基于熵权优化综合污染评价法的水环境特征研究

评价沙湖水环境变化趋势,对湖水环境改善和保护有着积极的指示意义。基于不同年份不同时期的多点位监测,运用单因子法、多因子综合法和基于熵权法改进的综合污染指数法等多种方法,对宁夏沙湖水环境特征进行评价。结果发现,沙湖湖水主要的污染因子为TP和TN,其次是COD_(Mn)和BOD_(5);同时,基于熵权法改进的综合污染评价法算得8月沙湖水质表现为Ⅴ类超标,在8月夏秋季污染程度明显高于冬春季,特别是监测点L05位置,说明湖水环境受鸟类、鱼类等影响显著;最后,2020年沙湖水环境污染指数值均低于2019年同期监测值,表明湖水水质呈变化向好的趋势。在单因子和多因子评价的基础上,利用改进熵权法评价沙湖水环境,对沙湖水环境有了进一步的认识,为今后的沙湖水质净化和应对措施提供一定参考依据。

基于组合赋权优化的ES-ARIMA-BP神经网络交通事故预测研究

为提高交通事故模型的预测精度,更好地辨识交通事故在时间维度上的规律特性,基于CRITIC法和熵权法组合赋权,构建一种ES-ARIMA-BP神经网络组合预测模型,探究新疆地区交通事故在时间维度上的月度分布规律。首先,使用指数平滑法(ES)进行预测,可减少数据间的噪声,并能捕捉时间序列数据中的季节性变动;其次,使用ARIMA模型进行预测,可捕捉数据中的线性部分、非季节性趋势和周期性波动;最后,为更好地应对数据中的复杂非线性及无周期性波动,引入BP神经网络进行预测。结果表明:构建基于组合赋权优化的ES-ARIMA-BP神经网络组合预测模型,平均绝对误差百分比(MAPE)仅为1.869%,决定系数(R^(2))高达0.982,较单一模型及单一赋权法下的组合模型预测误差率更低,拟合程度更好。组合预测模型以数据最大优化为思想基础,可有效克服单一模型的局限,同时采用组合赋权,使其能更好地适应不断变化的数据和环境,从而提高预测的准确度。

基于熵权优化模型的养老院设施管理评估方法研究

目前,我国老龄化形势严峻,对于养老设施的管理尚未有一套统一的评估标准,制约了养老机构的发展。将养老院的设施管理整合成空间管理、建筑设备以及辅助设施3个维度共包含12个评估指标,并利用熵权优化模型对香港养老院中的设施管理指标进行系统的评估。熵权优化模型以熵权作为设施管理评价指标的权重系数,并与双基点法(TOPSIS法)结合,可以避免主观评价的不确定性和随意性,获得较为科学、合理的评估结果。研究结果深化了对养老院设施管理的认识,并为进一步的对国内养老机构设施管理评估提供了理论指导。

语言型群决策中群体一致性赋权优化模型研究

语言评价矩阵一致性分析和专家客观权重确定是语言型多属性群决策中的2个重要问题,将两者视为一个整体进行研究。基于语言评价矩阵偏差度概念对评价矩阵一致度进行定义和度量,结合群体一致性最优思想和智能优化算法,构建基于语言型决策矩阵的专家客观权重赋权优化模型并给出求解方法,在此基础上提出基于客观权重的语言型多属性群决策方法。通过实例分析说明该模型得到的专家客观权重满足一致性条件。

基于熵权优化的轴承故障诊断方法研究

通过计算轴承信号特征故障频率与轴承故障样本特征频率的灰色关联度快速检测出轴承的故障类型。这种将灰色关联理论与信号分析方法结合的诊断方式可快速诊断出旋转机械系统中轴承的故障类型并进一步将故障部位进行隔离。灰色关联方法的应用使得诊断系统一方面可以对简单单一部位轴承故障进行诊断,另一方面对由2种以上失效形式产生的故障也能进行诊断。由于采用熵权优化使得灰色关联排序有更大的区分度,诊断正确率更高。

带权优化方法在曲线预测模型中的应用研究

为了能够根据监测数据推测被测量变化规律及准确预测未来变化,针对常规最小二乘法拟合精度较差的情况,提出利用带权优化方法在常规非线性拟合基础上进行优化处理。通过对工程实际监测数据的计算验证表明,带权优化得到的拟合曲线,拟合精度与预测效果均有明显提高。

基于熵权优化法的地下空间资源地质适宜性评价

对城市地下空间资源进行科学、合理的评价,是有效利用地下空间资源、编制地下空间规划的重要依据。基于影响地下空间资源开发利用的地质条件,分别构建了普通因子和敏感因子的地下空间资源地质适宜性评价体系,并对指标体系加以量化,采用熵权法计算指标权重,并利用AHP对熵权法进行优化。在此基础上,利用多目标线性加权函数法和最不利等级判别法进行地下空间地质适宜性评价,并以广东深圳市南山区为例开展地下空间资源评价。评价结果表明,深圳市南山区地下空间资源适宜性好的区域占47.81%,适宜性一般的区域占43.63%,适宜性差的区域仅占1.92%,禁建区占3.30%。该评价结果可为深圳市南山区的地下空间规划提供参考,评价模型和权重确定方法对未来地下空间资源地质适宜性评价具有一定借鉴意义。

