基于主成分分析的地下水水质模糊综合评价

主成分分析法能够降低数据维度,减少分析指标数量。利用主成分分析法分析初选指标,筛选模糊综合评价因子,求取其权重集,建立基于主成分分析的水质模糊综合评价模型,并应用于黄土地区洛河油田浅层地下水的水质评价中。结果表明,采用主成分分析法选择评价因子,既保证了评价结果的可靠性,又减小了参与评价的数据量,提高了评价效率;利用主成分分析法赋权进行模糊综合评价,考虑了评价因子之间的相互作用,水质评价结果比采用超标法赋权的结果更优;洛河油田富县区块浅层地下水水质状况总体较好,在油田开发过程中应采取保护措施,防止浅层地下水污染。     

基于主成分分析与模糊综合评价模型的昆山市老城区河道水质评价

为了提高昆山市老城区水环境质量、改善河道生态景观效果,昆山市于2012年起对老城区内多条河道进行了综合整治。由于影响河道水质的因素众多,为了能够较为客观地评价治理前后的水质改善情况,通过主成分分析法及建立模糊综合评价模型,对治理前后水质进行综合评价。结果表明,治理后Ⅲ至Ⅳ类水的隶属度有所提高,Ⅴ类水的隶属度有所降低,西仓基河、后街河的水质指标有较大幅度提高。经过综合整治,昆山市老城区河道水环境质量有所提高,与实际治理情况相符,可见所提方法可行、有效。     

基于PSR模型和主成分分析法的节水型社会建设评价

针对节水型社会建设评价指标体系因果关系不明确和指标分析方法复杂繁琐的缺点,结合节水型社会建设的特点,应用"压力—状态—响应"(PSR)模型对节水型社会建设的评价指标进行筛选和归纳,构建了基于PSR模型的节水型社会建设评价指标体系,同时运用主成分分析法,对所选指标进行综合评价分析,提出了一个新的节水型社会建设评价模型。并以扬州市为例,对扬州市各地区节水型社会建设水平进行了评价,评价结果与实际较为相符。可见该评价模型能够对各评价指标之间的因果关系进行较好的解释,可以对城市节水型社会建设起到一定的指导作用。     

基于贝叶斯理论和主成分分析法耦合的水质评价

为寻求一种可靠、快捷的水质评价方法,将贝叶斯理论和主成分分析法相耦合,以黄壁庄水库坝上断面2015、2016年监测数据为例,对黄壁庄水库进行水质综合评价。结果表明,黄壁庄水库综合水质处于Ⅰ~Ⅱ类,年内水质变化不大,丰水期水质相对较差,为Ⅱ级水质,其他月份均达到Ⅰ类水质标准,与实际情况相符,说明所提方法用于水质评价合理、可行。     

基于主成分分析法的中国电力期刊质量评价研究

对电力技术的信息载体进行了总结,在此基础上确定了电力核心期刊可作为评价电力技术成熟度的依据,并找到了将电力期刊质量水平作为电力技术成熟度的主要替代因素。选取了233种电力核心期刊的18类指标作为原始数据,运用主成分分析法,通过降维简化为6个二级指标,最终确定电力期刊质量评价的三级评价指标体系。     

采用主成分分析法综合评价电站机组的运行状态

为解决电厂机组运行优化、状态监测与故障诊断中涉及到的机组运行状态的综合评价问题,提出用主成分分析(PCA)方法,建立了电厂机组的综合评价指标的思想.介绍了主成分分析法的原理,并应用该方法对某电厂机组的实际运行状态进行了综合评价.结果表明:该方法消除了主观因素对评价的影响,得到的综合评价指标可对汽轮机进行定量评价,也可为机组状态在线监测提供依据.     

火电厂综合评估的模糊评价法

提出一种新的火电厂综合评估方法—模糊综合评价法,以规避目前对火电厂整体运行情况进行评估时凭经验式计算复杂、客观性较差的缺点,建立了火电厂综合性能评价指标体系。以600 MW机组为主要研究对象,依据各发电集团2008年全年机组运行的相关数据,用选取的隶属函数建立了模糊综合评判矩阵,且分别建立了基于直接给出法和专家评议法(Delph i法)的重要程度模糊集,给出了火电厂综合评估的二层次和二级指标模糊综合评估模型,并作了对比分析。研究表明,模糊评判法可以用来评价电厂机组的综合状态、考核机组各项指标的完成情况,即可用于不同机组在同一特性下进行比较,还可用于机组间竞赛。     

改进主成分分析法在南淝河水质评价中的应用

针对传统主成分法的逆指标化、无量纲化和构建综合指标三方面的问题进行改进,将指标特征值变换为指标相对隶属度、同步解决逆指标和无量纲化问题,改进特征向量方向选取方法,据此构建的综合指标解决了传统主成分分析法可能出现的指标相悖问题,并将其应用于南淝河水质综合评价中,与传统主成分分析法做了比较。结果表明,改进的主成分法计算效率高、水质评价合理。     

基于AHP法的浙江省水资源承载力模糊综合评价

基于相关统计数据,建立了浙江省水资源承载力评价指标体系,在层次分析法的基础上,采用模糊综合评价法评价了浙江省2006～2009年水资源承载力情况。结果表明,该省水资源承载能力一般,水资源已开发到一定程度,水污染问题对水资源现状亦有影响,但仍具有可持续发展的潜力,水资源承载力仍有提高的空间,与实际情况相符。可见本文方法可行、有效。     

基于主成分分析和BP神经网络的能源供需安全研究

基于主成分分析法,运用Matlab7.0软件中的BP神经网络工具箱对1985～2007年我国的能源供需安全状况进行了训练及测试.测试结果表明,主成分分析与BP神经网络的结果较吻合,BP神经网络运用于能源安全领域可行、有效.同时,得出自1985年以来我国能源供需安全状况大体上逐年提高,从2005年开始大幅提高,但仍未摆脱较差的境地,未来前景不容乐观.     

