基于投影寻踪的水质评价模型

基于投影寻踪技术的基本原理和求解过程，建立了水质评价模型。大样本数据应用到模型中，使模型的精度大大提高。该模型既能根据样本本身寻求出各因子的重要程度，即客观权重．又能根据决策者对某个（些）影响因子的偏好，对样本进行分类。将遗传算法和传统优化方法相结合，以解决遗传算法求解带约束问题能力差的问题，并将其用于本文建立的模型的目标函数优化中．解决了高维数据全局寻优的难题。实例分析表明，该模型能够很好地对水质进行评价。能有效地解决多因素带来的高维复杂性，是一种处理多因素复杂评价问题的有效途径。     

基于模糊人工神经网络识别的水质评价模型

人工神经网络和模糊识别理论作为模拟生物体的信息处理系统,在实践中得到广泛的应用,且各有所长,将二者相结合,构造出模糊人工神经识别网络,从而使识别系统的柔性处理能力得到很大提高.阐述了模型和方法,将其用于长江支流沱江枯水期的水质综合评价,结果表明,模糊人工神经网络综合评价具有客观性和实用性.     

基于联系数的水质评价物元模型

物元模型是对事物特征进行数学描述的一种模型.事物的特征分为确定性的和不确定性的,采用联系数来描述水质特征的不确定性的方面,从而建立了基于联系数的水质评价物元模型,并结合水环境质量评价具体说明模型的使用方法.案例分析表明,联系数的物元模型应用于水质评价具有客观合理、应用方便、并能反映水质变化的动态性的优点.     

基于机器学习的水位流量关系模型参数估计

为了克服经典水位流量关系模型在刻画河流动态变化特性时所存在的局限性,提出采用局部加权回归算法估计模型参数;为了提高参数估计精度以及流量的计算效率,提出一种聚类树加权回归方法.首先对训练样本进行聚类,然后使用k-最近邻方法将新的水位样本划分进最恰当的聚类中,最后估计河流日流量.该方法在估计过程中,避免了不相关信息的干扰,从而提高了日流量数据估计的效率和精度.利用某水文站的实测数据对方法进行测试,仿真结果表明,方法估计精度高,为水位流量关系模型参数估计提供了新的有效方法.     

基于黄金分割理论的改进BP网络地下水水质评价

利用VB语言编写附加动量的改进BP人工神经网络模型程序,并将其加载到Excel中,以湛江市区地下水为例研究水质状况。该模型采用黄金分割理论和试算相结合的方法对网络模型的隐含层节点数进行了优选,研究结果与其他方法相比显示：改进BP人工神经网络模型在地下水水质评价中能够很好地解决评价因子与水质等级间复杂的非线形关系,评价结果的精度有较大地提高。     

基于指标分类的地下水水质评价模型及其应用

为反映主要污染物在水体中的分布特征,表征相应级别环境容量的地下水承载污染物的程度,揭示地下水水体受人类活动的影响程度,根据不同的指标对水质的影响不同而将它们分成3类,并用类间综合的方法确定了各类指标的单项评价指数和综合评价指数,建立了新的地下水水质评价模型。将该模型和灰色聚类法进行比较,本模型的评价结果既反映了水体中主要污染物的分布特征,又揭示了水质受人类活动的影响程度。     

基于机器学习的区域滑坡灾害预警模型研究

中国滑坡灾害严重,区域滑坡灾害预警是防灾减灾的重要手段之一,预警模型是开展区域滑坡灾害预警的关键问题。本文系统开展了基于机器学习的区域滑坡灾害预警模型研究,并以四川省青川县为例,基于近10年地质与气象数据,构建了青川县区域滑坡灾害预警模型并开展实例校验。研究得出如下结论:(1)提出了基于机器学习的区域滑坡灾害预警模型的构建方法,主要包括训练样本集构建、样本学习训练与优化建模、模型保存与预警输出等几个关键步骤。(2)提出了区域滑坡训练样本集的构建方法,即以正样本为基础,在时空约束条件下随机采样获取负样本,最终获得完整的训练样本集。(3)样本学习训练中,以训练样本集的80%作为训练集,20%作为测试集,进行5折交叉验证,采用精确度、ROC曲线和AUC值校验模型准确度和模型泛化能力。采用贝叶斯优化算法进行模型优化。(4)实际预警中,调用训练好的预警模型输出滑坡灾害可能发生的概率。依据概率大小,分级确定预警等级。分级依据为:当输出概率P≥40%且P＜60%时,发布黄色预警;当输出概率P≥60%且P＜80%时,发布橙色预警;当输出概率P≥80%时,发布红色预警。(5)以青川县为例,构建了青川县区域滑坡训练样本集,采用6种机器学习算法进行模型训练,结果显示随机森林算法表现最好,其准确率最高(0.963),模型无过拟合现象,模型泛化能力最好(AUC=0.986);其次为逻辑回归算法;再次为人工神经网络算法和决策树算法。选取2018年6月26日的青川县日常预警业务进行实例校验。结果显示:当日17处滑坡灾害点中,100%的灾害点全部落入预警区范围内,其中:70.6%的滑坡落在红色预警区内,17.6%的滑坡落在橙色预警区内,11.8%的滑坡落在黄色预警区内。     

