基于不確定性理論的水環(huán)境質(zhì)量評價方法的研究.pdf

1、水環(huán)境質(zhì)量評價是實施水環(huán)境管理規(guī)劃、解決日益嚴峻的水環(huán)境問題的工作基礎，通過水質(zhì)評價可對某一區(qū)域的水環(huán)境質(zhì)量狀況作出科學的評估，并為環(huán)境管理、環(huán)境標準的制訂、環(huán)境規(guī)劃以及環(huán)境污染綜合防治等提供科學依據(jù)。 多年來，國內(nèi)外學者對水環(huán)境質(zhì)量評價方法進行了大量研究，但多數(shù)方法均存在著不足之處。而目前我國環(huán)境評價實際工作中所采用的傳統(tǒng)評價方法由于沒有考慮到水環(huán)境問題的復雜性及非線性，存在一定的不合理性。因此，本文試圖從水質(zhì)評價的隨機不確定

2、性角度出發(fā)，對基于不確定性理論的水質(zhì)評價方法進行探討，從而為水環(huán)境質(zhì)量評價的發(fā)展提供新的方法理論。 論文通過對不確定性理論的研究，分別研究探討了基于神經(jīng)網(wǎng)絡和模糊數(shù)學的水質(zhì)評價模型的建立方法，對兩種方法在建立和使用過程中出現(xiàn)的問題提出了改進措施，并對所建立模型進行了實例驗證。 論文在神經(jīng)網(wǎng)絡水質(zhì)評價模型的建立過程中，根據(jù)水質(zhì)評價自身特點選擇網(wǎng)絡結(jié)構(gòu)，并利用Matlab神經(jīng)網(wǎng)絡工具箱進行編程。為提高模型精度，分別從網(wǎng)絡學習

3、算法、隱層節(jié)點確定方法以及訓練樣本等方面對網(wǎng)絡加以改進。在學習算法的選擇上采用了附加動量及自適應學習速率的梯度下降法作為網(wǎng)絡的學習算法；在隱層節(jié)點的確定過程中以經(jīng)驗公式推算值為基礎，采用遞增的試算法進行優(yōu)化計算；采用等級臨界值區(qū)間內(nèi)隨機差值算法對樣本進行擴充，以提高網(wǎng)絡的魯棒性和識別的準確性。利用改進后的神經(jīng)網(wǎng)絡模型對已知實例進行驗證，取得了良好的評價效果。 在模糊綜合評價法水質(zhì)評價模型的建立過程中，通過對評價因子和其評價等級的

4、界定，采用降半梯形隸屬函數(shù)確定隸屬距陣，運用超標倍數(shù)加權(quán)法計算權(quán)重并進行歸一化處理，建立加權(quán)平均型水環(huán)境質(zhì)量評價模糊數(shù)學模型，同時引入了Matlab軟件編程，避免了繁瑣的人工計算。利用所建模型對已知實例進行驗證，取得了良好的評價效果。 同時，提出了將人工神經(jīng)網(wǎng)絡與模糊綜合評價相結(jié)合，由人工神經(jīng)網(wǎng)絡構(gòu)造隸屬度矩陣的方法，對模糊綜合評價法水質(zhì)評價模型進行了改進，通過實例驗證，確定該模型用于水質(zhì)評價是可行的，具有很好的可操作性和實用性