掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養秘籍)
-
>
晶體管電路設計(下)
-
>
基于個性化設計策略的智能交通系統關鍵技術
-
>
花樣百出:貴州少數民族圖案填色
-
>
山東教育出版社有限公司技術轉移與技術創新歷史叢書中國高等技術教育的蘇化(1949—1961)以北京地區為中心
-
>
鐵路機車概要.交流傳動內燃.電力機車
-
>
利維坦的道德困境:早期現代政治哲學的問題與脈絡
環境評價與預測的普適模型(精) 版權信息
- ISBN：9787030642820
- 條形碼：9787030642820 ; 978-7-03-064282-0
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
環境評價與預測的普適模型(精) 內容簡介
本書建立了基于指標規范變換的分類環境和廣義環境評價的普適指數公式及普適智能模型；提出了規范變換與誤差修正相結合的廣義環境系統預測模型，極大地提高了模型預測精度；并對評價和預測模型的普適性和可靠性及同型規范變換的不同變量預測模型之間的兼容性和等效性進行了嚴格的數學論證，因而評價與預測模型不僅因結構簡化，避免了“維數災難”，而且具有普適性、規范性和簡潔性。本書思想新穎、理論嚴謹、實證翔實、系統性強，所提出的規范變換評價和預測建模的思想及方法對其他學科、領域的研究有借鑒和啟迪作用。 本書可作為環境科學與工程、資源環境、環境遙感、水文學及水資源、氣象科學、系統工程等相關學科、專業碩士和博士研究生教材或教學參考書，亦可供高校和科研院所的教師、科研工作者及管理人員參考。
環境評價與預測的普適模型(精) 目錄
目錄
前言
第1章 概述 1
1.1 環境評價與預測的目的及意義 1
1.1.1 環境評價的目的及意義 1
1.1.2 環境預測的目的及意義 1
1.2 環境評價與預測的研究現狀 2
1.2.1 環境評價的研究現狀 2
1.2.2 環境預測的研究現狀 2
1.3 本書的研究背景 2
1.3.1 基于規范變換的環境評價模型的提出背景 2
1.3.2 基于規范變換的環境預測模型的提出背景 3
1.4 本書的主要內容 5
參考文獻 5
第2章 規范變換的環境評價與預測的建模思想和方法 10
2.1 評價指標或預測量及其影響因子的規范變換 10
2.2 基于規范變換的環境評價模型 11
2.2.1 指標參照值和規范變換式的設置 11
2.2.2 評價模型的優化和可靠性分析 11
2.2.3 評價模型綜合輸出值及其分級標準值的計算 12
2.2.4 指標的賦權 12
2.2.5 評價結果分析與比較 14
2.3 基于規范變換的環境預測模型 14
2.3.1 預測變量及其影響因子的參照值和規范變換式 14
2.3.2 預測模型的優化和可靠性分析 14
2.3.3 擬合和檢測（預測）樣本的模型輸出值及擬合相對誤差的計算 14
2.3.4 檢測（預測）樣本模型輸出的誤差修正及預測 15
2.3.5 預測模型精度F值的統計檢驗 15
參考文獻 15
第3章 同類環境評價的普適指數公式 16
3.1 空氣環境評價的普適指數公式 16
3.1.1 空氣指標參照值和規范變換式的設置 16
3.1.2 指標規范值的空氣環境評價普適指數公式 18
3.1.3 空氣環境評價普適指數公式的可靠性分析 21
3.1.4 空氣環境評價普適指數公式與傳統指數公式的比較 22
3.2 空氣環境評價普適指數公式的應用實例 23
3.3 水環境評價的普適指數公式 24
3.3.1 三類水體環境指標參照值和規范變換式的設置 24
3.3.2 指標規范值的水環境評價普適指數公式 32
3.3.3 水環境評價普適指數公式的可靠性分析 36
3.3.4 水環境評價普適指數公式與傳統指數公式的比較 37
3.4 水環境評價普適指數公式的應用實例 38
3.5 本章小結 42
參考文獻 43
第4章 同類環境評價的普適智能模型 44
4.1 空氣環境評價的普適智能模型 44
4.1.1 基于指標規范值的空氣環境評價的BP 神經網絡模型 44
4.1.2 基于指標規范值的空氣環境評價的投影尋蹤回歸模型 46
4.1.3 基于指標規范值的空氣環境評價的支持向量機回歸模型 49
4.2 空氣環境評價的普適智能模型與傳統智能模型的比較 52
