影响环境质量的关键因子的识别方法

影响环境质量的因素很多 ,它们所起作用各异 ,为尽可能客观地找出其中的关键因子 ,有针对性地进行环境治理或准确地评价环境治理效果 ,设计了一套直接寻找关键因子的方法 ,称作增量趋势法。该法是利用环境监测数据Ci 与标准值Cis,计算出各因子的相对超标量 yi1=[Ci(t) -Cis]/Cis 及相对变化量yi2 =[Ci(t) -Ci(t- 1) ]/Ci(t- 1) ;根据相对超标量yi1和相对变化量 yi2的符号 (>0或≤ 0 )的不同组合方式 ,将各因子分成 4种状态 ,再在各状态中 ,依 yi1和 yi2 的数值大小进行子排序 ;最后 ,由各因子所处的状态与位次进行总排序 ,找出关键因子。为说明该方法如何运用 ,以南京市内秦淮河水质为例 ,分析了各水污染因子所处的状态 ,并进行了排序 ,同时还与传统方法做了简单的对比。结果表明增量趋势法具有如下特点 :(1)物理意义明确 ,分析方法简明 ,适宜于用计算机和环境信息数据库进行自动分析 ;(2 )由于增量趋势法是利用原始监测数据 ,通过简单运算来寻找关键因子的 ,因此 ,能客观地判别各污染因子所起的作用 ,揭示污染治理的效果 ,找出污染加剧的原因 ,增加评价的准确性 ,减少治理时的盲目性 ;(3)趋势增量法同时还考虑了污染因子的动态演变过程 ,可分析随时间推移各因子趋于好转或恶化的变化趋势 。

时序数据的时均插值与规则提取研究

该文做了如下工作:提出了一种把RTTIS转化为TIS的时均插值方法,该方法是对犤4,5犦的推广与细化。它可根据客户的不同要求,采取不同的时间长度来进行转化,具有一定的灵活性和可操作性;对于如何将TIS转化为IS,在文献犤5犦的基础上,提出了一种“相对趋势增量法”,使得生成规则更能表达属性值的变化趋势;(3)运用Rough集理论对信息系统进行处理,生成相应的规则,并指出在规则集较庞大的情况下,可采用规则约简的方法加以解决。

基于BP神经网络的区域本科教育质量评估研究

针对本科教育质量区域不平衡的现象,在研究教育部本科教学评估中心对本科质量评价指标体系的基础上,梳理出九个评价指标;接着以江苏省为例,通过查询学校官网、地方统计年鉴等相关数据,然后使用了六种不同的量化方式对不同类别指标数据进行量化;在此基础上,采用遗传算法优化的BP神经网络建立综合评价的数学模型,得出各地本科教育质量目标值,并依据目标值的大小进行排名后做综合评价;最后采用关键因子识别中的增量趋势判别法,计算出影响本科教育质量的关键指标,从而为本科教育发展与改革提供参考。