CN107895100B - 一种流域水质综合评价方法及系统 - Google Patents
一种流域水质综合评价方法及系统 Download PDFInfo
- Publication number
- CN107895100B CN107895100B CN201710226894.XA CN201710226894A CN107895100B CN 107895100 B CN107895100 B CN 107895100B CN 201710226894 A CN201710226894 A CN 201710226894A CN 107895100 B CN107895100 B CN 107895100B
- Authority
- CN
- China
- Prior art keywords
- evaluation
- water quality
- comprehensive
- probability distribution
- grade
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/152—Water filtration
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Complex Calculations (AREA)
Abstract
本发明公开了一种流域水质综合评价方法及系统,建立水质综合评估分析模型和信度分布函数,将水质指标的监测值转化为各评估等级的置信度;结合证据推理的合成规则和算法,将隶属于同一评估等级的指标进行证据递归合成,计算出各评估等级的概率分布;引入效用理论,实现水质的相互比较。本发明通过建立流域水质综合评估分析模型和信度分布函数,实现了水质监测数据的归一化处理,避免了打分法对源数据信息的损害,使得各指标监测值的处理更加科学精确,更能反映水质状况;采用证据理论的合成规则和证据推理算法,实现了多指标、多评估等级的证据合成,并充分考虑了不确定信息的处理,使得评价结果更符合实际情况。
Description
技术领域
本发明涉及多指标、多评价评估等级的情况下的流域水质状况综合评估模型与实现方法。
背景技术
水对于社会和经济发展起着至关重要的作用,但伴随着人们生活水平的提高和国民经济的快速发展,产生的废水、污水、流泻水也在增加,废污水处理、排放监管不到位,导致水污染问题越来越多。水污染因素多种多样,不同流域水质的评价因子也各不相同,多个水质评价指标并不能科学、直观的反映水质状况,并且各评价指标与各评估等级之间的隶属关系非常复杂,目前还没有统一的处理方法。
我国《地表水环境质量标准(GB3838-2002)》中采用的是单因子评价法,选择水质最差的单项指标所在的水质类别作为所属水域的综合水质类别,该方法无法科学有效的评估水体的综合水质,同一水质类别之间也无法进行有效比较。而常用的水质指数评价法都是将水质监测按照不同的浓度进行梯度划分,并对不同的浓度区间进行百分制打分,然后根据专家建议确定不同水质评价指标的权重,最终加权和,得到水质的综合评价结果。除此之外,比较典型的还有模糊综合评价法、人工神经网络发、灰度分析法等。现有的水质评价方法存在三方面的不足:第一,学者们对水质监测数据进行归一化处理时,各指标监测值并不一定刚好等于某个类别的限值,采用打分法,不够精确;第二,多指标评价时,通过专家建议法或算术平均法确定各指标权重,具有主观性,不能科学的反应指标的重要程度;第三,在水质评价时,只考虑了在可评价范围内的监测数据,且数据是完备确定的,没有考虑不确定性数据和缺口数据的处理方法。
发明内容
本发明所要解决的技术问题是,针对现有技术不足,提供一种流域水质综合评价方法及系统。
为解决上述技术问题,本发明所采用的技术方案是:一种流域水质综合评价方法,包括以下步骤:
1)根据流域的污染因素,确定水质评价指标和评估等级,建立流域水质综合评估分析模型;
2)根据所述流域水质综合评估分析模型,建立各水质评价指标关于水质评估等级的置信度分布函数,将各水质评价指标的单因子水质描述转化为对评估等级的信度评估;
3)对隶属于同一评估等级的多个水质评价指标进行证据合成,计算各评估等级的局部概率分布,求得局部概率分布矩阵;
4)将多个评估等级的局部概率分布矩阵进行证据合成,得到综合评估等级的综合概率分布向量;
5)构建水质期望效用函数,根据不同类别水质的水域功能,分配相应的效用值,将综合概率分布向量代入效用函数,求得流域的水质综合评估结果。