4.3 水環境評價的普適智能模型 52
4.3.1 基于指標規范值的水環境評價的前向神經網絡模型 52
4.3.2 基于指標規范值的水環境評價的投影尋蹤回歸模型 61
4.3.3 基于指標規范值的水環境評價的支持向量機回歸模型 64
4.3.4 基于指標規范值的三種水環境智能評價模型的小結 67
4.4 水環境評價的普適智能模型與傳統智能模型的比較 67
4.5 本章小結 68
參考文獻 68
第5章 廣義環境系統評價的普適指數公式 69
5.1 廣義環境系統評價的指標參照值及規范變換式的設置 69
5.1.1 指標參照值及規范變換式的設置 69
5.1.2 規范變換式中各字母的物理意義及相互關系 71
5.2 基于指標規范值的廣義環境系統評價的普適指數公式 71
5.2.1 訓練樣本的隨機生成 71
5.2.2 廣義普適指數公式的表達式 71
5.2.3 廣義普適指數公式的優化 72
5.2.4 廣義普適指數的分級標準 76
5.3 廣義普適指數公式的可靠性分析 76
5.3.1 W-F定律指數公式的可靠性分析 76
5.3.2 普適卡森指數公式的可靠性分析 76
5.3.3 對數型冪函數指數公式的可靠性分析 77
5.3.4 冪函數指數公式的可靠性分析 77
5.3.5 Logistic指數公式的可靠性分析 78
5.3.6 *型分布函數指數公式的可靠性分析 79
5.3.7 加權加和型冪函數指數公式的可靠性分析 79
5.3.8 參數化組合算子指數公式的可靠性分析 80
5.3.9 二次函數指數公式的可靠性分析 80
5.3.10 普適指數公式分析 83
5.4 本章小結 83
參考文獻 84
第6章 廣義環境系統評價的普適指數公式的應用 85
6.1 廣義普適指數公式用于空氣環境評價實例 85
6.1.1 2001～2011年濟南市空氣環境評價 85
6.1.2 某室內空氣環境質量評價 87
6.2 廣義普適指數公式用于水環境評價實例 89
6.2.1 南水北調中線澧河水質評價 89
6.2.2 北京市朝陽區地下水水質評價 92
6.3 廣義普適指數公式用于湖泊富營養化評價實例 99
6.4 廣義普適指數公式用于海水評價實例 105
6.4.1 流沙灣海水水質評價 105
6.4.2 膠州灣海水富營養化評價 108
6.5 普適指數公式用于水資源評價實例 111
6.5.1 漢中盆地平壩區的水資源可持續利用評價 111
6.5.2 河南省11個市的水資源承載力評價 117
6.6 普適指數公式用于水資源安全評價實例 121
6.7 普適指數公式用于城市可持續發展評價實例 124
6.8 本章小結 127
參考文獻 128
第7章 廣義環境系統評價的普適智能模型 129
7.1 廣義環境系統評價的前向神經網絡模型 129
7.1.1 廣義環境系統評價的前向神經網絡模型的提出背景 129
7.1.2 基于指標規范值的廣義環境系統評價的前向神經網絡模型的特點 130
7.1.3 基于指標規范值的廣義環境系統評價的前向神經網絡建模 131
7.1.4 廣義環境系統評價的NV-FNN模型的可靠性分析 133
7.2 廣義環境系統評價的投影尋蹤回歸模型 136
7.2.1 投影尋蹤回歸模型的矩陣表示 136
7.2.2 基于指標規范值的投影尋蹤回歸模型的矩陣表示 137
7.2.3 矩陣表示的NV-PPR模型的優化 138
7.2.4 NV-PPR模型的可靠性分析 140
7.3 廣義環境系統評價的支持向量機回歸模型 141
7.3.1 *小二乘支持向量機回歸算法的基本原理和方法 141
7.3.2 廣義環境系統評價的NV-SVR模型的特點 143
7.3.3 廣義環境系統評價的NV-SVR建模 143
7.3.4 廣義環境系統評價的NV-SVR模型的可靠性分析 145
7.4 普適智能評價模型用于廣義環境系統評價步驟 146
7.5 本章小結 147
參考文獻 147
第8章 廣義環境系統的智能評價模型的應用 149
8.1 基于NV-FNN和NV-PPR模型的空氣環境評價實例 149
8.2 基于NV-FNN和NV-PPR模型的水環境評價實例 150
8.2.1 基于NV-FNN和NV-PPR模型的天津市塘沽區地表水水質評價 150
8.2.2 基于NV-FNN和NV-PPR模型的黑龍洞泉域地下水水質評價 152