基于熵权优化模型的SLP法在设施空间布局规划中的应用

由于制造企业生产车间设施空间的不合理布局,导致了生产车间路线交叉迂回、物料搬运成本高、企业经济效益差等问题.针对此类问题本文提出基于熵权优化模型的SLP法,并将其应用在设施空间布局规划中.以某光伏组件厂设施空间布局为例,采用SLP法综合分析该厂各作业单位的物流关系和非物流关系,获得了3套初步设施布局规划方案,并将熵权模型和双基点法进行算法优化整合,形成多指标决策的熵权优化模型,之后运用熵权优化模型进行设施空间布局规划方案比选,得出更加优化的设施布局规划方案,达到优化生产系统的目的.

基于变权优化背景值改进的GM(1,1)灰色预测模型及其应用

针对传统的GM(1,1)灰色预测模型背景值采用均等权值导致预测精度不高的缺点,本文提出一种变权优化选择背景值方法。首先将黄金分割搜索和抛物线插值法相结合确定改进GM(1,1)模型的背景值;然后将改进后的背景值代入灰色预测代数递推方程,从而代替传统的GM(1,1)模型中的白化方程;最后选取指数数列进行模拟并结合某高校教师人数的实际统计数据进行仿真实验。结果表明,改进的GM(1,1)模型减少了平均相对误差,提高了预测精度,具有一定的应用价值。

赋权优化层次分析与环境设施性能评价

提出了赋权优化层次分析法 ,并将其应用于污水处理厂的综合性能评价 .实例分析表明 ,该方法具有赋权合理、计算方便、一致性程度高、受决策者主观臆断影响小和评价结果可靠等特点 .

Wolfe既约梯度法及其在权优化中的应用

关于多个约束条件下的观测权的最优化设计,目前大家致力于下面两个方面的研究:一是准则矩阵;二是寻求各种直接解算按纯精度标准建立的数学模型的方法。现在这两个方面尽管都已有不少的方法。但大多数都较处谈且都要做许多准备工作。笔者在研究最优化方法时发现,Wolfe即约梯度法能较好地解算多个约束条件下的观测权的最优化设计,具有准备工作少等优点。本文首先介绍Wolfe既约梯度法,然后较祥细地阐述它在观测权优化设计中的应用。

基于自适应权重优化的多任务深度学习模型在甘蔗病害识别中的应用

针对农业领域中甘蔗病害识别的准确率和任务间平衡的问题,提出一种基于自适应权重优化的多任务深度学习模型。该模型采用包含3种病害和1种健康状态的甘蔗叶片图像数据集,通过卷积神经网络(CNN)和多任务学习(MTL)实现病害识别。在模型训练过程中,为应对不同任务间的不平衡问题,引入了自适应权重优化方法。实验结果表明,该模型能显著提高甘蔗病害识别准确率,并在多任务之间实现平衡,为甘蔗智能化种植发展提供一定的借鉴。

基于权参数优化的并行深度学习光伏功率预测

针对不同应用场景下光伏数据波动模式差异较大时,现有的光伏发电功率预测模型存在精度及适应性不足的问题,提出了一种具有权参数自适应性的并行深度学习光伏发电功率预测框架。该框架包含2种可以并行预测的深度学习算法单元(Attention-Seq2Seq单元、Transformer单元)以及一个权参数自适应优化单元。基于所提出的并行深度学习框架,对光伏发电功率进行预测,并分别与Attention-Seq2Seq、Transformer模型的预测结果进行了对比验证。结果表明:基于权参数优化的并行深度学习光伏功率预测框架弥补了不同数据波动模式下单一算法预测精度和适应性不足的问题,也可以有效解决时间序列预测中的长距离依赖问题,较单一算法预测精度更高,其平均绝对误差和均方根误差在夏季典型日最大降幅分别是41.18%和45.59%,在冬季典型日最大降幅分别是81.13%和82.86%。

检察规律引领下的检察职权优化配置

检察规律应当成为引领和规制检察职权配置的重要杠杆,按照检察规律的要求量度和审视现行的检察职权配置状况,既是实现检察职权优化配置的逻辑起点,也是建立公正高效权威的社会主义司法制度的必然要求。检察规律的基本内容说明,要确保检察权的运行能够满足惩治刑事犯罪和规制国家刑罚权的需要,就必须赋予检察机关以行政公诉权、职务犯罪的技术侦查权、对被监督事项的知情权、对被监督主体的质询权、对法院裁判的量刑建议权,并对职务犯罪的审查逮捕权按检察规律的要求作适度调整。

带权优化回归模型参数在土基沉降分析中的应用

对三峡机场场区进行沉降分析时，采用带机优化曲线回归模型参数的方法，取得了较满意的成果。本文给出的带权优化曲线回归模型参数计算公式，修正参数速度快，拟合精度高，效果显著。

