多种评价法在朱隈水库水污染特征与水质评价中的运用

依据2010—2018年朱隈水库实测数据资料,采用BP神经网络模型、综合污染指数法和单因子评价法,选择BOD5、DO、CODMn、NH3-N、TP、pH值6项指标科学评价朱隈水库的水质状况。结果显示:朱隈水库的单因子水质评价结果达到Ⅲ类水质要求,BP神经网络评价为Ⅱ类水质,全年出库站和水源站综合污染指数为0.431~0.571、0.438~0.576,水污染为轻度;该水质评价结果可为其他地区水污染治理工作和朱隈水库管理提供科学的决策依据。     

基于主成分-模糊综合评价模型的近岸海域水质综合评价

基于数据降维和模糊理论的思想,把主成分分析法和模糊综合评价方法引入近岸海域水质综合评价,构建了主成分—模糊综合评价模型。首先用改进的主成分分析法对多维评价指标进行降维处理,综合选取评价因子并进行赋权,结合模糊综合评价法对水质进行综合评价,评价结果对比单因子评价法和其他综合评价法,并利用GIS在空间信息表达的天然优势,展示评价结果并分析。将该模型应用于罗源湾水质评价,实践表明,该模型应用于近岸海域水质综合评价是完全可行的,为近岸海域水质综合评价提供新的参考。     

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。     

BP神经网络在渭河水环境质量评价中的应用

为准确和客观地评价渭河水环境质量状况,将改进算法的BP神经网络引入地表水环境质量评价领域,采用渭河2010年(9月7日至10月11日)水质指标监测数据,构建了渭河水环境质量评价模型。通过3个水质监测项目(氨氮、高锰酸盐指数、溶解氧)对渭河水质进行了评价,评价结果与环境保护部公布结果完全一致。结果表明,BP神经网络应用于水环境质量评价具有客观性、通用性和实用性,可以很好地解决评价因子与水质等级间复杂的非线性关系,评价方法简便可靠,预测精度高。     

冬小麦产量结构要素预报方法

为优选出最佳的冬小麦产量结构要素预报方法,该研究选择冬小麦成穗数、穗粒数及千粒质量为预报目标,综合考虑种植品种、密度及地区因子,并对气象因子进行膨化统计,得到126个自变量因子,分别采用多元线性回归、因子分析-线性回归及BP(Back Propagation)神经网络等3种方法进行建模分析。结果表明,直接采用各因子进行回归分析无法解决不同自变量间存在的多重共线性问题,而因子分析虽然消除了不同自变量间的多重共线性,但采用因子优化后的10个综合因子分别对3个产量结构要素进行线性回归,得到的预报模型决定系数(R^2)均不足0.500。运用BP神经网络对冬小麦3个产量结构要素进行预报,结果发现,当输入层为126、隐含层为16、输出层为3时,BP神经网络结构最佳,在此结构下,模型的决定系数为0.644,明显优于多元线性回归及因子分析-线性回归法。同时,基于BP神经网络模型对冬小麦产量结构要素的预报精度平均达85.3%。因此,推荐采用BP神经网络模型对冬小麦产量结构要素进行预报。     

基于主成分分析及水质标识指数法的黄河托克托段水质评价

[目的]分析黄河托克托河段水污染特征,合理选择水质评价指标,从而实现对黄河托克托段水质评价。[方法]以黄河托克托段干流2017年4—8月9个水质采样断面逐月连续水质监测数据为基础,利用多元统计法对水质样本进行主成分因子分析,构建水质评价指标体系,应用综合水质指数法对该河段水质进行评价。[结果](1)黄河托克托段水质状况整体为Ⅳ类水,该河段段主要污染因子为TN,TP,COD,属于有机型及富营养化污染;(2)时空分布上从上游到下游水质逐渐变好,支流汇入口大黑河断面由于受汛期大黑河超标污染物排入水质变差,采样期间8月水质状况最差,其次是4月,5—7月水质相对较好。[结论]基于主成分因子分析和综合水质标识指数法的水质评价方法不仅可以准确客观地反映水质特征,同时可对不同断面水质进行比较。黄河托克托段水质状况较差(整体Ⅳ类),属于有机型及富营养化污染。     

