水环境及水资源分析计算的新方法及其应用
|
摘要
水环境及水资源自然发展、演化过程的分析和模拟,合理判定水环境污染程度,进行水环境及水资源系统分析计算,是目前改善水环境质量、提高资源利用能力需要解决的问题,并为水环境及水资源管理决策提供科学依据。目前水环境及水资源信息分析计算方法研究仍处于积极探索和不断发展阶段,是环境科学系统工程界的热点和难点之一。为了更好地探索水环境及水资源的演变规律,更客观、更准确地反映水环境实际情况,引入分析计算的新原理及新方法来研究水环境及水资源问题,是学科发展的需要。
本文依托973国家重点基础研究发展规划项目“长江中下游湖泊富营养化发展趋势预测方法研究”(NO. 2002CB412301)和国家自然科学基金项目“基于子波和分形理论的水文尺度分析新途径”(NO. 40271024),在总结和吸收有关前人研究成果的基础上,系统地介绍了两种直接用于水环境及水资源评价和预测的新方法——投影寻踪、支持向量机;三种用于水环境及水资源分析计算模型参数估计的优化算法——禁忌搜索算法、模拟退火算法和量子遗传算法,以及五种新方法相互之间的耦合模型,对比不同耦合模型的优化性能、应用特征和优缺点,并对禁忌搜索算法提出两种改进方式。通过模拟和研究水环境及水资源发展变化,将新方法及其相互耦合模型与优化后的多种形式的评价和预测指数公式应用于我国主要河流、湖泊、地下水及水资源利用能力的评价和预测实例研究中,分析结果表明新方法有较好的实用性。概括起来,本项研究的主要研究内容和成果有:
(1)将禁忌搜索算法用于多种形式的水环境及水资源分析计算公式中的参数优化,并提出改进后的免疫禁忌搜索算法和混合禁忌搜索算法。分别将免疫禁忌搜索算法用于区域水资源系统评价及经济、社会与湖泊富营养化的协调度指数公式的优化,将混合禁忌搜索算法用于湖泊富营养化评价、地下水水质评价、水位流量关系拟合优化中,得到较好的评价和预测结果。
(2)将模拟退火算法用于多种形式的水环境及水资源分析计算公式中的参数优化,分别得到水资源可再生能力、区域水资源利用能力和太湖富营养化程度的幂函数加和型指数评价公式,以及太原市地下水水质评价的S型曲线模型,并对上述评价模型进行实例分析。
(3)将量子遗传算法用于多种形式的水环境及水资源分析计算公式中的参数优化,并应用于长江流域主要城市、武汉重点水域及太原市地下水水质评价。实例分析表明,量子遗传算法表现出较好的种群多样性和更快的收敛速度。
(4)将投影寻踪分类和投影寻踪回归模型应用于水环境及水资源分析计算的实例研究中。投影寻踪分类模型用于武汉重点水域13个点位的水质评价及中国淮河片区水资源利用能力的评价;提出一种用参数矩阵表示的投影寻踪回归预测模型新形式,采用免疫进化算法对参数矩阵进行优化,并应用于太湖未来30年的富营养化发展趋势的预测中。
(5)分别将禁忌搜索算法、模拟退火算法和量子遗传算法三种现代优化算法与投影寻踪模型相耦合,并将优化后的投影寻踪模型应用于武汉重点水域13个点位的水质评价及中国淮河片区水资源利用能力的评价实例中,对评价结果和模型性能进行分析、对比。
(6)由于支持向量机在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势,因此,在分析支持向量机的性能和参数取值基础上,将其用于长江流域主要城市水段的水质评价,获得了较好的效果。
(7)支持向量机(SVM)的计算复杂度和精度很大程度上依赖于参数的合理选择,因此,将禁忌搜索算法(TS)用于SVM参数优化中,提出TS-SVM耦合模型,并应用于太湖富营养化发展趋势的预测实例中。为了探索更适合于支持向量机参数选取的优化技术,将禁忌搜索算法、模拟退火算法和量子遗传算法与支持向量机模型相耦合,应用于全国30个湖泊富营养化等级评价及武汉重点水域13个点位水质评价中,并对评价计算结果进行了分析和对比。
Analyzing and simulating the development and evolutionary process of water environment and water resource, estimating the degree of pollution, systematically analyzing and calculating the water environment and water resource, are the topics which need to be solved to improve the quality of water environment and the utilizable ability of water resource, as well as can provide science foundation for water environment and water resource management and decision-making. In the present, water environment and water resource analysis and calculation is still in developing, which is difficult in environmental science study. In order to simulate the law of water environment and water resource, and reflect the reality of water quality more objectively and more exactly, it is necessary for science development to use new theories and methods to study water environment and water resource.