步骤1)中,水质评价指标和评估等级的确定过程包括:将一个断面或一条河流称为一个评价方案,则流域的评价方案集合A={al,l=1,2,…,M},M为评价方案的个数;评价方案al有L个参与评价的水质评价指标ei,i=1,2,…,L,则水质评价指标集合E={e1,…,eL};设al有N个评估等级,表示为H={H1,…,Hn,Hn+1,…,HN},其中Hn+1的级别优于Hn。
步骤2)中,所述水质评价指标指地表水环境质量标准的基本项目,例如:pH值、溶解氧、非溶解氧指标。
其中,和分别表示支持Hn,Hn+1和Θ的局部概率分布,Θ为未被评估的水质评价指标集合;n=1,2,…,N;假设支持Hn和Hn+1的水质评价指标有Rn个,则所有支持Hn和Hn+1的水质评价指标集合为 表示集合中的第k个元素。
相应地,本发明还提供了一种流域水质综合评价系统,包括:
输入单元:用于根据流域的污染因素,确定水质评价指标和评估等级,建立流域水质综合评估分析模型;
处理单元:用于根据所述水质综合评估分析模型,建立各水质评价指标关于水质评估等级的置信度分布函数,对隶属于同一评估等级的多个水质评价指标进行证据合成,计算各评估等级的局部概率分布,求得局部概率分布矩阵,并将多个评估等级的局部概率分布矩阵进行证据合成,得到综合评估等级的综合概率分布向量;
输出单元:用于构建水质期望效用函数,根据不同类别水质的水域功能,分配相应的效用值,将综合概率分布向量代入效用函数,求得流域的水质综合评估结果。
所述水质综合评估分析模型包括:
评价方案层:用于确定流域的评价方案集合A:A={al,l=1,2,…,M};其中,M为评价方案的个数;al为评价方案,且一个断面或一条河流称为一个评价方案;
水质指标层:用于确定水质评价指标集合E:E={e1,…,eL};其中,i=1,2,…,L,ei为评价方案al中参与评价的水质评价指标;L为评价方案al中参与评价的水质评价指标的个数;
水质评估等级层:用于确定评价方案al的N个评估等级,表示为H={H1,…,Hn,Hn+1,…,HN},其中Hn+1的级别优于Hn。
所述处理单元包括:
第一处理模块:用于根据所述输入单元输出的流域水质综合评估分析模型,建立各水质评价指标关于水质评估等级的置信度分布函数,将各水质评价指标的单因子水质描述转化为对评估等级的信度评估;
第二处理模块:用于对隶属于同一评估等级的多个水质评价指标进行证据合成,计算各评估等级的局部概率分布,求得局部概率分布矩阵;
第三处理模块:用于将多个评估等级的局部概率分布矩阵进行证据合成,得到综合评估等级的综合概率分布向量。
与现有技术相比,本发明所具有的有益效果为:本发明通过建立流域水质综合评估分析模型和信度分布函数,实现了水质监测数据的归一化处理,避免了打分法对源数据信息的损害,使得各指标监测值的处理更加科学精确,更能反映水质状况;采用证据理论的合成规则和证据推理算法,实现了多指标、多评估等级的证据合成,并充分考虑了不确定信息的处理,使得评价结果更符合实际情况;最后通过构建效用函数,将由证据推理计算出的各水质评估等级的概率描述,转化为水质综合评估结果,该结果不仅能体现水环境功能,而且便于流域水质的相互比较。
附图说明
图1是根据本发明实施例的流域水质综合评价流程图;
图2是本发明的流域水质综合评估分析模型图;
图3是应用本发明方法与模糊综合评价法对某一断面一年的水质数据进行水质综合评估的对比图。
具体实施方式
本发明方法包括以下步骤:
步骤一:根据流域的污染因素,确定水质评价指标和评估等级,建立流域水质综合评估分析模型;
步骤二:建立各指标关于水质平度等级的信度分布函数,将各监测指标的单因子水质描述转化为对评估等级的信度评估;
步骤三:采用证据理论的合成规则和证据推理算法,对隶属于同一评估等级的多个评价指标进行证据合成,计算各评估等级的局部概率分布,求得局部概率分布矩阵;
步骤四:运用证据组合算法,将多个评估等级的概率分进行证据合成,得到综合评估等级的综合概率分布向量;
步骤五:构建水质期望效用函数,根据不同类别水质的水域功能,分配相应的效用值,将由证据推理计算出的综合概率分布向量,代入效用函数,求得流域的水质综合评估结果。
在所述步骤一中,主要是确定所要评价领域水质的评价指标体系、评价标准、以及评估等级。
在所述步骤二中,根据步骤一中所确定的评价标准,建立各个指标在不同等级的置信度分布函数,并将由水质监测器获得的水质监测数据,转换为各指标对不同评估等级的置信度。