8.2.3 基于NV-FNN和NV-PPR模型的長江口水域海水水質評價 154
8.3 基于NV-FNN和NV-PPR模型的湖泊富營養化評價實例 156
8.4 基于NV-FNN和NV-PPR模型的水資源評價實例 158
8.4.1 基于NV-FNN和NV-PPR模型的黃河山西段水資源承載力評價 158
8.4.2 基于NV-FNN和NV-PPR模型的福建水資源可持續利用評價 161
8.5 基于NV-FNN和NV-PPR模型的水安全評價實例 164
8.6 基于NV-FNN和NV-PPR模型的城市可持續發展評價實例 167
8.7 基于NV-SVR模型的圖們江地表水水質評價 171
8.8 基于NV-SVR模型的甘肅省民勤縣水資源承載力綜合評價 173
8.9 本章小結 175
參考文獻 175
第9章 規范變換與誤差修正相結合的廣義環境系統預測模型 177
9.1 規范變換及基于規范變換預測模型的一般表達式 177
9.1.1 傳統預測模型的局限 177
9.1.2 預測變量及其影響因子的規范變換 178
9.1.3 幾種常用的規范變換預測模型的一般表達式 181
9.2 誤差修正公式及預測模型的建模過程 183
9.2.1 預測樣本模型輸出的誤差修正公式 183
9.2.2 規范變換與誤差修正相結合的預測模型的建模過程 184
9.3 規范變換與誤差修正相結合的預測模型誤差的理論分析 186
9.3.1 誤差修正公式對模型輸出的相對誤差的影響 186
9.3.2 用誤差修正和不用誤差修正的兩種預測值的相對誤差分析與比較 188
9.4 基于規范變換的環境系統智能預測模型 192
9.4.1 基于規范變換的前向神經網絡預測模型 192
9.4.2 基于規范變換的投影尋蹤回歸預測模型 195
9.4.3 基于規范變換的支持向量機回歸預測模型 197
9.5 基于規范變換的一元線性回歸預測模型 199
9.5.1 NV-ULR預測模型的建模思想和建模過程 199
9.5.2 NV-ULR預測模型的表達式及模型參數優化 200
9.5.3 NV-ULR預測模型的可靠性分析 200
9.6 規范變換的時間序列預測模型 200
9.6.1 時間序列數據的規范變換式 201
9.6.2 適用于規范變換的時間序列預測模型的建立與優化 202
9.7 具有同型規范變換不同變量的預測模型的兼容性和等效性 202
9.8 本章小結 204
參考文獻 204
第10章 三種智能模型和NV-ULR模型在環境預測中的應用 207
10.1 三種智能模型和NV-ULR模型用于某城市SO2濃度預測 207
10.1.1 SO2濃度及其影響因子的參照值和規范變換式的設置 207
10.1.2 某城市SO2濃度的四種預測模型輸出值的計算 209
10.1.3 三種智能預測模型的精度檢驗 212
10.1.4 檢測樣本的預測模型誤差修正后的模型輸出值及其預測值 212
10.1.5 檢測樣本的多種模型預測值的相對誤差及比較 213
10.2 三種智能模型和NV-ULR模型用于鄭州市NO2濃度預測 214
10.2.1 NO2濃度及其影響因子的參照值和規范變換式的設置 214
10.2.2 鄭州市NO2濃度的四種預測模型輸出值的計算 216
10.2.3 三種智能預測模型的精度檢驗 218
10.2.4 檢測樣本的預測模型誤差修正后的模型輸出值及其預測值 218
10.2.5 檢測樣本的多種模型預測值的相對誤差及比較 219
10.3 三種智能模型和NV-ULR模型用于灞河口CODMn年均值預測 219
10.3.1 CODMn年均值及其影響因子
前言
第1章 概述 1
1.1 環境評價與預測的目的及意義 1
1.1.1 環境評價的目的及意義 1
1.1.2 環境預測的目的及意義 1
1.2 環境評價與預測的研究現狀 2
1.2.1 環境評價的研究現狀 2
1.2.2 環境預測的研究現狀 2
1.3 本書的研究背景 2
1.3.1 基于規范變換的環境評價模型的提出背景 2
1.3.2 基于規范變換的環境預測模型的提出背景 3
1.4 本書的主要內容 5
參考文獻 5
第2章 規范變換的環境評價與預測的建模思想和方法 10
2.1 評價指標或預測量及其影響因子的規范變換 10
2.2 基于規范變換的環境評價模型 11
2.2.1 指標參照值和規范變換式的設置 11
