应用灰色聚类模型对给水管网水质的综合评价

灰色聚类法是灰色系统理论的一种,它以模糊数学为基础,并在此基础上有所发展、创新。灰色聚类模型的特点是对数据的分辨力高,多个评价因子的综合评价中有独到的优势。给水管网水质是多个因子的综合作用结果,不利于直观判断。因而可借助灰色聚类模型理论,确定实际的各项指标的数值与评价标准的关系,把各个因子定量的监测数据转化成综合性的结论。依靠灰色聚类理论来确定管网水质的归类以此方法来评价给水管网各个监测点的水质情况,确定管网水质的归类,最后用实例验证模型计算值与实际情况的一致性。     

基于水质指数的给水管网属性识别模型

给水管网中各监测点的水质因子项目繁多,仅仅靠单因子指标不能反映出监测点的水质总体情况,也不利于将水质状况对外发布.为了对给水管网水质进行总体的综合分析,需要进行综合性的科学评价.本文讨论了三种水质指数评价模型:原始水质指数模型、水质综合指数模型、Nemerow水质指数模型,阐述了不同水质指数的原理并给出了具体计算公式.结合实例分别应用三种水质指数模型对管网水质进行评价.实例证明:水质指数模型具有综合概括、简明扼要的特点,使给水管网水质的评价结果更加客观、合理.     

支持向量机的给水管网水质综合评价研究

提出了基于支持向量机(SVM)的给水管网水质综合评价模型.在给水管网水质评价标准的基础上采用内插法获得学习样本,利用最小二乘支持向量机回归算法和高斯核函数对支持向量机进行训练,并用K-折交叉验证法优化模型参数,以优化参数的模型建立网络水质分级标准.将训练好的网络模型应用于水体实例并与其它几种评价模型加以比较,分析结果表明,SVM方法评价结果比较客观、合理,尤其在体现指标的极值作用方面具有独到的优势.     

人工神经网络理论在地下水质评价中的应用

运用人工神经网络理论和方法,建立了地下水水质评价的ＢＰ神经网络模型,对肥城市６眼水井的地下水水质进行了评价,并与综合指数法,模糊综合评判法的评价结果进行了比较。结果表明：用ＢＰ神经网络模价地不水质是可行的。     

AdaBoost-NN模型在浊漳河水质评价中的应用

为了克服传统BP网络的不足,将AdaBoost与神经网络结合,提出了基于AdaBoost-NN的水质评价模型.利用浊漳河水质监测数据比较AdaBoost-NN模型与传统ANN法和内梅罗综合指数法评价模型的差异,结果表明:AdaBoost-NN水质评价模型有效弥补了BP模型自身的缺陷,评价准确度更高,结果更加客观、合理.     

汉江水质综合评价的BP网络方法

以往的水质综合评价因子权重的确定方法使得评价结果带有较强的主观性,神经网络方法则可以有效排除主观因素的干扰.构造了一个多因子水质综合评价的3层BP网络模型,以生化耗氧量、氨氮和总磷为评价因子,对汉江武汉段水质的富营养化状况进行了评价.结果表明,该方法评价结果更为客观,符合实际情况.     

基于变异系数权重的水质评价属性识别模型

运用水质评价标准的指标数值变异系数确定其权重,提出了新的用于水质综合评价的属性识别模型,采用松花江哈尔滨江段的水质监测资料说明该方法的操作过程以及评价结果的可靠性,评价结果得出．松花江哈尔滨江段的水质已达Ⅲ级,该结果与层次分析法所得的结果相同,从而验证了该模型用于水质综合评价是可行的。     

基于粒子群优化算法和RBF神经网络的水质评价方法研究

将粒子群优化算法和RBF神经网络相结合,建立了基于神经网络的水质评价模型,实现了对水质的合理评价。通过采用粒子群优化算法对RBF神经网络的参数进行优化,提高了神经网络的收敛速度和精度,进一步提高了水质评价方法的精确程度。通过与传统的神经网络水质评价方法的对比,验证了本文方法的可靠性和优越性。     

基于熵权的属性识别模型在地下水水质综合评价中的应用

水质评价中各单指标的评价结果具有独立性和不相容性，需要综合考虑各指标的属性。通过将熵值法与属性识别模型相结合，建立了基于熵权的属性识别模型，应用一种新方法进行地下水水质综合评价，它运用熵值法来确定权重系数，能够避免权重确定的主观性问题。结合实际应用表明其可以有效地解决水质的优劣评价问题，且结果合理，计算简单。     

基于正态分布原理的贝叶斯水质综合评价

将正态分布原理与贝叶斯方法相结合来进行黄壁庄水库水质综合评价,并给出了改进的贝叶斯(Bayes)方法的思路和计算方法。以GB3838-2002为评价标准,采用改进的贝叶斯方法建立贝叶斯水质评价模型,对黄壁庄水库坝上水质监测数据8项指标进行水质评价研究。评价结果表明:改进的贝叶斯综合水质评价模型适用于黄壁庄水库的水质评价,且黄壁庄水库综合水质处于Ⅰ—Ⅱ类,年内水质变化不大,丰水期水质相对较差,为Ⅱ级水质,其余月份均达到Ⅰ类水质标准。     

