基于KHA优化BP神经网络的地下水水质综合评价方法

为提高区域地下水水质评价精度,将磷虾群算法(Krill herd algorithm,KHA)引入到BP神经网络连接权值与阈值的优化过程中,构建了KHA-BP地下水水质综合评价模型。以黑龙江省农垦建三江管理局为研究对象,运用所建模型对其下辖15个农场进行地下水水质综合评价,并对造成地下水水质污染的主要原因进行辨识。为验证本文所建模型的适用性,引入区分度法与序号总和理论分别分析了KHA-BP模型、PSO-BP模型以及BP模型的可靠性与稳定性。结果表明:各农场地下水水质良好,且存在一定的空间分布规律,I类水质主要集中在管理局西南位置,Ⅱ类水质主要集中在北部和南部,Ⅲ类水质主要分布于中东部和中西部。Fe、Mn、CODMn、NH_3-N以及NO-3-N是造成地下水水质污染的主要因素。其中Fe、Mn是当地原生危害,CODMn、NH_3-N、NO-3-N含量超标主要与大量施用化肥、农药有关。KHA-BP模型的区分度为1.107 0,Spearman等级相关系数为0.928 6,与PSO-BP模型、BP模型相比优势明显。研究成果可为粮食生产核心区的地下水资源科学管理及水生态文明建设提供科学依据。     

基于贝叶斯的伊通河水质综合评价

针对伊通河水体污染日益严重的现状,应用贝叶斯公式和正态分布的基本原理,建立了贝叶斯水质综合评价模型.以GB3838-2002为评价标准,选择伊通河流域的新立城水库、长春市区、农安县及靠山镇4处的监测断面3个年度的监测数据进行分析与综合评价.评价结果表明,新立城水库综合水质基本为Ⅰ、Ⅱ类,丰水期水质相对较差,且有逐渐污染...     

基于盲数的水质综合指数评价模型

从水质系统中多种不确定性共存或交叉存在的角度,将未确知数学中盲数理论应用于水质综合评价。在将污染指标实测值表示为盲数的基础上,构建了水质评价综合指数盲数模型和等级识别盲数可靠性模型。根据上述模型,可以得到水质综合指数各种可能取值区间及其相应的可信度水平,进而识别出待评水域水质等级。实例研究表明,所建模型对水质综合评价具有很好的适用性。     

基于模糊数学的双台河口湿地水质综合评价

将模糊数学原理引入到湿地水质评价中,建立适合双台河口湿地的评价体系.利用模糊综合评判方法,对2010年双台河口湿地水质进行综合评价.评价结果表明,从实验区、缓冲区到核心区,水体基本有逐渐转好的趋势,说明湿地对污染物具有一定的净化能力.实际监测数据与评价结果基本吻合,说明采用方法较为适当,分析结果具有较高的可信度,客观地...     

基于熵权的地下水水质模糊综合评价

考虑到传统地下水水质模糊综合评价中权重确定的不确定性和主观性,结合各指标所提供的信息量,将信息熵理论引入到指标权重的确定中,评价石家庄地区典型地下水水质,并与传统的模糊综合评判方法的评价结果进行对比分析,结果表明,基于熵权的评价结果与传统模糊综合评价结果相似,能够反映水质的特征,由此可见信息熵理论可以用于地下水水质评价...     

辽河流域河流水质综合评价

本文以辽河流域为例,将水质风险次序权重与组合准则权重相耦合构建评价模型,运用该模型计算评价了多种次序权重和河流水质等级.结果表明:风险水平α=1的条件下,国标法划分的监测点水质类别与该方法保持较好的一致性,对于河流水质的评价该方法符合实用性和可行性要求;石油类、总磷、氨氮、总有机碳等因子对流域水质的影响显著;入海口水质...     

廊坊市地表水水质综合评价

廊坊市是目前河北省唯一一个没有地上调蓄水库的设区市,地表水是全市重要的供水来源,但是受上游城市及本地工农业及生活污水的影响,当地地表水的水质污染状况较为严重,可利用程度极低。因此,项目小组以廊坊市13个断面的地表水水质为研究对象,运用主成分分析法对评价因子进行筛选,并用模糊综合评价法进行评价。结果表明:廊坊市13个地表水监测断面中,Ⅰ类水质占比30.77 %,Ⅲ类水占到46.15 %,Ⅳ类、Ⅴ类水分别占15.39%和7.69%,无Ⅱ类水质。从空间分布来看,廊坊市的北三县(大厂、香河、三河)和台头地区断面相较于廊坊市其他地区的地表水污染更为严重。     

基于BP神经网络的土壤养分综合评价模型

以土壤养分指标体系作为神经网络的输入,以土壤养分等级评分作为输出,基于BP神经网络,建立了具有5个隐含层节点、3层网络的土壤养分综合评价模型;以土壤养分指标的各级评价标准作为模型的训练样本和检验样本,利用Matlab软件对BP神经网络进行训练和检验,并对安塞县土壤养分进行综合评价.结果表明BP神经网络对检验样本的模拟输出和期望输出是一致的;对安塞县土壤养分综合评价结果与模糊模式识别、主成分分析结果也是完全一致的.     