2.2.2 評價模型的優化和可靠性分析 11
2.2.3 評價模型綜合輸出值及其分級標準值的計算 12
2.2.4 指標的賦權 12
2.2.5 評價結果分析與比較 14
2.3 基于規范變換的環境預測模型 14
2.3.1 預測變量及其影響因子的參照值和規范變換式 14
2.3.2 預測模型的優化和可靠性分析 14
2.3.3 擬合和檢測（預測）樣本的模型輸出值及擬合相對誤差的計算 14
2.3.4 檢測（預測）樣本模型輸出的誤差修正及預測 15
2.3.5 預測模型精度F值的統計檢驗 15
參考文獻 15
第3章 同類環境評價的普適指數公式 16
3.1 空氣環境評價的普適指數公式 16
3.1.1 空氣指標參照值和規范變換式的設置 16
3.1.2 指標規范值的空氣環境評價普適指數公式 18
3.1.3 空氣環境評價普適指數公式的可靠性分析 21
3.1.4 空氣環境評價普適指數公式與傳統指數公式的比較 22
3.2 空氣環境評價普適指數公式的應用實例 23
3.3 水環境評價的普適指數公式 24
3.3.1 三類水體環境指標參照值和規范變換式的設置 24
3.3.2 指標規范值的水環境評價普適指數公式 32
3.3.3 水環境評價普適指數公式的可靠性分析 36
3.3.4 水環境評價普適指數公式與傳統指數公式的比較 37
3.4 水環境評價普適指數公式的應用實例 38
3.5 本章小結 42
參考文獻 43
第4章 同類環境評價的普適智能模型 44
4.1 空氣環境評價的普適智能模型 44
4.1.1 基于指標規范值的空氣環境評價的BP 神經網絡模型 44
4.1.2 基于指標規范值的空氣環境評價的投影尋蹤回歸模型 46
4.1.3 基于指標規范值的空氣環境評價的支持向量機回歸模型 49
4.2 空氣環境評價的普適智能模型與傳統智能模型的比較 52
4.3 水環境評價的普適智能模型 52
4.3.1 基于指標規范值的水環境評價的前向神經網絡模型 52
4.3.2 基于指標規范值的水環境評價的投影尋蹤回歸模型 61
4.3.3 基于指標規范值的水環境評價的支持向量機回歸模型 64
4.3.4 基于指標規范值的三種水環境智能評價模型的小結 67
4.4 水環境評價的普適智能模型與傳統智能模型的比較 67
4.5 本章小結 68
參考文獻 68
第5章 廣義環境系統評價的普適指數公式 69
5.1 廣義環境系統評價的指標參照值及規范變換式的設置 69
5.1.1 指標參照值及規范變換式的設置 69
5.1.2 規范變換式中各字母的物理意義及相互關系 71
5.2 基于指標規范值的廣義環境系統評價的普適指數公式 71
5.2.1 訓練樣本的隨機生成 71
5.2.2 廣義普適指數公式的表達式 71
5.2.3 廣義普適指數公式的優化 72
5.2.4 廣義普適指數的分級標準 76
5.3 廣義普適指數公式的可靠性分析 76
5.3.1 W-F定律指數公式的可靠性分析 76
5.3.2 普適卡森指數公式的可靠性分析 76
5.3.3 對數型冪函數指數公式的可靠性分析 77
5.3.4 冪函數指數公式的可靠性分析 77
5.3.5 Logistic指數公式的可靠性分析 78
5.3.6 *型分布函數指數公式的可靠性分析 79
5.3.7 加權加和型冪函數指數公式的可靠性分析 79
5.3.8 參數化組合算子指數公式的可靠性分析 80
5.3.9 二次函數指數公式的可靠性分析 80
5.3.10 普適指數公式分析 83
5.4 本章小結 83
參考文獻 84
第6章 廣義環境系統評價的普適指數公式的應用 85
6.1 廣義普適指數公式用于空氣環境評價實例 85
6.1.1 2001～2011年濟南市空氣環境評價 85
6.1.2 某室內空氣環境質量評價 87
6.2 廣義普適指數公式用于水環境評價實例 89
6.2.1 南水北調中線澧河水質評價 89
6.2.2 北京市朝陽區地下水水質評價 92
6.3 廣義普適指數公式用于湖泊富營養化評價實例 99
6.4 廣義普適指數公式用于海水評價實例 105
6.4.1 流沙灣海水水質評價 105
6.4.2 膠州灣海水富營養化評價 108
6.5 普適指數公式用于水資源評價實例 111
6.5.1 漢中盆地平壩區的水資源可持續利用評價 111
6.5.2 河南省11個市的水資源承載力評價 117