基于主成分分析和BP神经网络的赣江流域中长期径流预报

针对赣江流域开展水量调度对中长期径流预报的迫切需求,在分析赣江流域径流特性的基础上,以降雨、径流等常规因子和130项大气环流指数等相关因子为预报因子,分别构建基于相关系数法、逐步回归方法、主成分分析法三种因子筛选方法的BP神经网络中长期径流预报模型。研究结果表明,主成分分析方法筛选的预报因子可较好描述未来径流的变化趋势,所构建的基于主成分分析的BP神经网络中长期径流预报模型在率定期和检验期的合格率均满足规范对作业预报模型的精度要求,可作为赣江流域中长期径流预报的支撑模型。研究成果为赣江流域开展水资源优化配置和水量调度提供了依据。     

基于主成分分析的流域聚类研究

针对流域聚类研究中流域特征指标变量过多会增加计算的复杂性和指标间存在相关性使信息重叠导致计算结果失真的问题,采用主成分分析的方法将原特征指标综合为少数几个不相关的主成分,且提取出的主成分基本包含原特征指标的全部信息,并根据各流域在主成分上的得分值作为新样本进行流域聚类研究,找出相似流域,实现了无资料地区的参数移植。实例应用结果表明,该方法可行、有效。     

基于主成份分析法的人均能源消费量研究

在人均能源消费量调查统计的基础上,运用主成份分析的方法,对样本的特征性指标进行分析.人均能源的消费类型有:煤炭,电力,煤油,液化石油气,天然气,煤气.通过主成分分析从2001年至2009年间中国居民不同地区的人均能源消费水平.找出各个消费类型之间的关系,研究现在中国人均能源消费能力.预测中国人均能源的消费量水平,并将结合环保等多种方向提出观点和意见.     

基于改进KPCA和GA-BP神经网络的电能质量稳态指标预测

为提高电能质量稳态指标预测精度,以气象因素、有功负荷及历史电能质量数据作为输入变量,提出一种基于改进核主成分分析(KPCA)和遗传算法(GA)优化BP神经网络的电能质量稳态指标预测方法,首先将改进K-means聚类算法与KPCA相结合,通过改进K-means算法将输入变量划分为不同的子类,降低了核矩阵维数;再利用KPCA提取每类输入变量的非线性主成分,简化网络结构;然后分别将每一类中提取的特征作为BP神经网络模型新的输入变量,并结合GA算法优化BP神经网络参数,建立每一类数据的预测模型。算例应用结果表明,该方法的预测精度明显优于传统BP神经网络预测方法和KPCA+BP神经网络预测方法。     

基于主成分分析法的玛纳斯河水文情势分析

为实施流域生态综合治理,基于玛纳斯河逐日径流、降雨及气温资料,采用M-K检验法、指标变化范围法(IHA-RVA法)及主成分分析法综合定量评价水文情势改变程度。结果表明,水文、气温、降雨量突变点分别为1996、1986、2005年;玛纳斯河整体水文改变度为62.36%,属于中度改变,其中12个指标发生高度改变;主成分分析法筛选得出的7个重要指标,经计算水文改变度为57.33%,属于中度改变,与IHA指标体系的水文改变度仅相差5.03%。分析表明,流域内气候及降雨的变化是导致河流水文情势变化的重要原因。     

基于主成分分析优化BP神经网络模型的厌氧膜生物反应器膜污染预测*

膜污染是厌氧膜生物反应器运行中不可避免的问题,制约了工艺技术的推广应用,分析膜污染的形成过程是控制膜污染的重要内容。基于主成分分析（PCA）和反向传播神经网络（BPNN）的理论,提出了一种采用主成分分析优化BP神经网络的膜污染预测模型。以反应器连续运行试验数据为样本,利用相关性分析确定模型的输入变量,并基于输入变量间存在信息重叠问题,采用主成分分析法对输入因素进行降维处理,提取贡献率为70.4%的第一主成分和贡献率为17.7%的第二主成分作为输入特征。结合模型的贡献度分析和主成分分析发现,反应器内的污泥浓度是膜污染影响因素中最主要的特征变量,贡献度为34.9%。对比分析优化模型和单一模型的预测结果,发现PCA-BPNN模型的拟合效果更好,平均相对误差仅为3.8%,可用于膜污染分析研究,为后续研究提供参考。     

基于现场数据与主元分析热工动态过程研究

根据机组的运行机理,确定引起主要监控变量变化的相关过程变量,采集相关过程的运行数据;建立输入数据矩阵,并进行主元分析和多变量统计计算,确定了在热工动态过程中引起主要监控变量变化的主导因素。所提出的确定主导因素的方法可以进一步应用于热工过程动态建模和故障诊断。     

非线性主成分分析和RBF神经网络的 电力系统负荷预测

电力系统负荷预测是电力系统规划与运行的重要内容,为提高负荷预测的精度,针对主成分分析法在涉及到多指标预测体系中降维作用不明显,且考虑不到指标间非线性关系的问题,采用非线性主成分分析法改进RBF神经网络输入量,该方法克服了数据之间相关性的约束,进一步降低了预测指标维数,兼顾了指标间非线性关系,保留了原始数据的足够信息,获得电力系统负荷预测的主成分,显著地减少了径向基函数神经网络的输入量,从而提高了电力系统负荷预测的精度。实例分析验证了该方法的有效性。