T-S模糊神经网络模型训练样本构建及其在鸣翠湖水质评价中的应用

该文利用T-S模糊神经网络模型评价鸣翠湖水质。根据不同的训练样本数量和训练次数设置多种工况,基于T-S模糊神经网络探讨了训练样本的三种构成方法,利用MATLAB软件进行编程计算。结果表明:训练样本的构成方式和数量明显影响神经网络的训练效果;由标准样本或监测样本训练的T-S模糊神经网络模型认知能力和泛化能力不足,对检验样本评价的准确率在80%以内。当混合样本中有足够多的监测样本时,可训练神经网络模型完全准确评价检验样本。将混合样本训练的模型应用于银川鸣翠湖的水质评价,结果显示从2014年到2019年水质类别从Ⅳ类逐渐提高到Ⅲ类,评价结果与当地实际情况相符。说明采用混合样本进行水质预测评价是合理的,以混合样本作为训练样本是一种简单有效的数据处理方法。     

白城市地下水质量现状评价

根据吉林省白城市境内选取的9个测点地下水指标的实测数据,对白城市地下水质量现状进行评价。选取的评价指标分别为氨氮、铁、氟化物、铅、砷、高锰酸钾、矿化度、硬度。评价方法分别采用加附注评分法与人工神经网络法,其中人工神经网络法选用BP神经网络、T-S模糊神经网络2种方法。评价结果显示:2种人工神经网络法评价的水质类别均在Ⅰ～Ⅲ类之间,水质较好;加附注评分法评价出的水质类别中只有穆家店屯水质属于Ⅱ类,其他测点均为Ⅳ类。对比3种方法评价的结果可知,BP神经网络与模糊神经网络评价的水质类型之间的差异较小,加附注评分法比其他2种方法评价得出的水质类别大。     

基于T-S模糊神经网络的水质评价方法及其在四水流域的应用

针对水质评价方法评价等级固化、评价方法整体性不强以及指标间差异较大等特点,引入了T-S模糊神经网络对水质进行评价。基于T-S模糊系统的数据处理能力和神经网络对数据间非线性关系的拟合能力,构造TS模糊神经网络。经过训练、检验发现该网络对生成数据的拟合程度较高,可以应用于水质评价。将该神经网络应用于湖南省四水干流的水质评价,发现四水代表水质站点的水质情况从2005—2015年期间基本符合地表水Ⅲ类水标准,同时,湘江湘潭站及长沙站存在一定的水质等级变优趋势。     

基于改进的多元模糊综合评价数学模型的河流水质评价研究

本文引入变量权重向量,对传统多元模糊综合评价数学模型进行改进,并结合河流水质监测数据,将改进的多元模糊综合评价数学模型运用于河流水质评价。研究结果表明:改进后的模型可结合水质监测的多个指标进行河流水质的综合评价,改变以往单一要素指标评价的片面性,评价结果更为合理,和河流实际水质情况吻合,在河流水质评价中具有较好的适用性。研究成果可对河流水质综合评价提供参考价值。     

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。     

基于模糊物元模型的地表水水质评价

为解决水质评价中评价指标众多,存在复杂性、模糊性和不确定性等问题,采用基于指标变换值的模糊物元模型对克孜河河流2012年的水质进行评价,并与传统的单因子评价法和灰色关联分析法评价结果进行对比。结果表明:模糊物元评价得出不同时期河流水质级别均为Ⅰ级;基于指标变换值的模糊物元得出的评价结果与灰色关联分析法是一致的,与单因子评价法的评价结果在5月8日的取样值略有不同;基于指标变换值的模糊物元模型应用在该河流水质评价中是合理可行的,且计算简便实用。     

地下水补给影响下的河流水质模糊模拟

摘 要：基于河流水环境系统的模糊性、不精确性，采用三角模糊数描述和表征沿岸地下水水文地质参数，建立了计算地下水补给量和补给强度的模糊模型。在将水质模型参数定义为三角模糊数的基础上，构建了考虑地下水补给影响的一维稳态河流水质模糊模拟模型。作为案例，将上述模型应用于淮河流域某支流水质模拟研究。采用-截集技术，计算得到各控制断面模糊数形式的污染物浓度值，并与确定性模型计算结果进行比较。实例研究表明，以三角模糊数原理模拟和表征考虑地下水补给影响的河流水体污染物浓度变化规律，理论上可行，计算结果可信，较好地弥补了传统确定性模型的不足。     