基于神经网络的郑州市水资源可持续利用综合评价

从社会经济系统、生态环境系统和水资源系统3个层次16个指标用人工神经网络对郑州市水资源可持续利用状况进行综合评价.结果表明:1994--2005年,郑州市水资源可持续利用评价结果分别为0.43、0.39、0.42、0.41、0.48、0.5、0.55、0.65、0.59、0.63,整体上呈较快上升趋势,但其仍然处在可持续利用困难到基本可持续利用阶段;未来规划水平年(2010、2015、2020年)水资源可持续评价结果分别为0.68、0.72、0.75,均处于可持续发展阶段.通过敏感性分析得出影响郑州市水资源可持续利用的敏感性要素为:水资源开发利用率、单方水粮食产量、平均灌溉水利用系数.提高水资源开发利用率、单方水粮食产量、平均灌溉水利用系数、人均GDP、中水回用率是改善郑州市城市水资源可持续利用状况的重要举措.     

基于六元联系数的水质综合评价模型

为了合理地评价河流水质.在集对分析原理的基础上,建立了基于熵权的六元联系数水质评价模型,该模型将联系分童系数作为标记,并根据水质指标与标准限值的联系程度对联系分量赋值.用该模型对小清河9个主要河段的10项水质指标进行分析.结果表明,六元联系数法理论严谨,计算简便,评价结果更能真实反映水质状况.是一种有效的水质综合评价方...     

基于T-S模糊神经网络的地下水水质评价

采用T-S模糊神经网络模型对吉林省西部地区部分地下水水化学监测点水质进行评价。T-S模糊神经网络模型是根据模糊系统和人工神经网络优缺点具有明显的互补性结合而成,考虑了水质评价标准的区间形式和水系统的不确定性。将T-S模糊神经网络的评价结果与水质综合评价方法中经典的内梅罗指数法和BP人工神经网络法的评价结果进行对比,结果表明:T-S模糊神经网络法评价地下水水质更全面更客观。利用该方法对吉林西部的地下水水质进行评价,结果显示:吉林西部地区地下水资源已经遭受不同程度的污染,需要进行有效的保护。     

地下水水质模糊综合评价模型

应用模糊综合评价法并结合实例,分析地下水中常微量组分缺乏与定量组分过剩问题;探讨了木地区地下水水质变化规律,及其在地下水资源保护方面需注意的问题;建立梯形模糊分布函数,配以合理的权重和算子的评价模型,经多种方法验证,所得结果符合实际。     

地下水水质模糊综合分区评价研究

根据模糊综合评价原理、MapGis和Sufer绘图软件技术对清原县浅层地下饮用水进行综合评价。首先,通过野外采样和室内试验,得到14个采样点8个监测指标(硝酸盐、高锰酸盐指数、菌落总数、大肠菌群、铁、锰、氟化物、氯化物)的检测值;并根据最大隶属度原则确定隶属度函数,分别计算出隶属度值;然后利用熵权法确定各评价指标的权重,根据隶属度值和权重,运用模糊变换原理得出综合评价结果;最后,运用MapGis、Sufer绘图软件绘制水质等级分区综合评价图。研究表明,菌落总数、大肠菌群和铁是清原县浅层地下饮用水的主要污染物;评价区近1/3的浅层地下水不适合生活饮用。     

基于人工神经网络的地下水流数学模型参数识别

基于人工神经网络技术 ,建立了地下水二维非稳定流数学模型的参数识别模型 ,用地下水长观孔水位降深资料识别模型参数。通过实例计算分析 ,结果表明此法适用于处理复杂条件下模型参数识别问题 ,且结果稳定可靠。     

基于AHP-熵权法的地下水水质模糊综合评价——以白城市为例

传统的模糊综合评价法采用超标加权法来确定其权重并用最大隶属度原则来确定水质级别,没有考虑数据的地域特点和最大隶属度原则的条件性,评价结果不理想。针对这些问题,采用AHP-熵权法以及引入级别特征值的概念,对地下水水质进行模糊综合评价。以2013年白城市20个地下水水质数据为依据,选取氟化物、总铁、亚硝酸盐氮、锰、总硬度、氯化物、硫酸盐、硝酸盐氮、氨氮共9个指标作为评价指标,进行地下水水质评价。并将其评价结果与内梅罗综合指数法进行对比,结果表明,两种方法计算的结果一致性高达75%。通过AHP法(层次分析法)与熵权法相结合确定的权重,以及引入级别特征值概念确定水质级别,使评价结果更加准确、合理。     

基于T-S模糊神经网络模型对西部村镇集雨窖水水质的评价研究

针对西北村镇集雨窖水的水质特点,采用基于T-S模型的模糊神经网络对其进行评价分析。评价分析选用窖水水质指标中的CODMn、NH3-N和DO三个水质指标为输入向量,建立了适用于集雨窖水水质评价的T-S模糊神经网络模型,该模型最大训练误差︱e︱≤0.057 5,具有较强的泛化能力。在实例分析中,得出不同集雨面所收集的集雨窖水水质也不相同;降雨初期集雨窖水水质均为超Ⅴ类,随着时间的增长窖内水质有着明显的改善,但20d内,水质依旧较差且不稳定,需对集雨窖水进行相关处理后才可作为日常生活用水使用。     

基于GA-BP神经网络的甘蔗收获质量预测

甘蔗联合收割机收获质量对制糖工艺有极大影响,但测量难度大,难以直接获得.针对上述问题,以甘蔗联合收割机切割机构、行走机构、切段机构、风机机构的负载压力信号和转速信号为输入变量,以含杂率和损失率为输出变量,建立了一种GA-BP神经网络预测模型.GA-BP神经网络预测模型对甘蔗收获质量的预测结果平均MSE为0.0937,平...