含水层脆弱性模糊分析评价模型与方法

本文指出了国外广泛采用的含水层本质脆弱性评价DRASTIC方法的缺点。建立了含水层污染性难易程度评价的模糊分析理论与模型 ,给出了 10个级别 7项DRASTIC指标的指标标准特征值和对含水层污染难易程度进行评价的 10级语气算子 ,提出了确定含水层脆弱性评价指标权重的方法———语气算子比较法。从而形成了比较完整的含水层本质脆弱性模糊分析评价的理论。

大连市水资源、环境与经济协调可持续发展研究

分析了大连市水资源与经济系统的现状 ,将大连市水资源、环境与经济发展视为一个相互关联的巨系统 ,运用系统模糊决策、模糊优选神经网络、结合专业知识的大系统递阶优化等理论、模型与方法 ,建立了大连水资源开发与经济发展的协调管理模式 ,研究和探索了大连水资源、环境和经济协调可持续发展问题 ,得到大连地区 2 0 1 0年经济发展的满意方案。

模糊聚类、识别、优选统一理论与循环迭代模型

模糊聚类、识别与优选是系统优化模糊集分析理论的数学基础.通过以全体样本对全体类别加权广义欧氏权距离平方和最小为目标函数,建立了模糊聚类、识别与优选决策统一的理论与循环迭代模型.其中模糊聚类是核心,模糊识别与优选决策模型均由模糊聚类导出.该模型发展了模糊数学关于模糊聚类、模糊模式识别、模糊决策理论.循环迭代模型及其多种组合模型,不仅可用于水资源系统,对其他学科领域模糊集分析同样适用.

多维多目标模糊优选动态规划及其在农业灌溉中的应用

本文提出了多维多目标模糊优选动态规划理论及其解法 ,并将该理论及解法应用于农作物非充分灌溉制度设计 ,建立了在考虑作物种植风险指标时 ,非充分灌溉制度的多目标优化模型 .本文结合实例对不同供水方案下冬小麦的灌溉制度、单目标模型及多目标模型进行了分析对比 .结果表明 ,本文提出的多维多目标的模糊优选动态规划及其解法是可行的 ,能够保证作物在有限灌溉条件下 ,可提高水分生产率 ,使作物的阶段平均含水率保持在适宜的范围 .

可变模糊模式识别方法及在水电站地下厂房岩体稳定性评价中的应用

水电站地下厂房设计与施工中,围岩作为主要影响因素,需要对岩体稳定性进行全面、合理的评价。本文根据可变模糊集理论,提出可变模糊模式识别方法,给出了可变模型参数不同组合情况下级别相对隶属度之间的两组联系公式,以及不同参数组合下可变模糊模式识别模型的非线性分析。以水布垭工程水电站地下厂房为例,对其围岩稳定性进行综合评价,取得了合理的评价结果。分析表明,本文方法可用于水电站地下厂房围岩稳定性综合评价。文中最后对可拓学评价成果进行了比较与分析。

可变模糊集方法及其在土地适宜性评价中的应用

土地适宜性是多级别、多指标模糊评价问题,其模糊性在评价中应予以考虑。可变模糊集方法以可变模糊集理论为基础,通过模型参数的变化,提高评价结果的可靠性。该文在介绍该方法的基础上对长乐市农用土地适宜性等级进行了评价。结果表明该市农用土地适宜性等级介于中度适宜与高度适宜之间,略偏于中度适宜。可见该方法在土地适宜性评价中具有较好的适用性。

水库设计汛限水位动态模糊控制分析

设计汛限水位是水库运行的重要特征水位.应用模糊水文水资源学理论与方法计算水库汛期相对隶属函数,确定汛限水位,对水库汛期水位进行动态模糊控制.即根据降雨资料进行直接模糊统计确定汛期经验相对隶属函数.采用降半正态分布模拟汛期理论相对隶属函数;根据水库的实际运行情况,确定分布参数.以经验相对隶属函数为依据,调整参数,由最小二乘法优化准则和估计误差,选择经验与理论相对隶属函数的最优拟合,取两者外包线值作为水库汛期相对隶属函数的最终结果,并将其作为权重,计算不同水库设计标准的汛限水位,实现动态模糊控制.音河水库实例表明了这种方法的科学、合理与可操作性.

用直接模糊统计试验确定汛期相对隶属函数的研究

根据陈守煜建立的模糊水文学原理 ,提出用直接模糊统计试验确定汛期相对隶属函数 ,对我国北方和西北缺水地区龙凤山水库、冯家山水库进行了汛期直接模糊统计试验 ,得到汛期相对隶属函数 ,并进行了稳定性分析 .在稳定性论证的基础上 ,得到当资料年限足够长时 ,汛期相对隶属函数可近似地作为汛期绝对隶属函数 ,为研究水库不同设计洪水标准下汛限水位的动态控制提供理论依据 .

大连市水资源利用与宏观经济协调发展规划多目标群决策模型与方法

以大连市水资源开发利用与宏观经济协调可持续发展为研究背景,建立了大连市宏观经济水资源发展规划多目标群决策模型。根据该决策模型具有的多层次多目标多决策者的特点,结合陈守煜建立的工程模糊集理论与切比雪夫决策方法,提出了模糊切比雪夫多目标群决策方法。结果表明,该决策模型与模糊切比雪夫多目标群决策方法是有效和可行的。

可变模糊决策理论及其在水库防洪调度决策中应用

首先建立可变模糊决策(优选)理论,提出以对立模糊集概念为基础的可变模糊决策模型与方法.其特点是模型及模型中的参数权向量可以变化以提高系统决策的可靠性.其次,根据水库调度决策中汛期各阶段目标重要性的不同,应用非结构性决策模糊集分析的二元比较法确定水库防洪调度目标的经验权重(主观权重).最后,将可变模糊决策模型与方法用于丰满水库洪水调度,实例表明,该方法科学实用,能够提高水库防洪调度决策支持系统的决策可靠性.