混沌局域法与神经网络组合供水量预测

城市供水量是非线性、非平稳时间序列,组合预测模型能获得更高精度预测结果。通过深入分析混沌局域法与神经网络预测模型特点,提出了一种新的组合预测模型。首先,应用混沌局域法对城市日供水量进行初预测,然后,应用神经网络对预测结果进行修正。由于所提出的组合模型利用了混沌局域法及神经网络进行优势互补,能同时提高预测精度与计算效率。为验证所提出组合预测模型的可行性,采用某市7 a实测供水量数据,对混沌局域法、BPNN、RBF及GRNN神经网络4种单一预测模型及相应的3种组合模型预测精度进行定量分析,结果表明,组合预测模型精度都高于对应单一预测模型,混沌局域法与GRNN神经网络组合模型预测精度最高,且运算时间远低于单一神经网络模型运算时间。     

水质综合评价的Hopfield网络模型

将人工神经网络技术运用于水质评价，建立了水质综合评价的Hopfield模型，并以重庆市南川凤嘴江水质资料为实例，对模型精确度进行了测试。结果表明：Hopfield网络用于评价水环境质量形象、客观、准确、合理,具有广阔的应用前景。     

面向大规模供水管网的水质监测点布局优化

在供水管网的重要位置布设一定数量的水质监测点,对管网水质进行实时监测,是保障水质安全的有效途径。现有水质监测点布局优化方法的研究大多针对小规模管网,在复杂的大规模管网中迭代求解效率和解集质量低,难以实际应用。为此,针对大规模供水管网节点数量众多且邻近节点相似程度较高等特点,以最小化监测时间和最大化污染事件覆盖比例为目标,建立水质监测点布局优化求解框架。该框架使用基于复杂网络重要性指标和耦合水力特征综合评价的节点筛选模型,对大规模管网中的重要节点进行污染事件模拟,并基于节点空间相似性改进遗传算法的演化策略,提升解集质量。针对实际大规模管网的模拟实验表明,此方法能解决供水管网规模较大时迭代效率和解集质量低的问题,获得有效的水质监测点布局。     

功能耦合的城市水电网络抗震韧性分析方法

水电网络作为城市基础设施的重要组成部分,在城市日常运行中承担着为城市居民生产生活供水供电的重要任务,一旦在地震中遭受破坏,将会对城市的应急救援、火场消防、医疗保障等产生显著的影响,为此应充分保障其抗震韧性。为实现对具有高度功能耦合特性的水电网络进行抗震韧性分析,提出一项基于网络流理论的耦合水电网络抗震韧性分析方法。该方法首先建立水电系统协同恢复的优化目标函数,同时根据网络流方法,建立水电系统地震灾后功能恢复过程中的约束条件,通过混合整数规划方法并基于Gurobi求解器进行求解。该方法一方面可以有效地评估各网络不同部分的抗震性能,另一方面又能够根据既有维修资源,合理安排维修任务,实现耦合系统的最优恢复。研究结果表明：由于水电网络构件物理破坏的不确定性,其恢复过程呈现显著的离散性,且这种离散性随时间变化而变化;从平均意义上来看,电网比水网表现出更快的恢复速度。     

基于管线对偶图模型的供水管网可靠性分析

为了利用复杂网络理论对供水管网进行结构测度和鲁棒性分析,提出一个新的管网模型——管线对偶图模型.该模型将顺序相连、无大角度转折的同口径同材质管段序列看作统一实体,即管线.将管线抽象为节点,两相交管线对应的节点用边相连,由此形成的无向图即为管线对偶图.使用这一模型对3个城市的供水管网进行结构测度,结果显示,管线对偶图具有明显的无标度特性.利用无标度网络鲁棒性分析方法中的模拟攻击方法,使用3种攻击策略进行实验.结果表明,管网在不同攻击策略下结构变化规律呈现较强的相似性,都会经过初始期、分裂期和崩溃期3个阶段;不同的攻击策略下供水管网进入分裂期和崩溃期的进程差异明显;基于节点度的攻击策略对管网的影响最大,基于节点介数中心性其次,随机攻击对管网的影响最小,高度连接的管线是供水管网中关键和脆弱的部分.对结构测度和模拟攻击的结果进行分析,发现谱隙和进入分裂期的去点率可作为衡量供水管网可靠性的重要指标.针对管线对偶图模型提出的可靠性分析方法可以用于指导供水管网的设计和运维.     

改进层次分析—多级模糊评判的给水处理工艺优选模型

由于水源水质污染日益严重以及新水质标准对供水企业常规水处理工艺改造的必然要求,提出以常规处理工艺为基础,增加预处理、深度处理或对常规处理工艺进行强化,以满足出水水质的要求。针对目前饮用水处理工艺流程优选过程中存在的问题,运用模糊数学多层次综合评价理论,建立了给水处理工艺评价优选模型。同时采用加速遗传算法,对层次分析法判断矩阵进行一致性修正,解决了判断矩阵一致性修正的困难,并采用改进的层次分析法确定模型权重分配集合。以重庆市某水厂水处理工艺设计为工程实例,介绍该模型的计算流程以及评价方法,并运用模型对工艺流程进行评判,得出较优的给水处理工艺。     

给水管网水质监控的理论研究

利用计算机技术，采用跟踪配水管网溶解物浓度的方法，建立了监测水质的数学模型，该模型是建立在符合对流体输和反应动力学的质量平衡关系基础上，可根据部分水质的有效数据推测出管网其它各处的水质情况，从而评估同水管网系统的水质状况。