染评价

本文在野外考察和水质分析的基础上,对神府煤田大柳塔地区水质进行评价,结果表明,乌兰木伦河两岸支沟泉水水质良好,是生活用水的主要水源.活鸡兔沟矿坑水为强矿化度硬水,水化学性质差,这些矿坑水排入河道,是污染河水的因素之一.目前,乌兰木伦河和活鸡兔沟河水污染尚不严重,但河水水质由上游至下游交差.最后,对河水水质污染趋势作了分析和定性预测,并提出控制污染的建议和措施.     

基于人工神经网络的喀斯特地区水资源安全评价

[目的]对喀斯特地区水资源安全状况进行评价,为喀斯特地区水环境管理与可持续发展提供科学依据。[方法]以喀斯特典型分布区贵州省为例,建立喀斯特地区水资源安全评价指标体系,构建BP人工神经网络模型,对贵州省9个州市水资源安全进行评价,并与熵权物元模型相比较。[结果]贵州省9个州市的水资源安全,有2个处于比较安全状态,6个处于一般状态,1个处于比较不安全状态。评价结果与熵权物元模型评价结果基本一致。[结论]该体系评价结果合理,评价方法简便直观,该模型对类似地区水资源安全评价有一定的参考价值。