基于遗传算法与神经网络相结合的区域水资源承载力综合评价

在遗传算法与误差反向传播网络（BP网络）结构相结合的基础上，提出了利用改进的遗传算法优化神经网络进行水资源承载力综合评价的新方法，将该方法应用于淮河流域水资源承载力综合评价，实例表明是可行的，为水资源承载力定量分析开辟了新的途径．     

云综合评判模型在区域水资源承载力评价中的应用

为有效评价区域水资源承载力,建立了基于云理论的综合评判模型,将不确定性概念的模糊性和随机性有机地结合在一起,既用隶属函数描述了评价等级的模糊性,又利用超熵概念充分考虑了隶属度本身存在的随机性.将云综合评判模型应用于洮河水资源承载力研究中,并同传统模糊综合评判、可拓评价法进行比较.结果表明,该模型有效可行,并能体现出评价的不确定性.     

基于多目标遗传算法的水资源承载力模型研究

针对水资源承载力问题,利用遗传算法的并行机制及全局搜索最优解的特性,引入了多目标遗传算法的求解方法,评价了算法在水资源承载力评价方面的可行性,给出了设计思路及应用步骤.初步建立了水资源承载力定量计算的多目标遗传算法模型.     

区域水资源承载力评价的风险矩阵方法

为客观合理地评价水资源承载力和综合考虑各要素的评价结果,从承载支撑力和承载压力两方面出发,选取水量、水质要素承载支撑力和压力评价的实物量指标,建立了水资源承载力评价指标体系,构建了区域水资源承载力评价的风险矩阵方法(RMM-WCC),采用短板法进行单要素水资源承载力评价,运用风险矩阵方法对单要素评价结果进行综合,最后得到水资源承载力评价的综合评价结果。将RMM-WCC应用于安徽省淮河流域的水资源承载力评价中,得到该区域的水资源承载状态,对于超载的状态指出了超载原因,并给出了相关的措施建议。该评价结果可为安徽省淮河流域水资源优化配置提供参考,同时,RMMWCC在水土资源、生态环境和海洋资源等承载力综合评价中具有广泛的应用前景。     

投影寻踪模型在塔里木河流域水资源承载力综合评价中的应用

针对区域水资源承载力状况,采用高维降维技术——投影寻踪分类模型（PPC）,利用基于实数编码的加速遗传算法（RA-GA）优化其投影方向,将多维数据指标（样本评价指标）转换到低维子空间,根据投影函数值的大小评价出样本的优劣,从而做出评价,最大限度避免了灰色关联法评判中权重矩阵取值的人为干扰,取得了满意的效果,为区域水资源承载力状况评价及其它评判问题提供一条新的方法与思路。     

区域水资源承载力分析

在总结水资源承载力研究现状的基础上,采用模糊综合评判模型计算区域水资源承载力,根据隶属函数的性质确定了综合评判矩阵的计算方法.将模型运用于具体地区水资源承载力的计算,验证了模型的正确性、合理性.     

遗传层次分析法在区域水资源承载力评价指标体系筛选中的应用

区域水资源承载力评价是区域水安全战略中的基础性研究课题,其中水资源承载力评价指标体系是评价研究过程中重要的研究基础,其建立过程综合反映了水资源系统与所在地区的经济社会系统、生态环境系统之间的复杂交互作用关系。从水资源数量、质量、空间、流场等水资源系统功能方面的水资源承载过程角度,构建了由水量、水质、水域、水流4个子系统及其二级评价指标组成的区域水资源承载力评价初步指标体系;集成咨询专家信息的形式,得到判断各指标重要性的层次分析法判断矩阵,采用层次分析法与加速遗传算法相结合的遗传层次分析法筛选该初步指标体系并确定其对应的权重关系,最终建立了区域水资源承载力评价指标体系。所建指标体系适用于重点关注区域的水资源承载状态的综合评价研究,为区域水资源承载力监测预警系统提供重要的技术基础。     

水资源承载力综合评价的熵权属性识别模型

根据水资源承载力分析的结构特点,在传统多目标分析决策技术的基础上,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水资源承载力评价模型,应用熵值法来确定权重系数,避免了权重系数确定的主观性问题,用一种新的方法进行水环境承载力评价.结合实际应用的结果表明,其评价结果合理,适用于水环境承载力评价.     

基于遗传-BP神经网络预测单桩竖向承载力

在遗传算法改进BP神经网络的基础上,利用遗传算法的全局优化能力和BP神经网络的较强的高次非线性能力和自学习能力,建立预测单桩竖向承载力的遗传—BP神经网络模型。通过利用济南地区现场试桩资料对该模型进行训练和检验,证明本文所建立的遗传—BP神经网络预测模型预测精度高,适用性强,可以作为桩基工程设计和理论研究的参考计算工具。     

基于遗传-BP神经网络预测单桩竖向承载力

在遗传算法改进BP神经网络的基础上,利用遗传算法的全局优化能力和BP神经网络的较强的高次非线性能力和自学习能力,建立预测单桩竖向承载力的遗传-BP神经网络模型.通过利用济南地区现场试桩资料对该模型进行训练和检验,证明本文所建立的遗传-BP 神经网络预测模型预测精度高,适用性强,可以作为桩基工程设计和理论研究的参考计算工具.     