Under the support of the National Key Project for Basic Research of China (No. 2002CB412301) and the National Natural Science Foundation of China (No. 40271024), this thesis systematically introduces two modern new theories—Projection Pursuit, Support Vector Machine—to systematically study analysis and calculation of water environment and water resource directly, and three optimizing algorithm—Taboo Search, Simulated Annealing, Quantum Genetic Algorithm—to optimize the parameters of new methods of analysis and calculation, with the coupling way of five new methods. The results, performance and characteristics were contrasted in the coupling models. Two improved way of TS was bring forwarded. Through simulating and studying the development of water environment and water resource, all new methods and coupling models were applied to quality assessment and prediction for main river, lake, underground-water and water resource utilizable ability. Results show the practicability of the new methods. Principal findings are concluded as follows:
(1) Taboo Search was applied in optimizing the parameters of models of water environment and water resource. Improved Immune Taboo Search and Hybrid Taboo Search was introduced here, ITS was used in predicting regional water resource ability and optimizing the harmony index formula of lake eutrophication; HTS was used in evaluating the level of lake eutrophication, underground water, and in optimizing the simulating formula between water level and water flux.
(2) Simulated Annealing was applied in optimizing the parameters of models of water environment and water resource, including index formula of summed power function for evaluating reproducible ability and utilizing ability of water resource, growth exponential formula by S-type of underground water suited to Taiyuan.
(3) The application of Quantum Genetic Algorithm was studied in optimizing the parameters of models of water environment and water resource, including water assessment for main cities of Changjiang River, main water basin of Wuhan, and underground water of Taiyuan. Examples show the multiplicity and convergence acceleration of QGA.
(4) Projection Pursuit Classification and Projection Pursuit Regression were applied to analysis and calculation of water-environment. PPC was used in water quality assessment of 13 dots of main water area of Wuhan. Parameters of PPR model were optimized by SMART usually, which was complex in calculating. Therefore, a new PPR model with matrix parameters optimized by Immune Evolution Algorithm was put forward and used to predict eutrophic quality trends of Taihu Lake in future 30 years.
(5) Parameters of Projection Pursuit model were optimized by TS, SA and QGA respectively. After applying the optimized models in evaluating 13 dots of main water area of Wuhan and water resource utilizable ability of Huaihe basin in China, the evaluation results and the model characteristics were analyzed and contracted.
(6) The application of Support Vector Machine was studied in evaluating the water quality of main cities of Changjiang River after illustrating the principle and main characteristics of it.
(7) How to choose parameters in SVM is a key technology to improve the precision and complexity, therefore, main parameters of SVM were optimized by TS, and applied to eutrophic quality prediction of Taihu Lake first. Then, in order to grope for parameter selecting technology, algorithm TS, SA and QGA were used to optimize parameters of SVM. Optimized SVM was used in eutrophication grade assessment of 30 lakes in China and 13 dots of main water area of Wuhan.