在所述步骤三中,根据以评估等级为划分依据,找出支持统一评估等级的指标,并运用证据合成算法进行证据合成,得到局部概率分布矩阵。
在所述步骤四中,则对步骤三计算的局部概率分布矩阵进行递归合成,得到综合的概率分布向量。
在所述步骤五中,根据不同等级的水域功能,分配等级的效用值,最后加权求和计算出流域的综合水质评估结果。
首先,在步骤一中,根据流域的河水污染情况,确定水质评价指标和评估等级。这里将一个断面或一条河流称为一个评价方案,则流域的评价方案A={al,l=1,2,…,M}。评价方案al有L个参与评价的水质指标ei(i=1,2,…,L),则指标集合E={e1,…,ei,…,eL}。假设al有N个评估等级,则评估等级集合H={H1,…,Hn,Hn+1,…,HN},其中Hn+1的级别优于Hn。基于此,建立流域水质评估分析模型,如图2所示。
在步骤二中,根据不同的水质评价指标建立置信度分布函数,方案al的评价指标ei支持Hn的置信度为βn,i(al),满足βn,i(al)≥0且由于在水质评价指标体系中,各指标的评判分为三种情况:pH值,溶解氧和非溶解氧指标(如高锰酸盐指数、氨氮、总磷、铅、砷、镉等)。pH值是以7为中性指标,在0-13之间呈酸碱性变动;溶解氧是有益指标,水体中含量越多,水质越好;而非溶解氧指标,在水体中浓度越大,水质越差。因此,βn,i(ei(al))分三种情况:
(1)pH值的等级置信度
这里以水体呈碱性为例,即hi(al)≥7。当pH值的实测浓度在等级H1的范围内时,即n=1,其置信度为:
当pH值的实测浓度在等级Hn(1<n<N)时,其置信度为:
当pH值的实测浓度在等级HN的范围内时,其置信度为:
式中hn-1,pH、hn,pH、hn+1,pH分别表示指标pH在Hn-1、Hn、Hn+1等级的标准限值。
(2)溶解氧指标的等级置信度
溶解氧在水体中的浓度值越大,水质越好。当溶解氧(DO)的实测浓度在等级H1的范围内时,即n=1,其置信度为:
当溶解氧(DO)的实测浓度在等级Hn(1<n<N)时,其置信度为:
当溶解氧(DO)的实测浓度在等级HN的范围内时,其置信度为
式中hn-1,DO、hn,DO、hn+1,DO分别表示指标溶解氧(DO)在Hn-1、Hn、Hn+1等级的标准限值。
(3)非溶解氧指标的等级置信度
非溶解氧指标,浓度值越大,水质越差。当第i项指标ei的实测浓度在等级H1的范围内时,即n=1,其置信度为:
当第i项指标ei的实测浓度在等级Hn(1<n<N)时,其置信度为:
当第i项指标ei的实测浓度在等级HN的范围内时,其置信度为:
式中hn-1,i、hn,i、hn+1,i分别表示非指标溶解氧指标在Hn-1、Hn、Hn+1等级的标准限值。
在这里以某一河流断面的水质监测数据为例,选取水质的8项监测指标(分别为pH值、溶解氧、高锰酸盐指数、氨氮、总磷、铅、砷、镉)进行水质综合评价,并根据我国《地表水环境质量标准(GB3838-2002)》的水质评价标准,将水质评估等级划分为5类,令N=5,计算出等级置信度,如表1所示。
在步骤三中,根据步骤二计算出的置信度,计算不同指标在不同等级的概率分布。评价指标ei在等级Hn上的概率分布表示为m(Hn/ei),简化为mn,i。如果没有评价指标支持Hn,那么mn,i=0;如果只有一个评价指标,那么mn,i=βn,i(al);如果有多个评价指标,则概率分布与评价指标的相对重要性有关。在N个评估等级都被评估完之后,假设未被评估的指标隶属于未知集合Θ,则m(θ/ei)是未被估算到任何评价等级的基本概率。则有
其中wi表示评价指标ei的归一化权重。
在定量指标中,一个指标至多支持两个相邻的评估等级,对于N个评估等级,可以将评价指标分成N-1组。假设支持Hn和Hn+1的指标有Rn个,则所有支持Hn和Hn+1的水质评价指标集合为 表示集合中的第k个元素。则集合支持Hn,Hn+1和Θ的基本概率分布矩阵为:
在这里,以表1为例,计算出各个等级的评价指标集合:
R1=0;
R2=0;
表1某一断面8个指标关于5个评估等级的置信度评估结果
各个评估等级的基本概率分布矩阵为:
M1=[0 0 1]R1=0;
M2=[0 0 1]R2=0;
M3=[0.052 0.073 0.875]R3=1;
其中支持H4和H5的评价指标有7个,根据证据合成算法,得到下面的局部概率分布矩阵:
在步骤二的实例中,将水质评估等级划分为5类,对应于Ⅰ~Ⅴ类水,则最终的评估结果分别表示评估指标E对评估等级H1、H2、H3、H4、H5、Hθ的支持概率,概率值越大,则对该等级的支持程度越高,说明水质处于该等级的概率也越高。
根据步骤三所得到的局部概率矩阵,可计算出5个评估等级的综合概率分布向量:
从上面的概率分布中可以看出,水质主要分布在H3、H4、H5三个层级。但是,位于评估等级H5的概率最高,为0.496,即属于Ⅰ类水的概率为0.496。
根据步骤五,这里引入效用理论,构建水质期望效用函数:
式中u(Hn)表示评估等级Hn的效用值,数值越大,说明该等级水质的效用越大,在本发明中,继续以我国的5类水划分为例,根据地表水不同类别的功能描述,进行效用值分配。其中Ⅴ类水的功能价值最低,令u(H1)=0,Ⅰ类水的用途最广,功能价值最高,令u(H5)=1.0。其余等级分别根据其相应等级的水质功能价值,分配相应的效用值:
因此,根据步骤四的实例结果,可计算出该断面的水质效用值:
u(al)=0.023×0.6+0.090×0.8+0.496×1.0+0.391×0.56=0.8007
从上述结果,即可看出水质综合评估结果较好,基本上处于评估等级H4,达到了Ⅱ类水的标准。
通过水质期望效用函数公式,即可计算评价方案的综合水质评估结果,实现对流域水质的综合比较,计算结束。
在这里以某一监测点2015年12个月的监测数据为例,分别应用本发明中的方法和水质评价中较常用的模糊综合评价法对其进行水质评价,评价结果如图3所示。从图3中可以看出,两种方法的评价结果变化趋势基本一致,说明本发明中基于证据推理的水质综合评价方法是有效的。结合相关数据发现,该监测点位于为常年少人居住的上游地区,河水流经之地多为山地丛林,水体自净能力较强,水质整体良好,大部分水质指标达到了Ⅱ类标准。由此可以得出,基于证据推理的水质综合评价方法更符合实际情况。
Claims (5)
1.一种流域水质综合评价方法,其特征在于,包括以下步骤:
1)根据流域的污染因素,确定水质评价指标和评估等级,建立流域水质综合评估分析模型;
2)根据所述流域水质综合评估分析模型,建立各水质评价指标关于水质评估等级的置信度分布函数,将各水质评价指标的单因子水质描述转化为对评估等级的信度评估;
3)对隶属于同一评估等级的多个水质评价指标进行证据合成,计算各评估等级的局部概率分布,求得局部概率分布矩阵;
4)将多个评估等级的局部概率分布矩阵进行证据合成,得到综合评估等级的综合概率分布向量;
5)构建水质期望效用函数,根据不同类别水质的水域功能,分配相应的效用值,将综合概率分布向量代入效用函数,求得流域的水质综合评估结果;
步骤1)中,水质评价指标和评估等级的确定过程包括:将一个断面或一条河流称为一个评价方案,则流域的评价方案集合A={al,l=1,2,…,M},M为评价方案的个数;评价方案al有L个参与评价的水质评价指标ei,i=1,2,…,L,则水质评价指标集合E={e1,…,eL};设al有N个评估等级,表示为H={H1,…,Hn,Hn+1,…,HN},其中Hn+1的级别优于Hn;
步骤2)中,所述水质评价指标指地表水环境质量标准的基本项目;
4.一种流域水质综合评价系统,其特征在于,包括:
输入单元:用于根据流域的污染因素,确定水质评价指标和评估等级,建立流域水质综合评估分析模型;
处理单元:用于根据所述水质综合评估分析模型,建立各水质评价指标关于水质评估等级的置信度分布函数,对隶属于同一评估等级的多个水质评价指标进行证据合成,计算各评估等级的局部概率分布,求得局部概率分布矩阵,并将多个评估等级的局部概率分布矩阵进行证据合成,得到综合评估等级的综合概率分布向量;
输出单元:用于构建水质期望效用函数,根据不同类别水质的水域功能,分配相应的效用值,将综合概率分布向量代入效用函数,求得流域的水质综合评估结果;
水质综合评估分析模型包括:
评价方案层:用于确定流域的评价方案集合A:A={al,l=1,2,…,M};其中,M为评价方案的个数;al为评价方案,且一个断面或一条河流称为一个评价方案;
水质指标层:用于确定水质评价指标集合E:E={e1,…,eL};其中,i=1,2,…,L,ei为评价方案al中参与评价的水质评价指标;L为评价方案al中参与评价的水质评价指标的个数;
水质评估等级层:用于确定评价方案al的N个评估等级,表示为H={H1,…,Hn,Hn+1,…,HN},其中Hn+1的级别优于Hn;
所述水质评价指标指地表水环境质量标准的基本项目;