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。     

新疆干旱区于田绿洲生态安全评价及影响因子研究

以新疆克里雅河流域于田绿洲为研究靶区,运用压力—状态—响应(PSR)模型,从时间尺度上对1999—2010年绿洲生态安全状况进行评价并进行影响因子分析。结果表明:于田绿洲生态安全综合指数大致上呈现递增趋势,1999—2005年处于不安全状态、2006—2010年由临界安全状态向较安全状态转变。限制性因子分析表明:影响于田绿洲生态安全的主要限制因子是第三产业占GDP比重、单位耕地农业总产值、人均粮食产量、境内公路里程、农牧民人均纯收入、城镇化程度、耕地面积比重。研究表明于田绿洲生态安全现状良好,评价结果将为维持及进一步改善生态状况提供科学依据。     

因子分析法在伊通河水质评价中的应用

根据伊通河8个不同监测断面的水质监测数据，采用R型因子分析方法对伊通河水质进行了综合评价，研究（或分析）了河水中12种化学成分之间的相关关系，从中提取了4个主因子进行分析计算，结果表明第一污染因子主要为有机污染，包括BOD5、挥发酚、石油类等；第二主因子的主要代表指标是氨氮、NO2-N和DO；Zn、Pb分别对第三、四主因子贡献明显。分析结果从整体上认识和评价了伊通河水质的污染现状，为保护、管理伊通河水资源提供了基础理论依据。     

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。     

水体重金属污染评价方法对比研究——以扎龙湿地湖水为例

采用对权重公式进行发展的模糊综合评价模型对仙鹤湖湖水重金属污染状况进行了评价和分析,并与灰色关联分析法、分级评价法、内梅罗指数法和单因子指数法进行了评价结果的比较,其中前3种方法的评价结果整体趋势是基本一致的。与实际情况对比表明,模糊综合法和分级评价法评价结果概率分布比较客观真实地反映了整体湖水水质状况,因此模糊综合法对评价对象的整体质量状况评价结果明显。基于评价结果进行了蒙特卡罗（MC）预测,参考各方法的评价结果的蒙特卡罗预测值和湖水水质实际情况,满足湖水评价参数的概率为74.87%,即扎龙湿地仙鹤湖湖水整体水质为Ⅱ级,同时有向Ⅲ级转化的趋势。扎龙湿地仙鹤湖营养状态级别为中度富营养。     

基于模糊神经网络集成的土壤资源评价性能的改进

Land evaluation factors often contain continuous-, discrete- and nominal-valued attributes. In traditional land evaluation, these different attributes are usually graded into categorical indexes by land resource experts, and the evaluation results rely heavily on experts＇ experiences. In order to overcome the shortcoming, we presented a fuzzy neural network ensemble method that did not require grading the evaluation factors into categorical indexes and could evaluate land resources by using the three kinds of attribute values directly. A fuzzy back propagation neural network （BPNN）, a fuzzy radial basis function neural network （RBFNN）, a fuzzy BPNN ensemble, and a fuzzy RBFNN ensemble were used to evaluate the land resources in Guangdong Province. The evaluation results by using the fuzzy BPNN ensemble and the fuzzy RBFNN ensemble were much better than those by using the single fuzzy BPNN and the single fuzzy RBFNN, and the error rate of the single fuzzy RBFNN or fuzzy RBFNN ensemble was lower than that of the single fuzzy BPNN or fuzzy BPNN ensemble, respectively. By using the fuzzy neural network ensembles, the validity of land resource evaluation was improved and reliance on land evaluators＇ experiences was considerably reduced.     