本文依托973国家重点基础研究发展规划项目“长江中下游湖泊富营养化发展趋势预测方法研究”(NO. 2002CB412301)和国家自然科学基金项目“基于子波和分形理论的水文尺度分析新途径”(NO. 40271024),在总结和吸收有关前人研究成果的基础上,系统地介绍了两种直接用于水环境及水资源评价和预测的新方法——投影寻踪、支持向量机;三种用于水环境及水资源分析计算模型参数估计的优化算法——禁忌搜索算法、模拟退火算法和量子遗传算法,以及五种新方法相互之间的耦合模型,对比不同耦合模型的优化性能、应用特征和优缺点,并对禁忌搜索算法提出两种改进方式。通过模拟和研究水环境及水资源发展变化,将新方法及其相互耦合模型与优化后的多种形式的评价和预测指数公式应用于我国主要河流、湖泊、地下水及水资源利用能力的评价和预测实例研究中,分析结果表明新方法有较好的实用性。概括起来,本项研究的主要研究内容和成果有:
(1)将禁忌搜索算法用于多种形式的水环境及水资源分析计算公式中的参数优化,并提出改进后的免疫禁忌搜索算法和混合禁忌搜索算法。分别将免疫禁忌搜索算法用于区域水资源系统评价及经济、社会与湖泊富营养化的协调度指数公式的优化,将混合禁忌搜索算法用于湖泊富营养化评价、地下水水质评价、水位流量关系拟合优化中,得到较好的评价和预测结果。
(2)将模拟退火算法用于多种形式的水环境及水资源分析计算公式中的参数优化,分别得到水资源可再生能力、区域水资源利用能力和太湖富营养化程度的幂函数加和型指数评价公式,以及太原市地下水水质评价的S型曲线模型,并对上述评价模型进行实例分析。
(3)将量子遗传算法用于多种形式的水环境及水资源分析计算公式中的参数优化,并应用于长江流域主要城市、武汉重点水域及太原市地下水水质评价。实例分析表明,量子遗传算法表现出较好的种群多样性和更快的收敛速度。
(4)将投影寻踪分类和投影寻踪回归模型应用于水环境及水资源分析计算的实例研究中。投影寻踪分类模型用于武汉重点水域13个点位的水质评价及中国淮河片区水资源利用能力的评价;提出一种用参数矩阵表示的投影寻踪回归预测模型新形式,采用免疫进化算法对参数矩阵进行优化,并应用于太湖未来30年的富营养化发展趋势的预测中。
(5)分别将禁忌搜索算法、模拟退火算法和量子遗传算法三种现代优化算法与投影寻踪模型相耦合,并将优化后的投影寻踪模型应用于武汉重点水域13个点位的水质评价及中国淮河片区水资源利用能力的评价实例中,对评价结果和模型性能进行分析、对比。
(6)由于支持向量机在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势,因此,在分析支持向量机的性能和参数取值基础上,将其用于长江流域主要城市水段的水质评价,获得了较好的效果。
(7)支持向量机(SVM)的计算复杂度和精度很大程度上依赖于参数的合理选择,因此,将禁忌搜索算法(TS)用于SVM参数优化中,提出TS-SVM耦合模型,并应用于太湖富营养化发展趋势的预测实例中。为了探索更适合于支持向量机参数选取的优化技术,将禁忌搜索算法、模拟退火算法和量子遗传算法与支持向量机模型相耦合,应用于全国30个湖泊富营养化等级评价及武汉重点水域13个点位水质评价中,并对评价计算结果进行了分析和对比。
Analyzing and simulating the development and evolutionary process of water environment and water resource, estimating the degree of pollution, systematically analyzing and calculating the water environment and water resource, are the topics which need to be solved to improve the quality of water environment and the utilizable ability of water resource, as well as can provide science foundation for water environment and water resource management and decision-making. In the present, water environment and water resource analysis and calculation is still in developing, which is difficult in environmental science study. In order to simulate the law of water environment and water resource, and reflect the reality of water quality more objectively and more exactly, it is necessary for science development to use new theories and methods to study water environment and water resource.
Under the support of the National Key Project for Basic Research of China (No. 2002CB412301) and the National Natural Science Foundation of China (No. 40271024), this thesis systematically introduces two modern new theories—Projection Pursuit, Support Vector Machine—to systematically study analysis and calculation of water environment and water resource directly, and three optimizing algorithm—Taboo Search, Simulated Annealing, Quantum Genetic Algorithm—to optimize the parameters of new methods of analysis and calculation, with the coupling way of five new methods. The results, performance and characteristics were contrasted in the coupling models. Two improved way of TS was bring forwarded. Through simulating and studying the development of water environment and water resource, all new methods and coupling models were applied to quality assessment and prediction for main river, lake, underground-water and water resource utilizable ability. Results show the practicability of the new methods. Principal findings are concluded as follows:
(1) Taboo Search was applied in optimizing the parameters of models of water environment and water resource. Improved Immune Taboo Search and Hybrid Taboo Search was introduced here, ITS was used in predicting regional water resource ability and optimizing the harmony index formula of lake eutrophication; HTS was used in evaluating the level of lake eutrophication, underground water, and in optimizing the simulating formula between water level and water flux.
