基于改进层次分析法的模糊综合评价模型

模糊综合评价在理论和应用中的关键问题是如何合理确定各评价指标的权重。为此,提出了直接根据单指标相对隶属度的模糊评价矩阵,构造层次分析法中的判断矩阵,用以确定各评价指标权重。给出了用加速遗传算法检验和修正判断矩阵的一致性和计算判断矩阵各要素的权重的模糊综合评价模型(AHP＿FCE)。实例表明,AHP＿FCE方法简便和通用,计算结果较为客观和稳定,在系统工程理论和实践的各种综合评价中具有推广应用价值。  

BP网络用于水文预测的几个问题探讨

近年来人工神经网络（ＡＮＮ）在水文分析和水文预测中的应用越来越广泛，然而应用人工神经网络的ＢＰ模型进行水文预测却存在网络结构的确定、收敛准则的选择、训练速度较慢和预测精度等问题，本文通过两个实例发现训练样本的复杂性对ＢＰ网络结构有较大影响，讨论了收敛准则选择的问题，给出加快训练速度的几项改进措施，实例表明ＢＰ网络是一种精度较高的水文预测模型．  

基于熵权的模糊物元模型在水质综合评价中的应用

鉴于水质评价中各指标的不确定性和模糊性，将熵值理论与模糊物元建模相结合，应用于水质综合评价中，建立了基于熵权的模糊物元模型。引用信息熵所反映数据本身的效用值来计算指标的权重系数，有效地避免了权重分配困难的问题。该模型以一种新的方法进行水质综合评价，并结合实例进行应用，通过与综合评判法及属性识别法的比较，进一步验证了该模型的合理、简便和实用。  

流域水资源承载能力的综合评价方法

针对承载能力评价方法的研究，提出了水资源承载能力综合评价的投影寻踪方法。对于多因素影响的水资源承载能力综合评价问题，依据样本自身的数据特性寻求最优的投影方向，通过线性投影计算反映评价样本综合特征信息的投影特征指标，根据这一指标可以形象、直观地对样本进行分类或评价。该方法避免了诸如各评价因素权重确定的人为任意性。将此方法用于全国30个省、市、区和淮河流域水资源承载能力的综合评价，结果表明该方法切实可行且可操作性强。  

长江上游干流和支流河流泥沙近期变化及其原因

通过长江上游宜昌水文站、金沙江屏山水文站和嘉陵江北碚水文站20世纪50年代以来径流量和输沙量的变化分析，表明宜昌站多年水沙关系未见有明显的变化，属正常波动。20世纪80年代以来，长江上游主要支流嘉陵江和金沙江的水沙关系发生了不同的变化，嘉陵江的河流泥沙呈明显减少的趋势，金沙江呈略有增加的趋势，嘉陵江、金沙江两流域的侵蚀、产沙、输沙环境条件差异较大。人类活动的方式、程度，植被破坏与恢复，水土流失治理，水利工程拦沙和工程建设增沙等的明显差异，是20世纪80年代以来，嘉陵江和金沙江水沙变化不同的主要原因。  

投影寻踪聚类模型及其应用

投影寻踪聚类模型已广泛应用于涉及多因素的综合评价问题，但模型中密度窗宽参数的确定目前还没有一种很好的方法，现主要通过试算或经验来确定，缺乏理论根据，针对这一问题，在较为详细介绍模型结构的基础上，从模型的数学构造入手对密度窗宽参数的取值进行了分析探讨，推导得出了计算的试验公式，实际应用表明该方法切实可行，为模型的推广应用奠定了基础，同时也为涉及多因素的方案决策提供了一条新途径。  

基于实码加速遗传算法的投影寻踪分类模型在水稻灌溉制度优化中的应用

水稻灌溉制度的优化模式及其理论分析一直是人们关注的问题。传统的水稻灌溉制度优化评价方法——模糊综合评判法与灰色评判法均存在权 重矩阵的主观赋权的人为干扰，造成评价结果的出入。作者在模糊数学理论与田间试验结合的基础上，提出了基于实码加速遗传算法(RAGA)的投影寻踪分类模型(PPC)，通过优化水稻生育阶段的状态变量指标的最佳投影方向，得到各样本的投影值，从而对各灌溉模式进行分类与评价，克服了二阶模糊综合评判法与灰色系统评价中权重赋值的人为干扰，确定出浅湿干灌溉为最佳的水稻灌溉模式。经生产实践证明，符合实际情况。该模型对处理农业灌溉系统中具有模糊性、不确定性的高维数据的综合评判、排序、寻优等方面研究提供了新的方法与思路。  

中国水资源优化配置研究的进展与展望

水资源优化配置是多目标多决策的大系统问题，必须利用大系统理论的思想进行分析研究，文中深入分析了我国水资源优化配置理论，分别对“对需定供”的水资源配置、“以供定需”的水资源配置、基于宏观经济的水资源配置、可持续发展的水资源配置做了阐述，在此基础上，分析了水资源优化配置研究的发展方向，其结论是：传统的水资源配置存在对环境保护重视不够，强调节水而忽视高效、重视缺水地区的水资源优化配置而忽视水资源充足地区的用水效率提高、突出水资源的分配效率而忽视行业内部用水合理性等问题，影响了区域经济的发展和水资源的可持续利用；因此，应加强水资源优化配置研究，特别是新理论和新方法的研究，协调好资源、社会、经济和生态环境的动态关系，确保实现社会、经济、环境和资源的可持续发展。  

小波分析及其在日流量过程随机模拟中的应用

小波分析能将交织在一起的不同频率成分组成的复杂时间序列分解成频率不相同的子序列。基于小波分解和重构思想，本文以屏山站为例尝试将日流量过程分解成不同尺度下的小波系数(细节)和尺度系数(背景)，对分解所得的系数按实测资料显示的主周期(年)进行随机重构，从而获得各种各样的日流量过程线。当小波函数和尺度函数或滤波器确定后，分解和重构过程不需估算参数，也不必进行前期分析和任何假定，因而，这种随机模拟方法具有非参数化特征。实例分析表明是可行的。  

基于子波变换序列的人工神经网络组合预测

本文引入一种新的水文序列组合预测方法，首先对水文离列施行ＡＴｒｏｕｓ子波变换，得到其在各倍频程上的子波系数，其次利用人工神经网络预测模型对子皮系数进行了多尺度组合预测：而后运用ＡＴｒｏｕｓ完全重构公式，得到水文序列的预测，本文对宜昌站年平均径流离列作了研究，结果显示预测效果理想。