基于径向基函数神经网络的地下水数值模拟模型的替代模型研究

近年来提出的替代模型方法是一种连接数值模拟模型与优化模型的有效途径,替代模型质量的好坏取决于采样方法和替代模型种类。以金泉工业园区地下水水源地为研究区,基于拉丁超立方抽样方法,结合研究区地下水数值模拟模型,获取输入(抽水量)输出(水位降深)数据集,运用人工神经网络方法,建立径向基函数神经网络模型,作为地下水数值模拟模型的近似替代模型。经验证,径向基函数神经网络模型输出得到的水位降深均值与模拟模型计算结果的拟合平均相对误差为0.038;水位降深剩余标准差的拟合平均相对误差为0.042。拟合平均相对误差较小,表明径向基函数神经网络模型能够有效地替代地下水数值模拟模型,为日后替代模型的深入研究提供了科学依据。     

基于SFAM神经网络集成的土地评价

SFAM(Simplified Fuzzy ARTMAP,简化的模糊ARTMAP)神经网络具有自组织反馈、增量式学习和高度复杂映射等特点,是一种较BP神经网络和RBF神经网络等前馈神经网络更优秀的自组织神经网络.为克服SFAM神经网络受输入样本顺序的影响,提高土地评价的精度,提出利用SFAM神经网络集成进行土地评价的方法.并用SFAM神经网络、SFAM神经网络集成、BP神经网络、BP神经网络集成、RBF神经网络和RBF神经网络集成等方法对广东省中山市的土地进行了评价,对评价结果进行了分析和比较,结果表明SFAM神经网络具有比BP神经网络和RBF神经网络更优越的评价性能;对于这三种不同的神经网络,神经网络集成的土壤评价精度分别高于单个神经网络的精度.     

基于ANN—产量的耕地地力定量评价模型及其应用

管理水平近似条件下的作物实际产量是耕地地力等级的直观反映,在目前传统耕地地力评价AHP-模糊评判方法的基础上,尝试建立耕地地力的ANN-产量定量评价模型,并以山东省鱼台县为研究对象进行了实例研究.采用相对隶属度对各评价指标进行描述,以实际产量为目标输出标准,经神经网络训练得到评价模型.与传统方法相比,模型不仅能反映耕地地力评价的非线性特征,而且评价过程中不需要确定权重,消除了传统方法确定权值时人为因素的影响,增加了评价结果的客观性.通过与传统方法的对比发现,该模型评价结果与现行耕地地力评价方法的结果较为一致,为耕地地力的定量评价探索了一条新路.     

BP神经网络组合模型在次洪量预测中的应用

[目的]探讨BP神经网络组合模型在次洪量预测中的应用,为黄土高原淤地坝群的安全度汛提供决策依据。[方法]构建基于多元线性回归模型(MLR)和去趋势互相关分析法(DCCA)的BP神经网络组合模型;选择均方差(MSE)、平均绝对误差(MAE)、平均绝对百分比误差(MAPE)以及确定性系数(DC)作为评价指标,与单一模型(多元线性回归模型、BP神经网络模型以及去趋势互相关分析法)进行比较。[结果]BP神经网络组合模型的4项指标MSE,MAE,MAPE和DC分别为2.144,5.453,0.074和0.988,均优于单一模型;模型预测效果从优到劣分别为BP神经网络组合模型、BP神经网络模型、多元线性回归模型和去趋势互相关分析法。[结论]BP神经网络组合模型较单一模型平稳性增强,提高了预测效果,可用于淤地坝群的次暴雨洪量预测。     

基于人工神经网络的感应电动机转子电阻参数辨识

为应用人工神经网络于感应电动机传动系统中,提出了一种基于Ｈｏｐｆｉｅｌｄ神经网络的感应电动机参数辨识方法。这种方法的精确性不受网络初值及控制参数的影响。仿真结果证明了人工神经网络辨识方法的精确性和快速性。