基于RBF神经网络模型的汕头市水资源承载力研究

针对常规水资源承载力评价方法存在的不足,在Matlab 7.6环境下建立了水资源承载力评价的RBF网络模型,基于汕头市水资源现状,利用该模型综合评价了汕头地区的水资源承载力。结果表明,汕头市水资源承载力总体较好,但有逐步恶化趋势,且各区县的水资源承载力极不均衡,与汕头地区的实际情况相符。     

基于SVR的指标规范值的水资源可持续利用评价模型

针对现有的水资源可持续利用评价的回归支持向量机模型（LS-SVR）的不足,提出了水资源系统指标参照值和指标规范变换式的设置原则和方法,使不同的水资源指标经规范变换后皆“等效”于某一个规范指标,进而建立适用于任意m项指标规范值表示的回归支持向量机水资源可持续利用评价模型（NV-LS-SVR）。将NV-LS-SVR模型应用于汉中盆地和淮河流域12个地区水资源可持续利用评价中,评价结果与BP神经网络的评价结果基本一致,验证了该模型的可行性和实用性,为水资源可持续利用评价提供了参考。     

基于随机森林的区域水资源可持续利用评价

针对区域水资源可持续利用评价中指标多、噪声复杂和非线性的特点以及传统方法缺乏可操作性、难以解决稳健性低和过学习等问题,介绍了一种稳健性较高的智能学习方法——随机森林,将其应用于区域水资源可持续利用评价中,并以汉中盆地平坝区为例,对该方法的评价效果进行了验证。结果表明,与SP插值、人工神经网络(ANN)和支持向量机(SVM)模型评价结果相比,本文方法实用性强、稳健性较高、泛化性能高,在分类预测阶段和交叉验证阶段分类准确率均高达100%;同时可知,在影响区域水资源可持续利用的各评价指标中,水资源利用率和人均供水量的影响较为重要。     

水资源开发利用程度综合评价的可拓方法

为了综合评价西安市的水资源开发利用程度,采用可拓方法建立了综合评价模型,评价结果表明,西安市水资源开发处于发展阶段,其他地区如周至、高陵的水资源开发处于初始阶段。这一结果与模糊综合评价模型的评价结果相一致,而且更符合实际情况。     

基于粗集和BP神经网络的城市水资源可持续利用评价模型

针对水资源评价的复杂性不确定性等问题,提出了一种粗集与BP神经网络相结合的城市水资源可持续利用评价模型。利用粗糙集属性约简算法对城市水资源评价指标约简,找出主要评价指标,以简化BP网络的输入层;利用BP神经网络的非线性适应性信息处理能力对评价数据进行量化训练。基于湖北省2004~2010年城市水资源的相关数据,利用Matlab仿真平台进行评价,实证结果验证了该改进模型的科学性和有效性,为城市水资源可持续利用评价提供了有效的方法。     

基于生态网络分析的流域水资源可持续性评价方法研究

将生态网络分析方法引入到水资源可持续利用评价中,构建了水资源利用系统的生态网络模型,从网络结构平衡角度提出适用于水资源利用系统的网络结构可持续评价指标和方法。并以淮河流域为例,对其2005~2011年的水资源可持续利用水平进行了定量评价与对比分析,获得了淮河流域水资源可持续性程度,为淮河流域水资源管理提供了依据。     

基于神经网络的燃气轮机可靠性预计研究

本文根据采集的实际运行数据,利用神经网络的较好的高度非线性映射性能,通过对BP网络和RBF网络的优化设计,来预计各型燃气轮机实际运行中的可靠度。通过算法实现和结果的对比分析,结果表明：BP网络和RBF网络都能够解决高度非线性问题,但在训练时间和精度上,RBF网络显示出更为优良的逼近能力。神经网络方法为燃气轮机的可靠性预计提供了有力的工具。     

RBF网络在贮灰坝浸润线预测中的应用

将RBF网络应用于贮灰坝浸润线的预测，系统地研究了原始数据的预处理、神经网络的构建、训练、检测及结果评价整个过程，并将预测结果与BP网络及传统的多元回归进行对比，结果表明：RBF网络的预测精度高、效率高。     

基于非参数方法的鄂尔多斯市水资源承载力分析

针对水资源源承载力是区域生态环境建设和确定社会经济发展方向的基础,以鄂尔多斯市为例,基于非参数评价模型无需假定评价函数的具体表达形式,综合评价了水资源承载能力,并揭示了评价标准数据自身隐含的的评价信息,提出重视水资源综合管理是实现水资源可持续利用的途径.结果表明,鄂尔多斯市水资源开发利用程度已具相当规模并有一定潜力,该方法直观简便,行之有效,为经济发展提供了理论依据.     