(2) Simulated Annealing was applied in optimizing the parameters of models of water environment and water resource, including index formula of summed power function for evaluating reproducible ability and utilizing ability of water resource, growth exponential formula by S-type of underground water suited to Taiyuan.
(3) The application of Quantum Genetic Algorithm was studied in optimizing the parameters of models of water environment and water resource, including water assessment for main cities of Changjiang River, main water basin of Wuhan, and underground water of Taiyuan. Examples show the multiplicity and convergence acceleration of QGA.
(4) Projection Pursuit Classification and Projection Pursuit Regression were applied to analysis and calculation of water-environment. PPC was used in water quality assessment of 13 dots of main water area of Wuhan. Parameters of PPR model were optimized by SMART usually, which was complex in calculating. Therefore, a new PPR model with matrix parameters optimized by Immune Evolution Algorithm was put forward and used to predict eutrophic quality trends of Taihu Lake in future 30 years.
(5) Parameters of Projection Pursuit model were optimized by TS, SA and QGA respectively. After applying the optimized models in evaluating 13 dots of main water area of Wuhan and water resource utilizable ability of Huaihe basin in China, the evaluation results and the model characteristics were analyzed and contracted.
(6) The application of Support Vector Machine was studied in evaluating the water quality of main cities of Changjiang River after illustrating the principle and main characteristics of it.
(7) How to choose parameters in SVM is a key technology to improve the precision and complexity, therefore, main parameters of SVM were optimized by TS, and applied to eutrophic quality prediction of Taihu Lake first. Then, in order to grope for parameter selecting technology, algorithm TS, SA and QGA were used to optimize parameters of SVM. Optimized SVM was used in eutrophication grade assessment of 30 lakes in China and 13 dots of main water area of Wuhan.
引文
[1] 钱正英,张光斗. 中国可持续发展水资源战略研究综合报告及专题报告. 北京:中国水利水电出版社,2001
