模糊人工神经网络识别模型在柴河水库水质分析中的应用

将人工神经网络技术和模糊模式识别理论相结合,对柴河水库水环境进行综合评价,结果表明模糊人工神经网络综合评价模型在柴河水库水质分析中有很好的应用效果。     

模糊模式识别模型在大伙房水库水质评价中的应用

文章分析了现有的水质评价方法的不足,运用基于相对隶属度的模糊模式识别模型对大伙房水库的水质动态进行综合评价,得到了比较满意的结果。     

水质综合评价方法探讨

水质综合评价实质上属于模式识别问题。就目前运用较多的三种水质综合评价方法,即模糊模式识别法、灰关联模式识别法、BP人工神经网络法,采用MATLAB语言编写相应的评价程序进行实例评价,试图找出三种方法在水质综合评价中的优缺点。从总体评价结果可以看出,模糊模式识别法评价结果偏高,灰关联模式识别法评价结果偏低,BP人工神经网络法评价结果比较准确。     

模糊模式识别模型在钱塘江流域水质评价中的应用

依据环境污染与评价属于模糊概念这一客观实际，并基于陈守煜教授提出的模糊模式识别理论与模型，尝试建立钱塘江流域水质评价模糊模式识别模型。对钱塘江流域10个断面的水质进行了综合评价，得到了比较满意的结果。     

基于投影寻踪的模糊模式识别模型在水质评价中的应用

基于投影寻踪方法,结合陈守煜教授提出的多目标模糊模式识别模型,构造了基于投影寻踪的模糊模式识别模型.该方法利用投影寻踪法确定样本指标的权重,有效克服了评价指标权重因人而异的随机性,使评价指标权重保持相对稳定.最后应用此模型结合济南市某水库水质分析实例,为水质评价的智能化、实时化提供了可能性.     

基于混合属性的多级模糊模式识别在水质评价中的应用

针对当前多级模糊模式识别方法依赖检测时间,对水质进行评价结果不够全面的问题,提出一种基于混合属性的多级模糊模式识别的方法对水质进行较全面评价.该方法综合确定水质各项指标的权重,并结合影响水质的环境因素,实现了可不完全依赖检测时间的具有预测功能的水质评价,为科学、合理治理水污染提供更准确依据.实例验证表明,该方法水质评价结果合理.     

塔里木河水质模糊模式识别评价

以塔里木河水质为研究对象,采用模糊模式识别评价方法对污染程度、水质类别、分类界限等多层次、多因素的模糊边界问题进行了综合评价。评价结果表明,将相对隶属度应用到河流水质模糊评价中,克服了以往用单一绝对数据进行水质类别划分的缺点,能比较科学、实际、有效地利用监测数据对地表水的污染程度进行综合评价。     

不同模糊组合模型在水质评价中的应用比较

在模糊评价模型研究中,指标权重的确定和模糊模式的识别是最为重要的两项内容。以丹江口水库流域为研究对象,建立不同模糊组合模型进行水质评价,通过赋权方法、模糊模式识别方法以及评价结果三方面的比较分析,获得更适合研究区的组合模型。结果表明:赋权方法中熵值法在一定程度上削弱了异常值对评价结果的影响,模糊模式识别方法中M(·,+)算子可能会过分放大主要污染物的影响,均不适用于研究区的水质评价;采用超标倍数法赋权、加权海明距离法进行模糊模式识别的组合模型能较好揭示不同时期的水质变化,同时还可判断同一水质等级下不同评价对象污染程度的差异,可以更为真实反映研究区水体的水质状况。     

基于模糊模式识别理论的水质综合评价的改进

传统的模糊模式识别理论在水质评价中应用时,均为对水质进行5级评价,而当水质指标监测值超出Ⅴ类水质标准时,5级水质评价结果较实际情况偏好,这样使得评价结果与真实情况有较大偏差。针对这一问题,提出一种改进的基于模糊模式识别理论的6级水质评价模型,并以小清河为例,采用该改进的水质评价方法进行水质评价,并将评价结果与单因子评价法和传统的5级模糊综合评价法进行比较,结果表明:改进的水质评价方法既考虑了所有参评指标对水质的综合影响,又考虑了水质指标超出Ⅴ类水质标准的情况,评价结果较接近水质的实际情况。     