基于改进灰色关联法的地表水环境质量评价

为了优化灰色关联法,获取西安市典型地表水环境的水质信息,采用线性内插法对监测数据归一化,使用超标倍数法确定指标权重,引入加权海明距离法计算评价对象和标准对象之间的相似度,得到新的水质评价模型,将其应用到西安市典型地表水环境质量评价中,并与单因子指数法、模糊综合评价法和BP神经网络法的评价结果进行比较。结果表明:黑河主要污染因子为总磷、总氮和COD,属Ⅱ类水质;浐河主要污染因子为总氮和氨氮,属Ⅴ类水质;北石桥污水处理厂二级出水主要污染因子为总氮、氨氮和COD,属Ⅴ类水质;大唐芙蓉园北湖主要污染因子为COD,属Ⅲ类水质;兴庆湖主要污染因子为总磷和总氮,属Ⅴ类水质;模糊综合评价法、BP神经网络法和改进的灰色关联法的评价结果完全相同。     

基于小波分析的水质变化及预测研究——以涡河为例

以涡河流域2005—2018年(共168个月)的水质指标月监测数据为背景资料,探究小波分析和神经网络在流域水质方面的应用。通过小波分析来判别涡河流域水质指标的多尺度变化规律;运用主成分分析法选取涡河水质主要影响因子,并对主要影响因子建立小波神经网络预测模型。研究结果表明:各水质指标具有多尺度振荡的特点,且主要存在以8、20、30个月左右变化的主周期;目前影响涡河流域水质的主要因子是以化学需氧量为代表的污染因子;通过小波神经网络得到的化学需氧量预测值与实测值的曲线拟合较好,平均百分比误差(MRE)为8.4%,均方根误差(RMSE)为1.5,模型较稳定且预测精度较高。基于小波神经网络的应用为流域水质污染研究提供了一个新的思路。     

基于模糊RBF神经网络的地表水环境质量评价

针对现有水质评价方法评价结论过保护、存在人为因素影响、表达模糊信息能力弱等问题,结合模糊评价和RBF神经网络的优点,构建了模糊RBF神经网络水质综合评价模型。模型应用于淮河安徽段,并与单因子评价法进行对比,以验证模型的合理性。评价结果表明,两种方法的评价结果基本一致,模型客观合理,淮河安徽段部分监测点水质Ⅴ类、劣Ⅴ类居多,总体水质状况较差,评价结果符合实际情况。     

单因子法与可变模糊法在水质评价中的应用

基于2019、2020年在辽河、大辽河入海河段及辽河口的水质监测数据,分析河流、河口水质指标的时空变化规律,并运用单因子评价法、可变模糊评价法对水质状况进行评价。整体而言,基于可变模糊评价法的水质评价等级优于单因子评价法;河流的主要污染指标为DO、高锰酸盐指数和总磷,基于单因子法的评价结果为Ⅳ类、劣Ⅴ类,可变模糊法评定等级为Ⅰ～Ⅲ类;河口监测点的主要超标污染物为无机氮,单因子评价结果为Ⅳ、劣Ⅳ类,可变模糊评价法为Ⅱ、Ⅲ类;单因子法基于最差指标的区间评定,可变模糊法综合权衡各指标的影响,在水环境管理中可根据目的不同考虑采用不同评价方法。     

基于SPA-BP的河流水质评价模型

将集对分析法(SPA)和BP神经网络结合起来建立基于SPA-BP的河流水质评价模型,直接由样本联系度矩阵得出评价结果,并给出评价样本与评价标准之间的各级隶属度值。模型应用表明,该模型评价河流水质具有客观性和实用性,评价结果较为直观、可靠。     

渭河干流陕西段河流水质污染风险评价

依据模糊理论建立了河流水质风险评价模型,通过加权评价和熵值法确定了多个监测序列指标权重,给出了5级水质污染风险等级,评价了渭河干流陕西段污染物序列风险以及区间水质污染风险。结果表明:渭河主干河流中下游水质污染风险较大,上游风险相对较轻。这些研究为河流水质控制与恢复管理提供了依据。     

基于模糊综合评价模型的河流水质综合评价

针对引起贾鲁河水质恶化的主要因素,以实测数据为基础,结合层次分析法.应用模糊综合评判方法对贾鲁河郑州段的5个实测断面的6个指标进行了评价,其中3个断面处属于V类水体.并提出了相应的政策建议.结果表明:模糊综合评价模型用于河流水质的评价是合理的.同时也为贾鲁河河流治理方案和投资策略等的制订提供了科学依据.     

