基于粗糙集-贝叶斯网络的流域水质评价方法

针对现实流域水质评价中存在不完整和不确定信息这一问题,基于智能互补思想,提出了粗糙集-贝叶斯网络的流域水质评价方法。使用粗糙集理论提取影响流域水质状态的主要因子,得到最小属性约简集以降低建模复杂度;然后构造贝叶斯网络并进行模型训练,获得其网络结构和条件概率表,实现流域水质的概率决策推理;最后对嘉陵江流域重庆段的3个水质监测断面进行实例分析,验证该方法的有效性和准确性。结果表明：该方法可以正确进行流域水质评价推理,相比于其他方法（贝叶斯网络、灰色-贝叶斯网络、粗糙集-朴素贝叶斯）,其具有最高的准确率（>0.97）、精确率（>0.86）、召回率（>0.86）和F1值（>0.86）,为流域水环境管理提供了有效的技术支持。     

面向重大公共卫生风险治理的应急物流协同演化仿真

为提高重大公共卫生风险治理过程中的应急物流效率,在分析政府与物流企业行为特征的基础上,设计了面向重大公共卫生风险治理的高效应急物流协同机制。通过构建地方政府与物流企业的演化博弈模型,探究了地方政府监管和物流企业协同的演化规律与路径,然后利用数值仿真来验证所提模型的可行性和有效性。结果表明,与商业物流协同机制相比,面向重大公共卫生风险治理的应急物流协同机制更依赖于地方政府的监管力度,并且该机制使得物流企业的协同水平在0.25与0.9之间反复波动;而建立针对地方政府的动态奖惩机制后,在博弈次数达到30时,物流企业的协同水平为0.46,并一直维持稳定,可见这个动态奖惩机制显著提高了应急物流协同机制的稳定性。