6.6 普適指數公式用于水資源安全評價實例 121
6.7 普適指數公式用于城市可持續發展評價實例 124
6.8 本章小結 127
參考文獻 128
第7章 廣義環境系統評價的普適智能模型 129
7.1 廣義環境系統評價的前向神經網絡模型 129
7.1.1 廣義環境系統評價的前向神經網絡模型的提出背景 129
7.1.2 基于指標規范值的廣義環境系統評價的前向神經網絡模型的特點 130
7.1.3 基于指標規范值的廣義環境系統評價的前向神經網絡建模 131
7.1.4 廣義環境系統評價的NV-FNN模型的可靠性分析 133
7.2 廣義環境系統評價的投影尋蹤回歸模型 136
7.2.1 投影尋蹤回歸模型的矩陣表示 136
7.2.2 基于指標規范值的投影尋蹤回歸模型的矩陣表示 137
7.2.3 矩陣表示的NV-PPR模型的優化 138
7.2.4 NV-PPR模型的可靠性分析 140
7.3 廣義環境系統評價的支持向量機回歸模型 141
7.3.1 *小二乘支持向量機回歸算法的基本原理和方法 141
7.3.2 廣義環境系統評價的NV-SVR模型的特點 143
7.3.3 廣義環境系統評價的NV-SVR建模 143
7.3.4 廣義環境系統評價的NV-SVR模型的可靠性分析 145
7.4 普適智能評價模型用于廣義環境系統評價步驟 146
7.5 本章小結 147
參考文獻 147
第8章 廣義環境系統的智能評價模型的應用 149
8.1 基于NV-FNN和NV-PPR模型的空氣環境評價實例 149
8.2 基于NV-FNN和NV-PPR模型的水環境評價實例 150
8.2.1 基于NV-FNN和NV-PPR模型的天津市塘沽區地表水水質評價 150
8.2.2 基于NV-FNN和NV-PPR模型的黑龍洞泉域地下水水質評價 152
8.2.3 基于NV-FNN和NV-PPR模型的長江口水域海水水質評價 154
8.3 基于NV-FNN和NV-PPR模型的湖泊富營養化評價實例 156
8.4 基于NV-FNN和NV-PPR模型的水資源評價實例 158
8.4.1 基于NV-FNN和NV-PPR模型的黃河山西段水資源承載力評價 158
8.4.2 基于NV-FNN和NV-PPR模型的福建水資源可持續利用評價 161
8.5 基于NV-FNN和NV-PPR模型的水安全評價實例 164
8.6 基于NV-FNN和NV-PPR模型的城市可持續發展評價實例 167
8.7 基于NV-SVR模型的圖們江地表水水質評價 171
8.8 基于NV-SVR模型的甘肅省民勤縣水資源承載力綜合評價 173
8.9 本章小結 175
參考文獻 175
第9章 規范變換與誤差修正相結合的廣義環境系統預測模型 177
9.1 規范變換及基于規范變換預測模型的一般表達式 177
9.1.1 傳統預測模型的局限 177
9.1.2 預測變量及其影響因子的規范變換 178
9.1.3 幾種常用的規范變換預測模型的一般表達式 181
9.2 誤差修正公式及預測模型的建模過程 183
9.2.1 預測樣本模型輸出的誤差修正公式 183
9.2.2 規范變換與誤差修正相結合的預測模型的建模過程 184
9.3 規范變換與誤差修正相結合的預測模型誤差的理論分析 186
9.3.1 誤差修正公式對模型輸出的相對誤差的影響 186
9.3.2 用誤差修正和不用誤差修正的兩種預測值的相對誤差分析與比較 188
9.4 基于規范變換的環境系統智能預測模型 192
9.4.1 基于規范變換的前向神經網絡預測模型 192
9.4.2 基于規范變換的投影尋蹤回歸預測模型 195
9.4.3 基于規范變換的支持向量機回歸預測模型 197
9.5 基于規范變換的一元線性回歸預測模型 199
9.5.1 NV-ULR預測模型的建模思想和建模過程 199
9.5.2 NV-ULR預測模型的表達式及模型參數優化 200
9.5.3 NV-ULR預測模型的可靠性分析 200
9.6 規范變換的時間序列預測模型 200
9.6.1 時間序列數據的規范變換式 201
9.6.2 適用于規范變換的時間序列預測模型的建立與優化 202
9.7 具有同型規范變換不同變量的預測模型的兼容性和等效性 202
9.8 本章小結 204
參考文獻 204
第10章 三種智能模型和NV-ULR模型在環境預測中的應用 207