基于延拓盲数-网络分析理论的河流健康评价

为提高河流健康评价精度,将模糊理论中的三角模糊数引入盲数系统,形成延拓盲数理论。基于延拓盲数理论构建河流健康评价模型,并采用网络分析法(ANP)确定各评价指标权重。结合通榆河的实际状况,展开河流健康评价,得到各评价指标的分值及不同评价等级的隶属度,从而确定通榆河的河流健康等级为"Ⅲ"类。河流健康问题主要体现在水功能区水质达标率低、生态系统薄弱,应进一步加强河流的修复和管理。     

流域水环境管理信息系统及可视化技术应用研究

通过建立苏帕河流域水环境管理信息系统，针对苏帕河流域没有主要经济产业、水质较好的状况，侧重于介绍建立改进的BP神经网络模型对流域的水质进行综合评价．而且通过一维水质模型对流域的水质分布进行了模拟，并将其运用于苏帕河流域梯级电站水环境管理．一维水质模拟结果与实测值吻合良好．结合GIS的图形功能对一维水质模拟的结果进行了动态显示，为水利工程及环境管理部门提供了有效、经济的决策信息.     

基于模糊神经网络的参考作物蒸腾量预测研究

为准确估算灌区作物需水量,建立了基于模糊神经网络的参考作物腾发量时间序列预测模型。采用宝鸡地区1954—2004年逐月气象资料,利用主成分分析法提取影响参考作物蒸发蒸腾量的主要影响因子,获得4个综合变量作为输入向量,用彭曼-蒙蒂斯公式计算的参考作物蒸发蒸腾量作为目标向量。运用matlab进行编程,应用模糊神经网络模型预测参考作物腾发量。结果表明:12组测试集样本的平均相对误差绝对值为5%,最大相对误差为11.4%,最小相对误差为0.4%;模糊神经网络模型与用彭曼-蒙蒂斯公式计算值有很高的一致性。     

一维河流水团示踪试验数据的模糊线性回归

将模糊线性回归的概念引入分析河流水团示踪试验数据、确定河流水质参数的计算过程中,建立计算河流水质参数的模糊线性回归模型,利用该模型能计算出不同置信水平下水质参数的取值范围。算例验证结果表明,应用模糊线性回归模型可以有效地确定河流的水质参数,且计算过程具有一定的稳定性、可靠性和灵活性,模糊线性回归模型是分析河流水团示踪试验数据、确定河流水质参数的一种有效的途径。     

河流系统健康状况评价体系及评价方法

考虑反映河流系统的动力状况、水质状况、河流地貌和生物指标状况、河流服务状况等4个方面,构建了河流系统健康状况评价体系。建立了基于模糊理论的河流健康状况多层次评价模型,给出了相应的评价指标、标准和权重。以海河三岔口河段为例,应用已建的河流系统健康状况模糊综合评价模型,对河流系统的健康状况进行了评价。计算结果表明,该评价体系能定量地从各层次分项指标和总体角度反映河流健康状况,可为河流管理和生态修复工程提供技术支持。     

模糊综合评价法在水质评价中的应用

为维护与更好地管理串场河水质,运用模糊综合评价法对盐城串场河2005年～2010年水质进行综合评价,通过确定河流断面的6个主要影响因子的权重和隶属度得出最终评价结果:2005年～2008年盐城串场河水质较差,Ⅳ～V类占68.8％;2009年～2010年水质较好,Ⅰ～Ⅲ类水占79.2％.水质的主要影响因子为高锰酸盐指数、五日生化需氧量和氨氮,且因2008年串场河工业排污口整治逐渐取得成效,各项指标于2009年开始均呈现好转趋势.模糊综合评价法不仅可以分析总体水质变化情况,同时可以细化到各个具体指标,评价结果清晰且符合实际.