5.根据权利要求4所述的流域水质综合评价系统,其特征在于,所述处理单元包括:
第一处理模块:用于根据所述输入单元输出的流域水质综合评估分析模型,建立各水质评价指标关于水质评估等级的置信度分布函数,将各水质评价指标的单因子水质描述转化为对评估等级的信度评估;
第二处理模块:用于对隶属于同一评估等级的多个水质评价指标进行证据合成,计算各评估等级的局部概率分布,求得局部概率分布矩阵;
第三处理模块:用于将多个评估等级的局部概率分布矩阵进行证据合成,得到综合评估等级的综合概率分布向量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710226894.XA CN107895100B (zh) | 2017-04-06 | 2017-04-06 | 一种流域水质综合评价方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710226894.XA CN107895100B (zh) | 2017-04-06 | 2017-04-06 | 一种流域水质综合评价方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107895100A CN107895100A (zh) | 2018-04-10 |
CN107895100B true CN107895100B (zh) | 2021-09-03 |
Family
ID=61802516
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710226894.XA Active CN107895100B (zh) | 2017-04-06 | 2017-04-06 | 一种流域水质综合评价方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107895100B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109190865B (zh) * | 2018-06-25 | 2021-09-28 | 西南交通大学 | 水质指标评价方法、预测方法、水域水质等级评价方法 |
CN109858755B (zh) * | 2018-12-28 | 2021-06-29 | 温州医科大学 | 一种评价水体质量的方法 |
CN111126768B (zh) * | 2019-11-26 | 2022-08-19 | 河海大学 | 一种渔业生境水质评估方法及系统 |
CN111985793A (zh) * | 2020-07-31 | 2020-11-24 | 安徽工程大学 | 一种学生网上评教方法 |
CN111932121A (zh) * | 2020-08-11 | 2020-11-13 | 广东电网有限责任公司广州供电局 | 一种优质电力投资方案评估方法、装置、终端及存储介质 |
CN113111478B (zh) * | 2021-05-13 | 2024-02-20 | 北控水务(中国)投资有限公司 | 排水系统管网混接与入流、入渗程度的评估方法及设备 |
CN116433417A (zh) * | 2023-04-17 | 2023-07-14 | 浙江物芯数科信息产业有限公司 | 一种智慧水利综合管理系统和方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070233397A1 (en) * | 2006-03-20 | 2007-10-04 | Sensis Corporation | System for detection and prediction of water quality events |
CN103400044A (zh) * | 2013-08-12 | 2013-11-20 | 青岛理工大学 | 一种改进的水环境安全评价分析方法 |
CN104537432A (zh) * | 2014-12-16 | 2015-04-22 | 华南理工大学 | 基于证据推理的电力系统多目标优化调度的决策方法 |
CN106485053A (zh) * | 2016-09-16 | 2017-03-08 | 天津大学 | 一种基于模糊标识指数的水功能区水质评价方法 |
-
2017