10.1 三種智能模型和NV-ULR模型用于某城市SO2濃度預測 207
10.1.1 SO2濃度及其影響因子的參照值和規范變換式的設置 207
10.1.2 某城市SO2濃度的四種預測模型輸出值的計算 209
10.1.3 三種智能預測模型的精度檢驗 212
10.1.4 檢測樣本的預測模型誤差修正后的模型輸出值及其預測值 212
10.1.5 檢測樣本的多種模型預測值的相對誤差及比較 213
10.2 三種智能模型和NV-ULR模型用于鄭州市NO2濃度預測 214
10.2.1 NO2濃度及其影響因子的參照值和規范變換式的設置 214
10.2.2 鄭州市NO2濃度的四種預測模型輸出值的計算 216
10.2.3 三種智能預測模型的精度檢驗 218
10.2.4 檢測樣本的預測模型誤差修正后的模型輸出值及其預測值 218
10.2.5 檢測樣本的多種模型預測值的相對誤差及比較 219
10.3 三種智能模型和NV-ULR模型用于灞河口CODMn年均值預測 219
10.3.1 CODMn年均值及其影響因子
展開全部
環境評價與預測的普適模型(精) 節選
第1章概述 人們經過深刻反思，終于達成共識：人類為了能更好地生存和發展，既要了解環境的過去和現狀，也要能預見環境的未來。因此，研究人員提出了多種可用于環境評價與預測的模型和方法。但當評價指標或影響因子較多時，傳統的環境評價與預測的模型和方法不僅計算復雜，而且不具有普適性和通用性。針對傳統的環境評價與預測模型和方法的不足，本書提出對評價指標和預測變量及其影響因子進行規范變換的思想和方法，并采用優化算法分別對評價模型或預測模型進行優化，*終建立適用于分類環境系統和廣義環境系統的簡潔、規范、統一、普適及通用的評價和預測模型。 1.1環境評價與預測的目的及意義 1.1.1環境評價的目的及意義 環境評價就是從環境的基本概念出發，依據環境價值的基本原理，按照制定的指標評價分級標準，以數學工具作為手段，對評價對象的狀態做出判斷，評價人類活動對環境的影響及環境變化對人類行為、生存與發展的影響。環境評價的主要目的是真實反映環境的客觀狀態，為環境污染的綜合治理，區域環境的規劃、管理決策，以及環境保護政策制定等提供科學依據，是環境保護的一項基礎性工作。因此，環境評價理論和方法的研究具有十分重要的意義。 1.1.2環境預測的目的及意義 人類賴以生存的環境的現狀和未來關系到人類的生存和發展，關系到社會的文明和整體的和諧。但是，調查顯示，依據《環境空氣質量標準》(GB3095—2012)、 《地表水環境質量標準》(GB3838—2002)和《地下水環境質量標準》(GB/T14848—1993)，我國2013年監測的74個城市中，只有3個城市空氣質量達標；118個城市地下水監測數據中基本清潔的只占3%；國家地表水監測斷面中，Ⅳ、Ⅴ類和劣Ⅴ類水質占比超過60%。可見，我國環境質量的現狀不容樂觀，而且環境狀況還有不斷惡化的趨勢[1]。因此，迫切需要掌握環境污染現狀及未來發展趨勢，保護、管理和規劃好我們的生存環境空間。要實現這一目的就需要建立 能用于環境預測的數學模型，以便由系統狀態變量的已有資料，精準預測其未來的變化趨勢，為環境管理部門進行環境管理決策提供依據，這也是制定環境規劃的基礎。 1.2環境評價與預測的研究現狀 1.2.1環境評價的研究現狀 迄今為止，國內外學者提出用于環境評價的模型、方法和公式不下數十種，主要有指數評價公式[2-4]、統計分析法[5-9]、模糊分析[10-13]、灰色分析[14，15]、物元分析[16]、集對分析[17]、粗集理論[18，19]、未確知測度評價法[20，21]等多種不確定性分析評價法，以及基于誤差反向傳播(backpropagation，BP)神經網絡[22，23]、徑向基函數(radial basis function，RBF)、概率神經網絡(probabilistic neural network，PNN)、投影尋蹤[24，25](projection pursuit，PP)和支持向量機[26，27](support vector machine，SVM)等各種智能評價模型。這些模型、方法和公式在環境評價論文和書籍中，有較多論述和應用。 1.2.2環境預測的研究現狀 長期以來，人們經過認真思索，達成共識：人類要重視環境的現狀，更應關注環境的未來。