[2] 薛巧英. 水环境质量评价方法的比较分析. 环境保护科学,2004,30(总124): 64-67
[3] Aizaki M. Total number of bacteria as trophic state index. Verh. Internat. Verein. Limnol, 1985, 22: 2732-2738
[4] 梁德华,蒋火华. 河流水质综合评价方法的统一和改进. 中国环境监测,2002,18(2): 63-66
[5] Carlson R E. A trophic state index for lakes. Limnol. Oceanogr, 1977, 22: 361-369
[6] Aizaki M, Otsuki A, Fukushma T et al. Application of Carlson's trophic state index to Japanese lakes and relationships between the index and other parameters. Verh. Internat. Verein. Limnol, 1981, 21: 675-681
[7] 姚 斐. 分指数分级评分叠加法在水质评价中的应用. 干旱环境监测,1998,12(2): 83-84
[8] 李祚泳,刘国东,丁 晶. 适用于多指标的水质指数公式. 环境工程,2001,19(3):53-55
[9] 王若恩,王惠文. 多元统计数据分析. 北京:国防工业出版社,1997
[10] 冯 健,崔广柏,张红举. 太湖水质指标主成分分析. 水资源保护,2004,3: 49-50, 63
[11] 姚桂基. 青海湟水河主要污染物主成分分析. 青海环境,2002,12(3): 100-102
[12] 王晓鹏. 河流水质综合评价之主成分分析方法. 数理统计与管理,2001,20(4): 49-52,28
[13] 吕 晋,邬红娟,林济东,等. 主成分及聚类分析在水生态系统区划中的应用. 武汉大学学报(理学版),2005,51(8): 461-466
[14] 李相姣,王先甲. 珠江三角洲水资源可持续利用综合评价分析. 水文,2005,25(6): 12-17
[15] 方 燕,党志良. 基于层次分析法的渭河流域水环境质量综合评价. 水资源与水工程学报,2005,16(1): 45-48
[16] 李如忠,汪家权,钱家忠. 区域水污染负荷分配的 Delphi-AHP 法. 哈尔滨工业大学学报,2005,37(1): 84-88
[17] 余艳琴,余志勇. 水资源利用状况综合评价方法研究. 武汉大学学报(工学版),2004,37(4): 36-39
[18] 金菊良,张礼兵,魏一鸣. 水资源可持续利用评价的改进层次分析法. 水科学进展, 2004,15(2): 227-232
[19] Zadeh L A, Fuzzy Sets. Inf. Cont., 1965, 8: 338-358
[20] 马建华,季 凡. 水质评价的模糊概率综合评价法. 水文,1994,14(3): 21-25
[21] 付雁鹏,高嘉瑞. 模糊数学在水质评价中的应用. 武汉: 华中工学院出版社,1986. 35-70
[22] 邓 勃,秦建侯,李隆弟. 水环境质量模糊综合评价中的一些问题探讨. 环境科学学报,1990,10(2): 258- 262
[23] 涂向阳,高学平. 模糊数学在海水入侵地下水水质评价中的应用. 水利学报,2003,8: 64-69
[24] 黄 璋,潘佑民. 距离聚类法和模糊聚类法在环境质量评价中的应用. 中国环境科学,1983,3(5): 367-372
[25] 经苏龙,段圣民,吴慧萍. 水质污染大容量样本的快速模糊分级聚类法. 工程勘察,2000,5: 45-48
[26] Chen S Y, Xiong D Q. Fuzzy set theories and methods for municipal environmental quality assessment. Proceeding of International Conference on City Development. Beijing: China Environmental Science Press, 1993. 24-30
[27] 陈守煜,熊德琪. 湖泊富营养化评价模糊集理论与模式. 湖泊科学,1993,5(2) : 144-152
[28] 胡明星,郭达志. 湖泊水质富营养化评价的模糊神经网络方法. 环境科学研究,1998,11(4): 40-42
[29] 肖益民,梅汇海. 模糊灰色差异度在水质综合评价中的应用. 武汉水利电力大学学报,1998,31(4): 61-63
[30] 张成科. 基于熵的水质模糊评价模型及应用. 系统工程理论与实践,1998,18(6): 80-85
[31] 邓聚龙著. 灰色控制系统. 武汉: 华中理工大学出版社,1985. 293-444
[32] 李祚泳. 灰色系统及其应用进展. 自然杂志,1989,12(7): 483-487
[33] 郭劲松,王 红,龙腾锐. 水资源水质评价方法分析与进展. 重庆环境科学,1999,21(6): 1-9