- 2017-04-06 CN CN201710226894.XA patent/CN107895100B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070233397A1 (en) * | 2006-03-20 | 2007-10-04 | Sensis Corporation | System for detection and prediction of water quality events |
CN103400044A (zh) * | 2013-08-12 | 2013-11-20 | 青岛理工大学 | 一种改进的水环境安全评价分析方法 |
CN104537432A (zh) * | 2014-12-16 | 2015-04-22 | 华南理工大学 | 基于证据推理的电力系统多目标优化调度的决策方法 |
CN106485053A (zh) * | 2016-09-16 | 2017-03-08 | 天津大学 | 一种基于模糊标识指数的水功能区水质评价方法 |
Non-Patent Citations (1)
Title |
---|
模糊综合评价在水环境质量评价中的应用研究;单玉芳;《中国优秀硕士学位论文全文数据库》;20060915;正文第12-29页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107895100A (zh) | 2018-04-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107895100B (zh) | 一种流域水质综合评价方法及系统 | |
CN101793887B (zh) | 大菱鲆养殖水质评价的模糊神经网络专家系统的构建方法 | |
CN104182794B (zh) | 一种基于神经网络的污水处理过程出水总磷tp软测量方法 | |
CN110969346B (zh) | 基于指标筛选的流域水生态功能分区治理需求评价方法 | |
CN107146009B (zh) | 一种供水管网运行状态评估方法 | |
CN105469196A (zh) | 一种矿井建设项目过程后评价的综合评价方法及系统 | |
CN102854296A (zh) | 一种基于集成神经网络的污水处理软测量方法 | |
CN109492265B (zh) | 基于动态非线性pls软测量方法的废水出水指标预测方法 | |
CN109190865B (zh) | 水质指标评价方法、预测方法、水域水质等级评价方法 | |
CN103235096A (zh) | 污水水质检测方法与装置 | |
CN107045053B (zh) | 一种基于可控标准的地表水质综合评价体系 | |
Han et al. | Prediction of sludge bulking using the knowledge-leverage-based fuzzy neural network | |
CN108509385A (zh) | 一种设备制造供应商评价方法 | |
CN112183935A (zh) | 一种河流水质综合评价方法及系统 | |
CN111428985B (zh) | 区域水生态承载力的评估方法 | |
CN104680312A (zh) | 一种水产养殖综合效益评价指标系统 | |
CN114881490A (zh) | 一种变电站绿色施工评价方法及系统 | |
CN108461150A (zh) | 一种职业卫生预测研究方法 | |
CN117078114B (zh) | 引水工程影响下受水湖泊水质评价方法和系统 | |
CN111932081B (zh) | 一种电力信息系统运行状态评估方法及系统 | |
CN117035155A (zh) | 一种水质预测方法 | |
CN114331053A (zh) | 一种基于模糊层次评价模型的浅水湖泊富营养化评价方法 | |
CN115034140A (zh) | 一种基于关键控制因子的地表水水质变化趋势预测方法 | |
CN115206444A (zh) | 基于fcm-anfis模型的最佳投药量预测方法 | |
CN108364136B (zh) | 一种基于证据推理的水资源短缺风险分析方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |