模糊模式识别法在评价地下水水质中的应用

采用模糊模式识别法评价地下水水质,提出了相对隶属度理论,通过距离平方和最小的准则,建立目标函数,可得地下水水质的变化趋势,更符合当代地下水水质评价的要求。应用该法评价太原市地下水,得到了满意的结果。     

基于模糊神经网络的泥石流危险性评价

将T-S模糊系统理论和人工神经网络相结合,利用模糊理论隶属度对模糊性有很强的识别精度,将泥石流危险性指标隶属度作为神经网络的激活函数输入,使用正态分布方法产生训练数据,再利用BP神经网络的误差反向传播对TS模糊系统隶属度函数等的参数进行训练调整,从而建立泥石流危险性评价的模糊神经网络模型。利用建立好的模型对云南东川八条典型泥石流沟的危险性进行评价,获得客观合理的评价结果。与刘希林的灰色聚类法和可拓物元方法的纵向对比和与线性内插产生训练数据方法横向对比表明:使用该方法能较真实地反映实际泥石流沟的危险性等级,证明模糊神经网络理论应用于泥石流危险性评价的有效性和可行性。     

应用于地下水质评价的模糊综合评判法及其优化

模糊综合评判法步骤较多,计算复杂,可选方法、参数较多,需要根据具体的情况进行优化。文章根据《地下水质量标准》(GB/T 14848-2017)对隶属度函数进行优化。优化后的隶属度函数增加了第5级标准值,并改变了分段函数分级阈值,解决了原有隶属度函数在4、5类水质缺少过度,且物理意义不明确,函数递增递减范围与隶属度的定义不匹配的问题。将改进后的方法应用于华北地区某地28个检测点的水质评价中。并与改进前的综合模糊评价法和其他地下水质评价方法结果相比较,结果表明,改进后的综合模糊评判法能够更加客观的反映地下水综合质量状况。     

基于模糊综合优化模型的地下水质量评价

在应用模糊综合评判法进行地下水水质评估中,存在地下水质量标准与方法要求的分级标准不匹配以及隶属度绝对化的问题。文中在模糊综合评判法的基础上,引入相对隶属度概念表征评价指标与水质标准间的模糊关系,从而建立起模糊综合优化模型。应用该模型对青岛市大沽河地下水源地水质状况进行评价和分析对比,研究结果表明,地下水质量标准符合优化模型对评判标准类型的要求,克服了传统模型存在的标准不兼容问题。指标实测值介于某中间等级时,该等级与左右相邻等级的相对隶属度值均大于0。与绝对的隶属度分布相比,优化模型拓展了指标在各等级隶属度的分布,真实反映了其相对的特征。水源地南部地区(监测井S1和S3)地下水的总硬度、溶解性总固体与其他特征污染物的含量均超过Ⅳ类水质标准,优化模型判定的水质等级也为Ⅳ类水,评价结果符合研究区的实际情况,表明优化模型是可靠的。     

改进的DRASTIC模型在地下水易污染性模糊评价中的应用

为了有效避免地下水系统遭受污染,保护地下水资源,采用改进的DRASTIC模型对地下水易污染性进行了评价.鉴于DRASTIC模型的诸多缺陷,将模糊综合评价方法运用到模型中,构建了各评价指标于各个级别的最优相对隶属度矩阵;引用语气算子确定指标权重,计算出了研究区样本集的级别特征值向量.将样本的易污染性进行排序,用研究区样段的水质评价结果进行了验证,结果证明,易污染性程度越高的地区综合评价水质越差;为进一步验证评价方法的真实性,将易污染性排序结果与传统DRASTIC法评价排序结果进行对比,两种方法排序一致.可见,本次改进的模型在克服了DRASTIC的诸多缺陷的同时,使得计算结果真实、可靠,且更加体现了计算过程的科学性与合理性.     

熵权-集对分析法在大武地下水水质评价中的应用

鉴于水质综合评价中水质分级标准与监测样点的监测值之间存在模糊关系,将熵权法及置信度准则引入集对分析法中,以提高水质评价结果的可靠性,并应用于山东省大武地区地下水水质评价。根据2017年11月研究区29个检测站点的12个超3类水频率较高的水质指标实测值,进行水质模型求解,结果表明:以置信度准则替代最大隶属度准则作为水质评判标准,能有效避免水质分级"欠评价"和"过评价";大武区域地下水水质为中等偏下,主要集中在侯皋-西夏一带。与最大隶属度准则的水质判别结果相比较,该方法更能真实反映评价水体的水质状况,具有水质信息综合全面、分级结果明确等优点,是地下水水质评价分级的一种可靠、合理的方法。     

基于综合权重和改进物元可拓评价模型的地下水水质评价

鉴于物元可拓评价模型存在关联函数计算上的局限性,提出通过改进物元可拓评价模型的构造过程进行水质评价,并引入层次分析法和熵权法计算评价指标的综合权重以避免指标权重的绝对主观性和绝对客观性,建立了基于综合权重和改进物元可拓法的地下水水质评价模型,并从感官、一般化学、毒理学3个方面构建了地下水水质综合评价指标体系。将该模型应用于平度市古岘镇的地下水水质评价,并与综合评分法和属性识别法的水质评价结果进行比较分析。结果表明：该模型评价结果与其他两种方法评价结果的相同率均达70%,即使评价结果不同处的差异也基本在1个等级范围之内;而综合评分法和属性识别法评价结果的相同率仅为50%,且评价结果不同处的差异最大可达3个等级。     

水库边坡稳定性评价的改进云模型

水库边坡的稳定性受诸多因素的影响,以致其准确评价仍存在一定的困难。为克服传统的正态云模型方法在实际应用中存在的云模型特征值取值不统一以及使用期望隶属度而非实际隶属度两个问题,提出了改进型正态云模型,并在MATLAB软件平台上开发了便于模型应用的程序。选取影响水库边坡稳定性的12个主要因素作为评价指标,应用程序生成各评价指标在各稳定性等级的综合隶属度云模型,接着使用改进的熵权层次分析法确定各评价指标的相应权重,最后将平均综合隶属度最高值所在的级别确定为边坡的稳定性等级。将该方法应用于34个水电边坡工程稳定性评价实例,并将结果与现行国家规范推荐的CSMR法及这些边坡的实际状态进行了比对。结果表明该方法的准确度比CSMR法高,具有较好的可靠性和实用性,也可供公路、铁路或建筑等其他岩质边坡在进行稳定性评价时参考。     

基于集对云模型的边坡稳定性评价

集对分析对边坡稳定性进行评价时,采用线性公式来表达联系度,难以准确反映工程实际,且具体的联系度扼杀了系统的随机性。对此,将云理论中“隶属云”的概念引入对联系度进行改进得到云联系度,形成了集对云模型。该模型将云联系度矩阵与云理论改进AHP确定的权重矩阵相结合,得到综合云联系度矩阵,通过云发生器绘出等级云图。该模型兼顾系统的模糊性和随机性,且实现了等级的可视化,并通过X云发生器得到隶属不同等级的概率。将该模型应用于边坡工程中,与既有模型和工程实际进行对比分析,验证该模型的准确性,并对不同的边坡进行稳定性排序。模型结合云理论与集对分析的优点,充分考虑系统的随机性,为边坡稳定性评价提供了一种思路和参考。      

基于MATLAB改进的BP神经网络在地下水水质评价的应用

运用改进的BP神经网络(SCG算法)理论和方法,建立水质评价的BP神经网路模型,以什邡市地下水为例进行评价,并与综合指数法相比较。结果表明,该算法收敛速度快,评价结果较能准确的符合水体水质情况。     

PNN网络在预测MCS移动中的应用

神经网络是空间数据挖掘的一种重要手段。本文运用概率神经网络(PNN网络)对1998年夏季影响青藏高原上中尺度对流系统(MCS)东移的环境物理量场的空间分布特征进行了研究，得到了高原上MCS移动方向与环境物理量场空间分布之间的关系。研究表明，使用概率神经网络预测中尺度对流系统的移动具有较好的效果，从而为研究高原上MCS东移与环境场之间的关系提供了一种新的方法和思路。     

Risk assessment of water inrush in karst tunnels based on two-class fuzzy comprehensive evaluation method

A feasible and accurate method named two-class fuzzy comprehensive evaluation is put forward to assess the risk of water inrush in karst tunnels. In view of regarding tunnel face as the evaluation object, 12 influencing factors of water inrush are selected as the evaluation index system consisting of 4 first-class and 12 second-class indices. Based on fuzzy mathematics theory and expert evaluation method, all the indices are quantitatively graded according to five risk grades. The weights of indices affecting water inrush are rationally distributed by using analytic hierarchy process. Membership functions and weights of indices are utilized to stepwise compute the membership degree of indices corresponding to risk grade, and the principle of maximum membership degree is carried out to discern the risk grade of water inrush. The tunnel faces in seven segments of Qiyueshan tunnel are chosen as the case studies. Evaluation results are derived from the proposed method, and they are generally consistent with the actual results through comparisons. This method provides a cogent way for evaluating the risk of water inrush in karst tunnels.     

基于CNN神经网络的煤层底板突水预测

为了提高煤层底板突水预测的准确性,建立了基于卷积神经网络的煤层底板突水预测模型。通过综合分析,确定了15个影响煤层底板突水的因素,将这些影响因素进行拼接组合,运用建立的深度计算结构模型对影响因素及其相互联系进行特征提取。用已知的115组数据对模型进行学习训练,并进行了预测。为验证模型的准确性,利用相同的数据对BP神经网络模型和LeNet-5模型进行训练,将建立的模型与BP神经网络模型和LeNet-5模型进行对比。结果表明:该模型通过加深模型的计算深度,综合考虑了影响底板突水因素间的相互联系,提高了突水预测准确性。基于卷积神经网络构建的模型可以对煤层底板突水进行预测,并且准确率相对较高。     

流域水安全预警评价的智能集成模型

提出用基于加速遗传算法的模糊层次分析法筛选指标体系、确定各评价指标和各子系统的权重,用BP神经网络模型滚动预测评价指标,用集对分析方法构造评价指标样本值隶属于可变模糊集"水安全评价标准等级"的相对隶属度函数,建立了流域水安全预警评价的智能集成模型(IMI-FEM)。IMI-FEM对巢湖流域水安全系统未来5年的预警评价结果说明:水资源、水环境和水灾害防治安全子系统的安全状况将分别处于2.73~2.74级、3.30~3.32级和2.54~3.43级,社会经济安全子系统的安全状况将维持在3.33级,流域水安全系统的总体安全状况将处于2.98~3.20级,处于临界安全;主要限制指标为水资源开发利用率、人均水资源量、单位面积水资源量、万元农业产值用水量、单位面积化肥施用量、生态环境用水率、环保投资占GDP比例、单位面积蓄水工程总库容、水利工程投资占GDP比例、区域开发指数、人口密度和科技教育投入占GDP比例。     

基于Matlab的BP-NN时间序列法预测地表水资源量

本文以Matlab神经网络工具箱GUI为依托,用地表水资源时间序列的年径流量资料作为训练样本的基础,生成训练样本输入数据和期望输出数据,建立时间序列神经网络预测模型。模型优点可以模拟多变量而不需要对输入变量作复杂的关系假定,不要求知道输入输出变量之间的关系,只需通过用误差反向传播的(BP)算法训练神经网络,获得输入输出之间的映射关系。最后,以玛纳斯河肯斯瓦特站历年的年径流资料验证时间序列人工神经网络预测模型的可行性与有效性。     

江苏沭阳主城区地质环境质量评价

选取地质条件、人类工程活动、环境地质问题等3 个评价要素和相应的10 个评价因子,建立了沭阳主城区地质环境质量评价体系。利用层次分析法确定了地质环境评价因子的权重,根据模糊数学基本原理确定各评价因子的隶属函数,计算出隶属度,从而建立模糊评价模型,定性与定量相结合对沭阳主城区地质环境质量现状进行了综合评判,将沭阳主城区地质环境质量划分为良好( Ⅱ) 、中等( Ⅲ) 以及差( Ⅳ) 三个区域,评价结果与研究区地质环境现状调查情况基本一致。     

Using monitoring data of surface soil to predict whole crop-root zone soil water content with PSO-LSSVM,GRNN and WNN

Drought is a significant disaster in Beijing and it is important to find a method to assess the drought condition. First, this paper collected data of 85 soil monitoring stations in Beijing, such as soil dry bulk densities, saturated water contents, field capacities. Then, spatial variability characteristics of soil physics parameters were investigated by GIS and other three factors, 10 cm soil moisture content, organic matter and saturated water content which notably influenced soil moisture were extracted by Principal Component Analysis (PCA). Furthermore, four different nonlinear methods were put forward to predict crop-root zone soil water. 15555 single daily data from 2011 were used in parameters determination, while 15470 double daily data were used to test. The result showed that the Least Square Support Vector Machine coupling Particle Swarm Optimization Algorithm (PSO-LSSVM) (R ²?=?0. 875) did better than BP Neural Network (R ²?=?0. 840), Generalized Regression Neural Network (GRNN) (R ²?=?0. 850) and Wavelet Neural Network (WNN) (R ²?=?0. 853). As so the POS-LSSVM method was used to evaluate the drought conditions from October 2010 to March 2011 of Beijing, and the result showed that from October 2010 to January 2011, the drought conditions were getting increasingly worse while later relieved from January 2011 to March 2011.