[34] 刘广吉,刘淑文. 灰色聚类法在水质评价中的应用. 水利水电技术,1988,(6): 1-4
[35] 慕金波,侯克复. 灰色聚类法在水环境质量评价中的应用. 环境科学,1991,12(2): 86-90
[36] 沈珍瑶,谢彤芳. 一种改进的灰色关联分析方法及其在水环境质量评价中的应用. 水文,1997,17(3): 13-15
[37] 李如忠. 水质综合评价灰关联模型的建立与应用. 安徽建筑工业学院学报,2002,10(1): 46-49
[38] 冯玉国. 湖泊富营养化灰色评价模型及其应用. 系统工程理论与实践,1996,16(8): 43-47
[39] 肖晓柏,许学工. 地表水环境质量灰关联评价方法探讨. 环境科学与技术,2003,26(3): 34-36
[40] 汪家权,刘万茹,钱家忠, 等. 地下水环境评价 Fuzzy-Grey 模式. 农业环境科学学报,2003,22(1): 73-77
[41] 邱淑芳,周其华,王泽文. 改进的 GM(1,1)模型及其在地下水环境预测中的应用. 东华理工学院学报,2006,29(2): 176-180
[42] 郑国强,于兴修,江 南. 洱海水质的演变过程及趋势. 东北林业大学学报,2004,32(1): 99-102
[43] 李如忠,汪家权,钱家忠. 基于灰色动态模型群法的河流水质预测研究. 水土保持通报,2002,22(4): 10-12
[44] 夏 军,覃 红. 灰色系统模型在区域水污染负荷量超长期预测中的应用. 人民黄河,1996,7: 46-48
[45] 刘玉敬,阎晨光,索秀云,等. GM(1, 1)模型在长江水质预测中的应用. 河北科技大学学报,2006,27(2): 129-132
[46] 谭冠军. GM (1, 1)模型的背景值构造方法和应用(I) . 系统工程理论与实践,2000,(4): 98-103
[47] 焦瑞峰,吴 昊,师 洋. 基于灰色关联分析的蒙特卡罗法建立水库出库水质预测模型. 环境工程,2006,24(4): 63-65
[48] 郑树清,马靖忠,关 军. 多变量灰色模型在预测中的应用. 河北大学学报(自然科学版),2006,26(4): 350-353
[49] 李凡修,陈 武. 海水水质富营养化评价的集对分析方法. 海洋环境科学,2003,22(2): 72-74
[50] 王 栋,朱元牲,赵克勤. 基于集对分析和模糊集合论的水体营养化评价模型的应用研究. 水文,2004,24(3): 9-13
[51] 王玉敏,周孝德. 汉江中下游水质评价方法研究. 中国农村水利水电,2003,1: 73-76
[52] 王国平,王洪光. 集对分析用于污水处理厂的综合评价. 江苏环境科技,2002,15(1): 16-18, 21
[53] 冯利华,张行才,龚建林. 基于集对分析的水资源变化趋势的统计预测. 水文,2004,24(2): 11-14
[54] 邓红霞,李存军,赵太想. 基于SPA的水文预测模型评估. 四川大学学报(工程科学版),2006,38(6): 10-12
[55] 王红芳,黄伟军,王文圣,等. 集对分析法在长江寸滩站年径流预测中的应用. 黑龙江水专学报,2006,33(4): 3-5
[56] Anderson J A. An Introduction to Neural Networks. London: MIT Press, 1995. 1-62
[57] Bishop C M. Neural Networks for Pattern Recognition. Oxford: Clarendon Press, 1995. 5-28
[58] 任 黎,董增川,李少华. 人工神经网络模型在太湖富营养化评价中的应用. 河海大学学报(自然科学版),2004,32(2): 147-150
[59] 李祚泳. 基于BP网络的水质营养状态评价模型及效果检验. 环境科学学报,1995,15(2): 186-191
[60] 蔡煜东,汪 列,姚林生. 水质富营养程度的人工神经网络决策模型. 中国环境科学,1995,15(2): 123-127
[61] 刘国东,黄川友,丁 晶. 水质综合评价的人工神经网络模型. 中国环境科学,1998,18(6): 514-517
[62] WalleyW J, Fonama V N. Neural network predictors of average score pert axon and number of families at Unpolluted River Sites in Great Britain. Water Research, 1998, 32(3): 613-622
[63] 罗定贵,王学军,郭 青. 基于 MATLAB 实现的 ANN 方法在地下水质评价中的应用. 北京大学学报(自然科学版),2004,40(2): 296-302
[64] 倪深海,白玉慧. BP 神经网络模型在地下水水质评价中的应用. 系统工程理论与实践,2000,8: 124-127
[65] 郭劲松,霍国友,龙腾锐. BOD-DO耦合人工神经网络水质模拟的研究. 环境科学学报,2001,21(2): 140-143