基于机器学习模型的淮河流域中长期径流预报研究

准确可靠的中长期径流预报是支撑水资源科学调配、提高水资源利用效率的关键。本研究采用AdaBoost模型(AdB)、随机森林模型(RF)和支持向量机模型(SVM)进行淮河流域王家坝和蚌埠站当年11月至次年10月共12个月的中长期径流预报研究。采用置换准确度重要性度量法从130项气象-气候因子及前期降雨/流量构建的1 562个因子变量中筛选出影响各月径流的关键因子,构建了基于AdB、RF和SVM模型的各月径流预报模型,模型参数采用随机搜索技术并结合交叉验证方式确定。采用变幅误差合格率和等级(五级)预报合格率指标对模型的预报精度进行了评估。变幅误差合格率指标表明,王家坝12个月的平均合格率分别为99.8%(AdB)、96.6%(RF)和95.9%(SVM),蚌埠站分别为100%(AdB)、94.8%(RF)和93.8%(SVM);等级预报合格率指标表明,王家坝12个月的平均合格率分别为79.0%(AdB)、76.4%(RF)和79.9%(SVM),蚌埠站分别为81.0%(AdB)、75.6%(RF)和76.6%(SVM)。模型均具有较好的预报效果,但RF和SVM模型对于高流量值的预报存在偏低现象,AdB模型整体上优于RF和SVM模型。     

基于主成分-模糊模型的锦州市地下水水质评价

锦州市位于辽宁省西南部,水资源比较丰富,通过建立主成分—模糊模型对锦州市各地区的地下水水质进行分析。结果表明:主成分-模糊模型可较为准确地反映锦州市的地下水水质实际状况,评价效率较高,具有较高的推广价值;评价结果显示锦州市的地下水水质整体良好,水质总体由北向南呈下降趋势,个别地区部分指标评价值不高,应根据各地区地下水水质治理薄弱环节,有针对性加强地下水资源保护治理工作。     

水质评价模糊集理论与应用

本文依据模糊水文学关于水体清洁与污染之间无明确界面,识别中具有亦此亦彼性的论点,建立较完整的水质评价模糊集理论与模型。在考虑指标标准评价模型的基础上,提出了不考虑或没有指标标准情况下的水质评价模型,并在理论上论证了该评价模型可以克服目前在水质评价中应用线性加权平均模糊综合评判模型使评判值趋于均化的缺点。文中提出的水质评价模糊集理论与模型,原则上也可推广应用于其他环境领域的评价工作。     

基于投影寻踪回归的指标规范值的水质评价模型

传统的投影寻踪回归(PPR)的矩阵表示法用于水质评价,当指标较多时,不仅优化参数矩阵元的学习效率低,而且优化效果亦受到影响。若适当设置3类水体(地表水、地下水和富营养化水体)各指标的参照值及指标值的规范变换式,使不同指标的同级标准的规范值差异不大,从而可以认为用规范值表示的不同指标皆与某个规范指标"等效"。因此,只需构造并优化得出对各指标规范值都共同适用的2个指标变量的NV-PPR(2)和3个指标变量的NV-PPR(3)模型,对于指标变量较多的NV-PPR建模,只需将其分解为若干个NV-PPR(2)和(或)NV-PPR(3)的组合表示即可。对模型的实用性进行的效果检验表明:基于指标规范变换的3类水体的水质评价的投影寻踪回归模型具有形式简洁、计算简便和普适通用的特点。     

基于均方差-模糊综合评判复合模型的地下水水质评价

首次运用均方差-模糊综合评判复合模型,选取地下水水质的主要影响因子,通过评价因子的选取及评价集的建立、隶属函数及单因子隶属度的确定、评价指标权重的确定和综合隶属度的确定四个步骤,对天津蓟县官庄地区深层地下水水质行了综合评价.评价结果表明,研究区采样点水质总体级别为I级,说明该区地下水水质较好,而局部点位硝酸盐超标是导致水质污染的主要原因,这一结论与该区其它研究成果评价结果相一致.     

