期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
非支配排序遗传算法-Ⅱ组合赋权的水体富营养化多维联系云评价
1
作者
晏嘉辉
汪明武
+1 位作者
陈光耀
金菊良
《环境污染与防治》
CAS
CSCD
北大核心
2023年第1期86-91,共6页
用基于非支配排序遗传算法-Ⅱ组合赋权法的非对称多维联系云模型对24个湖库水体的富营养化程度进行分级评价。结果表明,该方法可综合不同赋权理念的优势,量化权重组合过程的不确定性、不同权重的随机性及其与真实权重的一致性等多重模...
用基于非支配排序遗传算法-Ⅱ组合赋权法的非对称多维联系云模型对24个湖库水体的富营养化程度进行分级评价。结果表明,该方法可综合不同赋权理念的优势,量化权重组合过程的不确定性、不同权重的随机性及其与真实权重的一致性等多重模糊特征,同时能高效准确地寻优求解指标权重,并能适用于多种不同类型水体的评价。扩展的多维联系云也提升了计算效率,集成联系度定量表征了富营养化等级与指标间的多重模糊随机性,实现了对水体富营养状况及其变化趋势的精确评价。
展开更多
关键词
非支配排序遗传算法
-
Ⅱ组合赋权
水体
富营养化
评价
多维联系云
多目标优化
模型
在线阅读
下载PDF
职称材料
洪湖水质富营养化评价方法比较
被引量：
3
2
作者
孙咏曦
陈燕飞
+1 位作者
周元
董玉茹
《水电能源科学》
北大核心
2023年第9期36-39,5,共5页
为科学评价水体富营养化程度,在对比分析各种富营养化评价方法基础上,引入卷积神经网络(CNN),建立卷积-富营养化(CNN-E)模型。根据洪湖2014~2019年月尺度水质及藻类监测数据,采用综合营养指数法、BP神经网络法与CNN-E模型评价其富营养...
为科学评价水体富营养化程度,在对比分析各种富营养化评价方法基础上,引入卷积神经网络(CNN),建立卷积-富营养化(CNN-E)模型。根据洪湖2014~2019年月尺度水质及藻类监测数据,采用综合营养指数法、BP神经网络法与CNN-E模型评价其富营养化程度,并采用平均绝对误差、均方根误差、决定系数和纳什效率系数评价神经网络模型性能。结果表明,洪湖长期处于轻度富营养状态,富营养化程度不断加重。模型性能方面,CNN-E模型四种评价指标分别优于BP神经网络0.166、0.098、0.078与0.087。CNN-E模型可为湖泊水体富营养化预防及综合治理提供技术支持。
展开更多
关键词
富营养化
综合
营养
指数
BP神经网络
卷积-富营养化评价模型
在线阅读
下载PDF
职称材料
题名
非支配排序遗传算法-Ⅱ组合赋权的水体富营养化多维联系云评价
1
作者
晏嘉辉
汪明武
陈光耀
金菊良
机构
合肥工业大学土木与水利工程学院
出处
《环境污染与防治》
CAS
CSCD
北大核心
2023年第1期86-91,共6页
基金
国家自然科学基金资助项目(No.41172274)。
文摘
用基于非支配排序遗传算法-Ⅱ组合赋权法的非对称多维联系云模型对24个湖库水体的富营养化程度进行分级评价。结果表明,该方法可综合不同赋权理念的优势,量化权重组合过程的不确定性、不同权重的随机性及其与真实权重的一致性等多重模糊特征,同时能高效准确地寻优求解指标权重,并能适用于多种不同类型水体的评价。扩展的多维联系云也提升了计算效率,集成联系度定量表征了富营养化等级与指标间的多重模糊随机性,实现了对水体富营养状况及其变化趋势的精确评价。
关键词
非支配排序遗传算法
-
Ⅱ组合赋权
水体
富营养化
评价
多维联系云
多目标优化
模型
Keywords
non
-
dominated sorting genetic algorithm
-
Ⅱcombination weighting
water eutrophication
evaluation
multi
-
dimensional connection cloud
multi
-
objective optimization model
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
X824 [环境科学与工程—环境工程]
在线阅读
下载PDF
职称材料
题名
洪湖水质富营养化评价方法比较
被引量：
3
2
作者
孙咏曦
陈燕飞
周元
董玉茹
机构
长江大学资源与环境学院
湖北省荆州市水文水资源勘测局
出处
《水电能源科学》
北大核心
2023年第9期36-39,5,共5页
基金
智慧长江与水电科学湖北省重点实验室开放研究基金项目(ZH21020001)。
文摘
为科学评价水体富营养化程度,在对比分析各种富营养化评价方法基础上,引入卷积神经网络(CNN),建立卷积-富营养化(CNN-E)模型。根据洪湖2014~2019年月尺度水质及藻类监测数据,采用综合营养指数法、BP神经网络法与CNN-E模型评价其富营养化程度,并采用平均绝对误差、均方根误差、决定系数和纳什效率系数评价神经网络模型性能。结果表明,洪湖长期处于轻度富营养状态,富营养化程度不断加重。模型性能方面,CNN-E模型四种评价指标分别优于BP神经网络0.166、0.098、0.078与0.087。CNN-E模型可为湖泊水体富营养化预防及综合治理提供技术支持。
关键词
富营养化
综合
营养
指数
BP神经网络
卷积-富营养化评价模型
Keywords
eutrophication
integrated nutrition index
BP neural network
CNN
-
E
分类号
X524 [环境科学与工程—环境工程]
TV11 [水利工程—水文学及水资源]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
非支配排序遗传算法-Ⅱ组合赋权的水体富营养化多维联系云评价
晏嘉辉
汪明武
陈光耀
金菊良
《环境污染与防治》
CAS
CSCD
北大核心
2023
0
在线阅读
下载PDF
职称材料
2
洪湖水质富营养化评价方法比较
孙咏曦
陈燕飞
周元
董玉茹
《水电能源科学》
北大核心
2023
3
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
