基于主成分分析的Mamdani模糊推理在河流健康评价中的应用

为了准确评价河流健康程度,提出一种利用主成分分析改进的Mamdani模糊推理系统评价方法,该方法分别选取高斯型和三角型隶属度函数构建输入和输出变量模型,并利用主成分分析法对评价指标进行降维,降维后的3个主成分由专家经验机制和根据贡献率均匀分配的权重组成12个"if-then"规则。评价模型选用截断法和重心法进行去模糊化操作。对太湖周边的6条有代表性的河流的健康评价结果表明,改进评价方法的评价结果与传统综合赋权评价结果的相对误差在可接受范围内,而改进方法操作简单且大幅提高了评价的效率,有较强的实用价值。     

基于MPGA-BP模型的降雨预报研究

降雨预报是水文预报的重要环节,提高其准确性是进行洪水、径流等预报的前提。针对目前预测方法中存在的易落入局部极小值、收敛速度慢和收敛对初值敏感等问题,将多种群遗传算法(MPGA)与反向传播(BP)神经网络模型相结合,提出了一种适用于降雨预报的多种群遗传神经网络模型(MPGA-BP)。实例计算结果表明,该模型具有良好的预报性能和泛化能力,为降雨准确预测提供了有力的技术支持。     

贝叶斯公式与模糊识别耦合方法在河流健康评价中的应用

为准确评价河流的健康程度,提出了基于贝叶斯公式与模糊识别耦合方法,分析了单个河流健康评价指标属某个等级的概率,用最大似然分类准则判定单个河流健康评价指标的评价等级,引入组合赋权法与相对隶属度综合确定各指标的权重,并将其应用于某市周边6条河流健康评价中。结果表明,除河流Ⅰ的健康评价结果为0.734之外,其他五条河流的评价结果在[0.586,0.628]之间。这表明仅有河流Ⅰ的评价等级为良,河流Ⅱ、Ⅲ、Ⅳ、Ⅴ的评价等级均为中等,河流Ⅵ的的综合评价结果为0.586,评价等级为差,评价结果与实际情况相符。可见基于贝叶斯公式与模糊识别耦合方法合理、可行,不仅提高了河流样本集的权重精确度,且更好地处理了不确定信息。