基于均方差一模糊综合评判复合模型的地下水水质评价

首次运用均方差一模糊综合评判复合模型,选取地下水水质的主要影响因子,通过评价因子的选取及评价集的建立、隶属函数及单因子隶属度的确定、评价指标权重的确定和综合隶属度的确定四个步骤,对天津蓟县官庄地区深层地下水水质行了综合评价。评价结果表明,研究区采样点水质总体级别为I级,说明该区地下水水质较好,而局部点位硝酸盐超标是导致水质污染的主要原因,这一结论与该区其它研究成果评价结果相一致。     

基于双权重的评价模型在矿井水质评价中的应用

在论述双权重的基础上,建立了水质评价的模糊综合模型。通过监测总硬度、SO42-、Cl-、Cr6+、Pb、Fe等水质影响指标,计算了各指标的程度权重和因素权重,采用灰色模糊综合评价的方法评价了临涣矿区10个采样点的水质。研究结果表明:8个点属于IV类水,1个点属于V类水,1个点属于Ⅲ类水。评价结果为矿区废水处理方法的选择和资源化提供了依据,并为矿区水污染环境的治理提供了基础数据。     

基于投影寻踪聚类模型的龙坑水源地地下水水质评价

为探寻龙坑水源地水质情况和区域水质变化发展规律,采用投影寻踪聚类模型对龙坑水源地进行水质评价。通过采用基于实数编码的遗传算法进行优化计算、处理,得出最终水质评价结果。结果表明:该水源地地下水多为Ⅰ、Ⅱ类水,满足水源地水质要求;将该结果与运用模糊综合评判法、物元可拓法等方法的评价结果进行对比,证实该方法是一种实用有效的水质评价方法。在34个水样中,29个水样达到Ⅲ类水标准以上,其中28个水样达到Ⅰ类或Ⅱ类水标准。     

基于机器学习模型的青藏高原日降水数据的订正研究

选择了5种机器学习模型,即k最近邻方法（KNN）、多元自回归样条方法（MARS）、支持向量机（SVM）、多项对数线性模型（MLM）和人工神经网络（ANN）,利用海拔、相对湿度、坡向、植被、风速、气温和坡度等因子订正ITPCAS和CMORPH两种常用的青藏高原日降水数据集。五折交叉验证表明,KNN的订正精度最高。在三个验证站点（唐古拉、西大滩和五道梁）的误差分析,以及对青藏高原年降水量的空间分析均表明,KNN对CMORPH的订正效果显著,对ITPCAS在局部区域有一定订正效果,ITPCAS及其订正值的降水空间分布准确度高于CMORPH的订正值。主成分分析法表明降水订正是气象和环境因子综合作用的结果。     

基于机器学习MaxEnt模型的线性工程滑坡易发性评价

铁路、公路等线性工程沿线的滑坡易发性评价对线路维护和防灾减灾有重要意义.基于GIS平台和R语言MaxEnt软件,以国道109工程为例,采用机器学习方法中的最大熵模型(Maximum en-tropy model,MaxEnt),以高程、坡度、坡向、地形起伏度、地形湿度指数、粗糙度、工程地质岩组、距道路距离、植被覆盖度和...     

基于生态系统的海洋管理理论与实践

海洋孕育了丰富的生态系统服务功能,包括为人类提供多种海产食物、净化海洋环境和提供宜人景观及发展空间等。随着工程科技水平的提高,人类对海洋资源和空间的开发利用越来越多、越来越快,对海洋生态系统的影响也越来越大,这一问题在我国尤为突出。近20年来一些发达国家通过推行基于生态系统的海洋管理(MEBM),在海洋生态系统的框架下规范和管理开发活动,特别是在解决区域性海洋管理问题方面取得了一定成效,值得我们借鉴。概述了海洋生态系统及其服务功能,回顾了海洋开发中存在的问题以及MEBM的发展历程,系统阐述了MEBM的原则和措施,剖析了国内外MEBM的成功案例,探讨了在中国实施MEBM的必要性和前提条件。近年来,我国依据海洋功能区划来管理海洋开发已取得一定的成果。建议以此为基础,强化相关生态科学研究及相应技术和法规支撑,从而为我国海洋经济可持续发展提供保障。     

灰色系统理论在水质评价中的应用

灰色聚类与综合指数法、模糊综合评判法相比是一种较为客观的水质评价方法，本文运用它对抚州市地表水质进行了评价，结果令人满意。