基于信息扩散和BP神经网络的水资源预测

将信息扩散原理和BP神经网络相结合,提出了一种新的水资源预测方法.用因素状态空间上信息扩散的方法对不完备的历史资料进行优化处理,把处理过的结果作为神经网络训练样本的输入和输出因素,并利用BP算法进行网络训练,当计算达到要求的精度后即完成训练.经训练所得的神经网络即可用于水资源预测.结果表明,该方法能较好地解决水资源系统中实测样本少和存在矛盾样本之不足,提高了水资源系统预测的精度和水平.     

基于模糊规划的水资源承载力评价模型及应用

基于联合国教科文组织提出的资源承载能力概念,给出了水资源承载能力定义,把区域水资源可利用量、纳污能力以及万人均GDP最低标准视为"区间"值,建立了模糊约束线性规划模型,并给出了求解的基本过程.应用于日照市水资源承载力的评价中,并与文献[5]的模型计算结果进行比较,结果表明,所提出的模型实用性强,计算结果合理.     

基于流域水资源承载力的动力学模型

在探讨流域水资源承载力理论内涵的基础上,根据影响流域水资源承载力的资源、环境、人口和科技等主要因素,将水资源承载力的分析置于生态—经济—社会的复合巨系统的背景下,制定了流域水资源承载力的分析框架,揭示了水资源承载力的内部逻辑关系,并将这种内部逻辑关系用函数关系表征,最后根据水资源承载力的分析框架和内部关系建立了流域水资源承载力的动力学模型.     

安徽省水资源承载力

文章根据对安徽省水资源人口承载能力与经济承载能力的分析评价,讨论了主要制约因素。     

神经网络在水环境影响评价方面的应用

水质模型是水环境研究的重要工具，在水环境管理规划中起着重要作用．介绍了当前使用较多的水质数学模型及其优缺点．提出人工智能技术用于水质模型的改进方法．将神经网络应用于水环境影响评价，采用改进的BP算法进行水质模拟．该方法较之原有的水质数学模型，结果更加精确，适用范围更广．     

基于一种混和遗传算法的模糊神经网络的优化

将遗传算法引入到模糊神经网络的学习过程中,提出了一种综合遗传算法和梯度下降法优势的混和遗传算法,它一方面改善了梯度法的收敛性,使模糊系统对专家知识的依赖性大为降低,提高了系统的智能化水平;另一方面有效提高了遗传算法的搜索效率,强化了系统的学习能力.仿真结果证明了算法的有效性.     

基于遗传算法的小波神经网络交通流预测

城市交通流的运行存在着高度的复杂性、时变性和随机性,实时准确的交通流预测是智能交通系统,特别是先进的交通管理系统与先进的出行者信息系统研究的关键. 基于交通流预测的特点,给出了基于遗传算法的小波神经网络的交通预测模型GA WNN,用具有自然进化规律的遗传算法来对小波神经网络的连接权值和伸缩平移尺度进行前期优化训练,部分代替了小波框架神经网络中按单一梯度方向进行参数优化的梯度下降法,克服了单一梯度下降法易陷入局部极小和引起振荡效应等缺陷. 仿真实验验证了GA WNN预测模型对短时交通流的预测的有效性.     

基于遗传算法的小波神经网络交通流预测

城市交通流的运行存在着高度的复杂性、时变性和随机性，实时准确的交通流预测是智能交通系统，特别是先进的交通管理系统与先进的出行者信息系统研究的关键．基于交通流预测的特点，给出了基于遗传算法的小波神经网络的交通预测模型GA-WNN，用具有自然进化规律的遗传算法来对小波神经网络的连接权值和伸缩平移尺度进行前期优化训练，部分代替了小波框架神经网络中按单一梯度方向进行参数优化的梯度下降法，克服了单一梯度下降法易陷入局部极小和引起振荡效应等缺陷．仿真实验验证了GA-WNN预测模型对短时交通流的预测的有效性．     

基于神经网络的铅酸蓄电池剩余容量预测

为有效地对电动车电池剩余容量进行预测,在分析了铅酸蓄电池充放电过程的反应机理的基础上,应用改进算法的BP神经网络,建立了铅酸蓄电池的神经网络模型,用于预测铅酸蓄电池放电过程中某一状态下的剩余容量。结果表明,通过该网络模型可以方便快速地得到电池剩余容量及荷电状态的预测值,所得结果满足要求,为电池管理系统提供了一种新的预测方法。