為此，人們提出了多種可用于環境系統預測的機理性模型和非機理性模型。非機理性預測模型因不涉及較復雜的產生機理，且應用方便而常被采用。非機理性預測模型主要有基于多元線性回歸[28，29]、分段線性分析、非線性灰色伯努利算法[30]、時序分析[31，32]、門限回歸[33]、*近鄰估計[34，35]等概率統計原理的各種環境統計預測模型；有基于模糊分析[36]、灰色分析[37]、集對分析[38]、可變集分析[39]等不確定性分析的環境預測模型；還有神經網絡[40-45]、投影尋蹤[46]和支持向量回歸(support vector regression，SVR)[47-50]等環境系統智能預測模型或改進的智能預測模型。 1.3本書的研究背景 1.3.1基于規范變換的環境評價模型的提出背景 上述的傳統評價模型、方法和公式各有其特點，但也存在各自的局限。例如，統計評價模型雖然考慮了評價過程中環境數據的隨機不確定性，但統計評價模型只適用于大樣本事件，而且一般計算工作量大，不便使用。模糊評價法、灰色評價法、物元可拓評價法、集對分析評價法及未確知測度評價法等雖然在評價過程中考慮了系統的模糊性、信息的不確定性、不相容性和既確定又不確定等特征，但均需要構造眾多的評價函數，當指標數較多時設計和計算工作量都很大，且評價函數設計無規律可循，主觀性較大[51]。人工神經網絡[52，53](BP神經網絡、徑向基函數、概率神經網絡)、投影尋蹤和支持向量機等各種智能評價模型中有大量參數需要優化確定，不僅編程復雜，而且模型優化效果會受模型初始參數和動態調整參數選擇的影響。指數評價公式雖然具有意義明確、形式簡單、計算方便、結果直觀的特點[54-56]，但傳統的指數評價公式一般只適用于單指標評價，對于多指標綜合評價，通常是在各指標原始數據歸一化或標準化的基礎上，分別計算分指數，然后對各分指數進行加權計算才能得到綜合指數。此外，不同環境系統評價所依據的指標及其分級標準、指標數目都不相同，因此各種傳統的評價公式、模型和方法并不能對任意環境系統的不同指標及其分級標準和不同指標數目都規范統一、普適通用，其共同缺點是適用范圍有限。 事實上，對于任意環境系統(或更一般的任意系統)，無論是何種評價指標，也無論評價指標的分級標準是否相同以及不同指標分級標準之間的差異如何，都可以按照一定的原則和方法，設置指標參照值及指標規范變換式，對指標的各分級標準進行規范變換，使規范變換后的任何指標的同級標準規范值都能被限定在一個較小區間內，用規范值表示的不同指標皆等效于同一個規范指標，因而任意系統的各種評價模型都可以用該等效規范指標的相應模型等效替代。在滿足一定優化目標準則的條件下，采用優化方法分別對模型中的參數進行優化，從而建立適用于任意環境系統指標規范值的簡潔、規范、統一、普適和通用的評價模型[57-60]，為環境系統規劃、管理的科學決策提供理論基礎和技術手段。 1.3.2基于規范變換的環境預測模型的提出背景 傳統的預測模型各有其特點，但由于預測變量往往受多種復雜因素的影響，要對預測變量的未來變化趨勢做出精準的估計難度較大，其預測結果常難以滿足實際需要。因此，預測建模，尤其是影響因子較多時的預測建模，遠比評價建模困難和復雜。由于各種預測模型或方法存在各自的局限性，例如，統計預測模型雖然能反映影響因子與預測變量之間的隨機性，但只適用于大樣本數據建模，當影響因子較多時，模型計算復雜，而且受隨機性影響，預測結果往往精度不高，也不穩定；各種不確定性分析預測模型雖然考慮了影響因子與預測變量之間具有的某些模糊性、灰色性、不相容性、不確知性等不確定性特征，但當影響因子數和樣本數較多時，函數設計和計算工作量都很大，而且函數設計無規律可循，主觀性較大，預測精度也不高。 在多種預測模型中，*常用的是人工神經網絡、投影尋蹤回歸和支持向量機 回歸等智能預測模型。智能預測模型因具有客觀性較好等獨*優勢，適用于高維、非線性復雜問題的預測建模，但仍存在某些缺點：傳統的神經網絡(如BP神經網絡)預測模型雖然具有自組織、自學習、自適應和容錯等功能，但存在過擬合、泛化能力較差、學習效率低、易陷入局部極值和網絡結構難以確定等缺點[60]。采用傳統的分層分組迭代交替優化算法的投影尋蹤回歸預測模型編程復雜，收斂速度慢。BP神經網絡和投影尋蹤預測模型都會出現計算復雜度隨影響因子數增加而激增的“維數災難”；此外，BP神經網絡隱節點數的選擇和投影尋蹤嶺函數個數的選擇，均依賴設計者的經驗和先驗知識，使用不便。