汕尾市水资源规划配置效果评价

以汕尾市为例,基于水资源状况和经济社会发展规划,采纳当前用水定额并结合现状节水水平,完成了水资源供需预测与中远期水资源规划配置,依据规划配置结果建立了水资源规划配置效果评价指标体系,同时针对水资源系统的复杂性及不确定性,采用RBF人工神经网络模型分析规划配置效果。实例结果表明,通过规划配置水资源开发利用效果得到改善,但效果并未达到Ⅰ级的良好水平,可采取进一步的措施改进配置。     

可变模糊优选神经网络综合评价模型

针对多指标评价问题中区间形式评价标准的处理方式和指标权重的确定方法直接影响评价的科学性及合理性,首次将可变模糊集理论和模糊优选神经网络有机结合,提出了一种新的评价模型———基于可变模糊集理论和模糊优选神经网络的综合评价模型,并应用模型对黄河流域9个行政分区的水资源可再生能力进行了综合评价。评价结果表明,黄河流域水资源可再生能力总体上较弱;新的评价模型是科学、合理的。     

基于RBF神经网络与模糊控制的短期负荷预测

针对电力系统短期负荷预测,综合考虑温度、日期类型和天气等因素对短期电力负荷的影响,建立了径向基函数（Radial?Basis?Function,RBF）神经网络和模糊控制相结合的短期负荷预测模型。该模型利用RBF神经网络的非线性逼近能力对预测日负荷进行了预测,并采用在线自调整因子的模糊控制对预测误差进行在线智能修正。实际算例表明RBF神经网络与模糊控制相结合提高了预测精度。     

基于多方法优选预报因子的天山西部山区融雪径流中长期水文预报

为实现天山西部山区喀什河流域冰川融雪区域的水资源可持续开发利用,更好地支撑所在区域工农业生产发展,有必要开展融雪径流中长期水文预报研究。基于相关系数法、主成分分析法及两种方法相结合的综合方法优选预报因子,采用BP神经网络模型和组合小波BP神经网络模型预报径流。结果表明,采用综合方法筛选出的预报因子集合可以得到更好的预报结果;组合小波BP神经网络模型在3个不同方案中的预测效果均优于BP神经网络模型的预测结果,其预报精度更高。研究成果可为该区域融雪径流模拟研究及洪水预报提供参考。     

基于支持向量机的水资源可持续利用评价

针对水资源可持续利用评价方法的不足,提出了基于支持向量机的水资源可持续利用评价的新方法,并对汉中和淮河地区进行了实例应用;最后将基于支持向量机的评价结果,与人工神经网络和SP方法的评价结果进行对比,结果表明新方法模型简单、实用性强.     

基于改进集对分析-可变模糊集耦合模型的水资源承载力评价

水资源承载力是水资源与人口、环境和经济发展紧密联系的一个关键指标,对实现水资源的可持续发展具有重要意义。在综合考虑水资源承载力评价指标的基础上,提出了组合熵权秩次法,建立了改进的集对分析-可变模糊集耦合的水资源承载力评价模型。对成都市水资源承载力的评价结果表明,成都市水资源承载力综合评价等级为2级,水资源开发利用已到一定规模,但仍具有开发潜力。改进的集对分析-可变模糊集耦合模型计算的权重更客观,评价结果科学合理,为区域水资源承载力评价提供了一种新途径。     

基于模糊识别神经网络的淮北市水质综合评价

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。结合二者的优点构造了模糊人工神经识别网络,并将其运用于淮北市水质的综合评价中。利用淮北地表水观测资料,对该市水质进行了较为客观地评价,为水环境治理及水资源保护提供了科学、客观的依据。     

PSO RBF神经网络在城市需水量预测中的应用

为克服径向基函数（RBF）神经网络由于参数选取不当而对其收敛性能的干扰,利用粒子群优化算法（PSO）的全局搜索能力对RBF神经网络的三个参数进行寻优,建立了基于PSO RBF神经网络算法的城市需水量预测模型。结果显示,PSO RBF神经网络算法拟合某市1998～2007年需水量数据的平均相对误差为0.18%,预测2008～2010年需水量数据的平均相对误差为3.84%,耗时1.2 s;通过RBF神经网络算法拟合的误差平均值为0.28%,预测的平均相对误差为5.62%,耗时2.1 s,表明PSO RBF神经网络算法具有更高的收敛速度与精度。