[66] 黄胜伟,董曼玲. 自适应变步长BP神经网络在水质评价中的应用. 水利学报,2002,10: 119-123
[67] 杨 洁,吴贻名,万 飚. 汉江水质综合评价的 BP 网络方法. 武汉大学学报(工学版),2004,37(2): 51-54
[68] 郭宗楼,申 玮. 水质预测的因素状态网络模型研究. 浙江大学学报(农业与生命科学版),2000,26(4): 361-364
[69] 陈丽华,常沁春,陈兴国,等. BP 网络应用于黄河水质的预测研究. 兰州大学学报(自然科学版),2003,39(2): 53-56
[70] 裴洪平,罗妮娜,蒋 勇. 利用 BP 神经网络方法预测西湖叶绿素 a 的浓度. 生态学报,2004,24(2): 246-251
[71] 杨 琴,谢淑云. BP 神经网络在洞庭湖氨氮浓度预测中的应用. 水资源与水工程学报,2006,17(1): 65-70
[72] 张代钧,许丹宇,任宏,等. 长江三峡水库水污染控制若干问题. 长江流域资源与环境,2005,14(5): 605-610
[73] 江学军,唐焕文. 前馈神经网络泛化能力的系统分析. 系统工程理论与实践,2000,20(8): 36-40
[74] 赵林明,胡浩之,魏德华,等. 多层前向人工神经网络. 郑州: 黄河水利出版社,1999. 9-68
[75] 陈守煜,李亚伟. 基于模糊人工神经网络识别的水质评价模型. 水科学进展,2005,16(1): 88-91
[76] 张保祥,刘青勇,卢朝霞,等. 基于神经网络和遗传算法的济南市区岩溶地下水预报模型研究. 山东农业大学学报(自然科学版),2004,35 (3): 436-441
[77] 邱 林,陈晓楠,段春青,等. 基于模拟退火算法的BP 网络在水文水资源中应用. 华北水利水电学院学报,2005,26(1): 1-3
[78] Friedman J H, Stuetzle W. Projection pursuit regression. J. Amer. Statist Assoc., 1981, 76: 817-823
[79] Flick T E. Pattern classification using projection pursuit. Pattern Recognit Let. 1990, 23(12): 1367-1376
[80] 周惠成,董四辉. 基于投影寻踪的水质评价模型. 水文,2005,25(4): 14-17
[81] 金菊良,魏一鸣, 丁 晶. 水质综合评价的投影寻踪模型. 环境科学学报,2001,21 (4) : 431-434
[82] 付 强,付 红,王立坤. 基于加速遗传算法的投影寻踪模型在水质评价中的应用研究. 地理科学,2003,23 (2) : 236-239
[83] 杨晓华,杨志峰,郦建强. 水质综合评价的遗传投影寻踪插值模型. 环境工程,2004,22(3): 69-71
[84] 姜 林,李梦龙. 基于免疫算法优化的投影寻踪水质评价模型. 四川大学学报(自然科学版),2004,41(4): 816-819
[85] 张欣莉,丁 晶,李祚泳,等. 投影寻踪新算法在水质评价模型中的应用. 中国环境科学,2002,20(2): 187-189
[86] 李世玲. 基于投影寻踪和遗传算法的一种非线性系统建模方法. 系统工程理论与实践,2005,4: 23-28
[87] 王顺久,杨志峰,丁 晶. 关中平原地下水资源承载力综合评价的投影寻踪方法. 资源科学,2004,26(6): 104-110
[88] 郦建强,陆桂华,杨晓华,等. 区域水资源承载能力综合评价的 GPPIM. 河海大学学报(自然科学版),2004,32(1): 1-4
[89] 杨晓华,杨志峰,沈珍瑶,等. 水资源可再生能力评价的遗传投影寻踪方法. 水科学进展,2004,15(1): 73-76
[90] 张欣莉, 丁 晶, 金菊良. 基于遗传算法的参数投影寻踪回归及其在洪水预报中的应用. 水利学报,2006,(6): 45-48
[91] 郑祖国,刘大秀. 投影寻踪自回归和多维混合回归模型及其在大河长河段洪水预报中的应用. 水文,1994,(4): 6-10
[92] 李祚泳,邓新民,侯宇光. 投影寻踪回归技术在降水量预测中的应用. 高原气象,1998,17(3): 323-327
[93] 李祚泳. 污染物浓度预测的 PPR 模型. 环境科学,1997,18(4): 38-40, 44
[94] 李祚泳. 我国部分城市降水中离子浓度与pH值的关系研究. 环境科学学报,1999,19(3): 303-306
[95] 李世玲. 基于投影寻踪和遗传算法的一种非线性系统建模方法. 系统工程理论与实践,2005,4: 23-28
[96] 姜 微,罗晓虹,姜 林,等. IEA-PPR 用于降水的 pH 值预测模型构建. 化学研究与应用,2005,17(5): 545-547
[97] Goldberg D. Genetic Algorithm in Search, Optimization and Machine Learning. Addison-Wesley Publishing, 1989