作物种植结构多目标模糊优化模型与方法

在分析了我国农业水资源现状与农业可持续发展关系的前提下,提出了与农业水资源优化配置密切相关的作物种植结构的多目标模糊优化模型,并提出模糊定权的方法来确定指标权重,克服了目标函数中用线性评判指标来处理高度非线性多目标问题与确定权重的不足.应用实例表明,该理论模型严谨,物理意义明晰,计算方法简洁,可为区域农业可持续发展规划提供较完善的多目标模糊优化理论、模型与方法.

基于对立统一与质量互变定理的水资源系统可变模糊评价新方法

根据可变模糊集理论导出的唯物辩证法对立统一与质量互变规律的数学定理——对立统一与质量互变定理,提出水资源系统新的可变模糊评价方法。文中以水资源可持续利用程度和水安全综合评价两个评价实例,说明了新方法的原理、模型与计算步骤。与模糊综合评判方法和集对分析评价法进行比较分析表明,该方法具有理论严谨、模型简洁和计算简便的优点,不仅可用于水资源系统评价,还可应用于多指标多级别其他系统的综合评价问题。

冰凌预报模糊优选神经网络BP方法

黄河内蒙段地处黄河流域最北端,由于它的特殊地理位置、水文气象条件、河道特性,几乎每年产生凌汛。本文在分析影响凌汛成因因素的基础上,选取合适的预报因子,基于模糊优选神经网络BP模型,提出冰凌预报方法,应用于黄河内蒙段封河、开河日期的预报。结果表明,计算简便,精度良好。

决策信息不完全确知的模糊决策集成模型

从模糊模式识别概念出发 ,建立决策方案集对全体级别加权广义欧氏权距离平方和最小的非线性规划模型 ,导出决策信息不完全确知的多目标模糊决策集成模型。该模型将模糊优选、模糊模式识别、模糊交叉迭代、模糊聚类等多种决策方法有机地结合到一起 ,用于处理决策人偏好、方案评价、分级标准等决策信息不完全确知情况的决策问题 ,为解决复杂系统的不完全信息多目标决策提供了一条新途径。

碧流河水库水质状况的模糊模式识别及对策讨论

提出了确定污染指标权重的新方法，运用陈守煜建立的模糊模式识别理论模型对大连市碧流河水库连续３ａ的水质进行了综合评价。

围岩稳定性评价的模糊可变集合工程方法

围岩稳定性评价是确保工程安全的一个关键性环节,由于受到岩体内部结构和外部环境等多种因素的综合作用,围岩稳定性不仅具有随机性,而且具有模糊性的特点。以工程模糊集理论为基础,建立以相对差异函数为基础的模糊可变集合工程方法,并考虑模型参数指标权向量的可变性,对围岩稳定性进行评价,以体现该方法的特点与优点,增加评价结果的可靠性。通过实例,详细列出该方法的计算步骤,并将结果与其他方法进行比较,验证该方法的合理性与优越性。

可变模糊评价法及在水资源承载能力评价中的应用

本文在笔者建立的可变模糊集理论基础上,提出可变模糊评价模型与方法,该方法能够科学、合理地确定样本指标对各级指标标准区间的相对隶属度、相对隶属函数,并且能够通过变化模型及其参数,合理地确定出样本的评价等级,提高对样本等级评价的可信度。最后将该方法应用于淮河流域水资源承载能力的综合评价。应用实例表明,该模型计算简便,评价结果可信度高。

相对隶属度理论及其在地下水水质评价中应用

论述了相对隶属度理论及该理论应用于模糊评价的基本原理和方法,包括相对隶属度函数的建立;模糊识别目标函数的建立和由该目标函数进行的模糊模式识别模型推导;模糊评价矩阵生成以及级别特征值评价法。结合地下水水质评价应用实例,分析了该理论用于模糊评价的特点和实用性,结论是用该理论求得的相对隶属度使评价对象因素之间具有很好的可比性,其模糊识别模型具有清晰的数学和物理意义,所使用的级别特征值评价法能更好的反映评价对象的特征。因此,用相对隶属度理论进行模糊评价更具实用性。

基于模糊人工神经网络识别的水质评价模型

人工神经网络和模糊识别理论作为模拟生物体的信息处理系统,在实践中得到广泛的应用,且各有所长,将二者相结合,构造出模糊人工神经识别网络,从而使识别系统的柔性处理能力得到很大提高。阐述了模型和方法,将其用于长江支流沱江枯水期的水质综合评价,结果表明,模糊人工神经网络综合评价具有客观性和实用性。

一种新的模糊聚类神经网络及其在水资源评价中的应用

本文在工程模糊集理论的基础上,融合香努(Kohonen)聚类网络与自适应谐振理论(AdaptiveResonanceTheory ,ART)的优点给出了一种新的模糊聚类神经网络,并将其应用于区域水资源评价中。网络模型融入模糊识别理论,增强了处理复杂水资源问题的能力,同时模糊竞争的学习算法改善了Kohonen网络学习效果。结合ART理论使得网络模糊类别数可以增加,因此具有较强的可塑性。最后。