與BP神經網絡和投影尋蹤回歸預測模型相比，雖然支持向量機回歸預測模型能使經驗風險和置信區間同時*小，泛化能力好，不受高維、非線性的限制，克服了“維數災難”；也不存在模型結構難以確定和不適宜小樣本容量的問題，在有限樣本的情況下，理論上也能獲得*優解[61]。但模型結構和計算的復雜性隨樣本數n和影響因子數m的增加而迅速增大，同樣存在算法編程復雜、運算量大、學習效率低、收斂速度慢及全局*優解仍依賴部分參數的初始范圍設置等問題，因而存在“樣本數困難”，使實用性亦受到一定的限制[62]。 綜上所述，傳統的各種預測模型共同的不足之處是[63]：①在影響因子較多又復雜(如數據非線性、非正態、波動大)的情況下，不僅模型結構設計復雜，計算工作量大，計算效率低，收斂速度慢；而且由于需要優化的參數多，在參數優化調試過程中，需要兼顧具有不同特性的眾多因子，以滿足不同預測模型制定的目標函數式精度要求。因此，無論是智能預測模型，還是統計預測模型，即使訓練時間長，模型也很難達到指定的精度要求。②雖然從理論上講，只要有代表性的訓練樣本數足夠多，模型結構又與問題相匹配，多數預測模型(如智能預測模型)都能以任意精度逼近任意函數。不過，對于實際問題，樣本數總是有限的，而且代表性也是不完全的。因此，對于高維、非線性預測問題，傳統預測模型的預測效果難以滿足實際需要。因此，傳統的預測模型只能要么增加訓練樣本數，以滿足模型的復雜結構；要么減少因子個數，以簡化模型結構[64]。對于實際問題，增加訓練樣本數往往是不現實的；為了簡化預測模型結構，傳統的統計預測建模或采用主成分分析法提取少數幾個主成分作為預測建模的因子[65]，或用相關系數法剔除不重要的因子[66]，或用相似性準則選擇對預測變量有顯著作用的因子[67]。但無論用何種減少因子個數的方法來簡化模型結構，都會丟失樣本部分信息，致使模型部分失真。這也許就是傳統的預測模型預測結果大多不理想(精度不高)和對不同樣本(尤其對異常樣本)預測結果差異很大的原因之一。因此，為了建立收斂速度較快，又有較高精度的預測模型，不僅需要在不損失樣本信息的情況下簡化模型結構，而且必須消除或削弱因樣本數有限(不完備)和樣本的代表性不完全對模型預測精度的影響。因此，建立適用于各類環境系統的任意多個影響因子的結構簡潔而普適、形式規范而統一、計算簡便而實用的環境預測模型具有十分重要的理論意義和實用價值。 對環境預測變量及其影響因子進行規范變換，使規范變換后的所有影響因子皆等效于同一個規范影響因子，將多因子的高維非線性復雜預測建模問題簡化為僅是對等效規范因子的簡單低維預測建模問題，并應用優化算法對模型中的參數進行優化；此外，用相似樣本的誤差修正法對預測樣本的模型輸出進行誤差修正，從而使基于規范變換的各種預測模型不僅簡化了模型結構，避免了“維數災難”，而且提高了模型的學習效率和預測精度，使基于規范變換的預測模型結構簡潔而普適，形式規范而統一，方法簡單而實用[68-70]。 1.4本書的主要內容 本書的主要內容包括基于規范變換的分類環境系統和廣義環境(即任意環境)系統的環境評價普適模型(包括普適指數公式和普適智能模型)，以及基于規范變換與誤差修正相結合的環境預測普適模型。書中不僅分析、論述各種模型的基本思想、原理和方法，而且對各種模型的實用性和合理性都給出實例驗證。第1章和第2章介紹環境評價和預測的有關概念，基于規范變換的環境評價與預測模型的提出背景及評價與預測模型的建模基本思想和方法；第3章和第4章分別介紹基于規范變換的同類環境評價的普適指數公式和普適智能模型及其應用；第5章和第6章分別介紹基于規范變換的廣義環境評價的普適指數公式及其應用；第7章和第8章分別介紹基于規范變換的廣義環境評價的普適智能模型及其應用；第9章提出基于規范變換與誤差修正相結合的環境預測的普適模型的建模思想和方法，并對預測模型的普適性和可靠性及同型規范變換的預測模型的兼容性和等效性
書友推薦
- >
莉莉和章魚
- >
羅庸西南聯大授課錄
- >
李白與唐代文化
- >
二體千字文
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
山海經
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
朝聞道
本類暢銷