引入SPA的6级模糊模式识别模型在水质综合评价中的应用

为了解决普遍意义上的水质模糊识别理论不能评价指标数据超过5级标准值和最大隶属度原则的缺点,本文提出6级水质计算方法来改进模糊模式识别模型。再者,引入Set Pair Analysis(SPA)理论处理等级标准间的不确定性信息。从而构建引入SPA的6级模糊模式识别模型,将其运用于河流实例中。评价结果表明:引入SPA的6级模糊模式识别模型更能准确地确定水质综合等级,为治理河流水质污染提供理论支持。     

改进的模糊—集对分析法在西大洋水库水质评价中的应用

应用加权的改进内梅罗指数法改进传统模糊—集对分析法中的复合算法，对西大洋水库2012年—2017年的水质进行评价，评价结果与灰色关联法一致。应用单因子法和改进模糊—集对法相结合的方法完善了评价结果，同时也为水库水污染治理工作提供参考。     

花凉亭水库水质数学分析方法的选择

花凉亭水库是太湖县的重要饮用水水源地，通过模糊综合评价与常规单因子水质评价对比揭示花凉亭水库水质的真实现状进行评判，并对评价结果进行分析。     

地面水环境质量模糊综合评价

依据地面水环境质量分类标准，应用模糊控制理论，构筑不同类别水质的隶属函数及不同指标参数的权重确定方法，并编制相应程序，实现了水环境质量模糊综合评价。最后结合对河口水库实测资料对水质进行评价 。     

清河水库水质评价分析及防治

应用水质分类评价的的模糊划分聚类方法对清河水库1995～2008年5月实测水质资料进行分析评价,根据分析结果提出预防及治理措施。     

模糊识别法在水库水质评价中的应用

以溶解氧、氨氮等5个因子作为评价指标,构造综合评判模糊数学模型,计算各评价因子的权重,建立了模糊识别水质评价模型,并对宁波市主要水库水质进行了评价。结果表明:四明湖水库、三溪浦水库、仓岙水库、新路岙水库、横山水库及白溪水库的水质达到Ⅰ级或Ⅱ级饮水标准,说明这些水库水质是安全的,但需要注意防范及预警,保证居民饮水安全。     

模糊模式识别在水体质量评价中的初步应用

水体污染程度是模糊概念，用模糊数学理论研究水体质量评价是一条值得探索的途径。水质评价的模糊模式识别方法即基于样本水体水质与各级水质标准按近程度的模糊性，将各级水质标准和样本水体水质参数通过一定形式的隶属函数模型化，然后根据样本水体水质对各级水质标准的贴近度识别样本水体的综合等级。文中以湖南省湘江湘潭河段的水质评价为例，初步应用了这一评价方法。     

基于模糊评估法的西大洋水库水质分析

简要介绍了模糊评价法。根据2010—2017年西大洋水库水质监测资料,采用模糊评估法分析评估西大洋水库水质,同时判断该方法的优劣。     

基于 MCMC 的 BP 网络在水质评价中的应用

一、水质评价方法水质评价方法总的来说可分为两大类：单因子评价法和综合评价法。单因子评价法计算简单,可直观反映哪些指标超标,但由于是对单个水质指标独立进行评价,因此得到的评价结果不能全面反映水质量的整体状况,可能会导致较大的偏差。综合评价法可同时评价多种指标对水质的影响,从整体上给水质一个客观全面的评价。当前研究较多的综合评价法包括综合指数法、灰色聚类法、灰色模式识别法、模糊综合评判法、模糊模式识别法和人工神经网络模型等。综合指数法通过多个指标并赋予各指标不同权重的综合来判断水质标准,它综合考虑了各指标对水质的影响,     

阿哈水库模糊综合评价及污染防治措施

以贵阳市阿哈水库为研究对象,根据阿哈水库水质检测资料,用模糊综合评价法对水库的水质进行了评价。由水质评价结果可以得出,阿哈水库满足国家饮用水标准,但已受到一定程度的污染。对水库水质污染因素进行了分析,并结合实际提出了具体的防治措施,为水库的污染治理和防治提出了科学依据。     

棘洪滩水库水质模糊评价

采用模糊识别模型,结合MATLAB编程计算,选取溶解氧、氨氮、化学需氧量、高锰酸盐指数、生化需氧量和总磷六项指标,对2008—2014年棘洪滩水库的水质进行模糊评价,以水质级别特征值H反映水库水质;分析水质级别特征值的变化规律,为水库管理提供理论支持。