子野权重优化对CMS XiO宫颈癌调强计划的影响

目的：本文分析了CMS治疗计划系统XiO在制定调强放射治疗（IMRT）计划时，子野权重优化对治疗计划结果的影响。方法：本文选取10例宫颈癌全程放射治疗病例，制定影像引导下（IGRT）的调强放射治疗计划，首先直接用静态调强（Step＆Shoot）方式进行优化一步生成调强放射治疗计划（S-IMRT），之后继续进行子野权重优化（Segmentweightop—timization，SWO）并生成新的治疗计划（SWO—IMRT），比较子野权重优化前后总子野数、总跳数，同时分析比较正常组织受照剂量的变化。结果：结果显示，经过子野权重优化后，总的子野数显著减少，减少约26％～31％（p〈0．0001）；总的机器跳数有所降低，减少约5．1％～9．7％（p〈0．0001），同时，直肠、膀胱和小肠的剂量也有所降低。结论：在使用CMS治疗计划系统XiO进行宫颈癌全程调强放射治疗计划设计过程中，充分利用子野权重优化方式，可以减少总的机器跳数，降低正常组织剂量，缩短治疗时间，这既降低正常组织的毒性反应，也为肿瘤剂量的提高提供了可能。在其他病种的调强放射治疗计划设计中．子野权重优化也可以发挥重要的作用。

基于Multi-Agent的多权值优化分簇算法及仿真研究

提出了一种基于Multi-Agent的多权值优化分簇算法,算法定义了多种Agent类型,在簇头选举阶段选取了影响簇头合理分布的多个网络参数,在簇的更新阶段采用移动Agent启发机制进行簇的局部更新.仿真结果表明,算法不仅可以选出合理的簇头,使能量均匀的消耗,还可以节省整个网络的能量消耗.

子野权重优化工具在颈部食管癌调强放疗计划中的应用

目的研究子野权重优化（SWO）工具在CMS XiO治疗计划系统制定调强放疗（IMRT）计划中的应用。方法选取10例颈部食管癌全程调强放疗病例设计IMRT计划,按常规设定好各种优化参数,第一步使用静态调强方式进行直接优化设计调强放疗计划（S-IMRT）,接着继续进行子野权重优化（SWO）并生成新的SWO-IMRT计划,比较子野权重优化前后总跳数、总子野数,同时分析比较正常组织受照剂量的变化。结果选取的10例颈部食管癌患者中,SWO-IMRT与S-IMRT两者计划的子野数分别比较,前者比后者减少约8.7%~23.5%（P〈0.001）,同时比较两者的总的机器跳数也都分别有不同程度减少,减少范围在2.7%~6.6%（P〈0.001）;脊髓、脊髓prv、口腔等正常组织的剂量都有所下降。结论在使用CMS XiO治疗计划系统进行颈部食管癌全程IMRT计划设计过程中,适当运用SWO工具,可以减少子野数和总机器跳数,缩短治疗时间,减少机器磨损;同时也能降低正常组织剂量,从而降低正常组织的毒副反应。

鼻咽癌挡铅野中野适形权重优化计划初探

目的:利用挡铅野中野技术与射野权重优化,调节各方向剂量强度,探讨野中野适形与IMRT的相似性。方法:以1例鼻咽癌为研究对象,对该病例做适形计划和常规二维计划,并与IMRT相比较,评价计划靶区及危及器官的受照剂量、DVH及各特征指标值。结果:野中野与常规二维计划靶区平均剂量分别为75.9Gy、73.0Gy;腮腺受量V35分别为49%、88%,对比调强靶区平均剂量74Gy、腮腺V35约为50%。结论:在没有多叶光栅MLC时,野中野适形计划及对危及器官的保护方面明显优于常规二维计划,在靶区均匀性与调强计划有较小差异,能实现近似IMRT的结果,解决常规二维难以胜任的凹形靶区和危及器官的高损伤情况,具有较好的临床价值。

迭代次数在宫颈癌术后调强放疗计划中对子野权重优化的影响

目的本研究主要探讨在宫颈癌术后调强放疗计划的设计过程中,选择不同的迭代次数,对子野权重优化(SWO)过程的影响。方法选择10例宫颈癌术后患者,采用CMS XIO 4.6.4治疗系统制定调强放疗计划。在SWO过程中,选择不同的迭代次数生成不同的计划,在不影响临床靶区剂量要求的前提下,比较其危及器官(OAR)受照剂量、子野数、机器跳数之间是否有差异。迭代次数选择以50为梯度,最高为300。结果对同一例患者,选择不同的迭代次数进行调强计划的SWO,对不同迭代次数的计划进行比较,股骨头、直肠、膀胱受照剂量基本没变化,计划总子野数和机器跳数变化不明显,差异无统计学意义(P>0.05)。结论在使用CMS XIO 4.6.4设计宫颈癌术后调强放疗计划过程中,100次以下的迭代次数进行SWO优化最为适合。可以在保证危及器官剂量、放疗总子野数和机器跳数基本不变的前提下,降低放疗计划设计时间从而提高工作效率。