[98] Juha Haataja. Using genetic algorithms for optimization: technology transfer in action. Eurogen99 short course in Jyvaskyla, 1999
[99] 李畅游,高瑞忠,刘廷玺,等. 乌梁素海水质富营养化评价及其年季动态变化特征. 水资源与水工程学报,2005,16(2): 11-15
[100] 杨海林,宁丰收,游 霞. 基于遗传算法的河流水质模型参数估值系统. 重庆工商大学学报(自然科学版),2005,22(2): 122-125
[101] 李祚泳,张欣莉,丁 晶. 水质污染损害指数评价的普适公式. 水科学进展,2001,12(2) : 160-164
[102] 涂承媛,涂承宇. 一种新的收敛于全局最优解的遗传算法. 信息与控制,2001,30(2): 116-119, 138
[103] 杨晓华,陆桂华,郦建强. 混合加速遗传算法在流域模型参数优化中的应用. 水科学进展,2002,13(3): 340-344
[104] 吕继锋,曾福香,孙启国. 退火遗传算法优化的神经网络在销售预测中的应用. 兰州交通大学学报(自然科学版),2005,24(3): 113-115, 129
[105] 段焕丰,俞国平,俞海宁. 基于混和遗传算法的水资源与污染控制系统综合规划. 水利科技与经济,2005,11(6): 341-343
[106] Kennedy J, Eberhart R.C. Particle swarm optimization. Proceedings of 1995 IEEE Internation Conference on Neural Networks. New York, NY, USA: IEEE, 1995: 1942-1948
[107] Eberhart R. C, Kennedy J. A new optimizer using particle swarm theory. Proceedings of the sixth International Symposium on Micro Machine and Human Science. New York, NY, USA: IEEE, 1995: 39-43
[108] Parsopoulos K E, Vrahatis M N. Recent approach to global optimization problems through particle swarm optimization. Natural Computing, 2002, 1(2/3): 235-306
[109] 谭 皓,沈春林,李 锦. 混合粒子群算法在高维复杂函数寻优中的应用. 系统工程与电子技术, 2005, 27(8): 1471-1474
[110] 高 尚,杨静宇. 武器——目标分配问题的粒子群优化算法. 系统工程与电子技术,2005, 27(7): 1250-1252, 1259
[111] 刘益剑,张建明, 孙 冀. 基于微粒群算法的非线性系统模型参数估计. 模式识别与人工智能, 2005, 18(4): 465-468
[112] 杨道辉,马光文,刘起方 基于粒子群优化算法的 BP 网络模型在径流预测中的应用. 水力发电学报,2006,25(2): 65-68
[113] 何 伟,李亚伟,金 栋,等. 基于 PSO 的模糊人工神经网络径流预报模型. 气象水文海洋仪器,2004,(2): 18-21
[114] 郭连喜,邓长辉. 基于模糊神经网络的池塘溶解氧预测模型. 水产学报,2006,30(2): 225-229
[115] 江 燕,胡铁松,桂发亮,等. 粒子群算法在新安江模型参数优选中的应用. 武汉大学学报(工学版),2006,39(4): 14-17, 24
[116] Basu A, Frazer L. Rapid determination of the critical temperature in simulated annealing inversion. Science, 1990, 249:1409-1412
[117] 张 颖,刘艳秋. 软计算方法. 北京:科学出版社,2002:109-133
[118] 顾元宪,项宝卫,赵国忠. 一种改进的连续变量全局优化模拟退火算法. 系统工程理论与实践,2005, 25(4):103-109
[119] 郭建青,李 彦,马 健,等. 改进模拟退火法在估计河流水质参数中的应用. 水文,2004,24(2):19-22
[120] 李祚泳,汪嘉杨,熊建秋,等. 可持续发展评价模型与应用. 北京:科学出版社,2007
[121] 邱 林,陈晓楠,段春青. 基于模拟退火算法的 BP 网络在水文水资源中应用. 华北水利水电学院学报,2005,26(1): 1-3
[122] 倪长健,崔 鹏,向 睿. 域约束优化问题的普适免疫进化算法. 西南交通大学学报,2005,40(4): 548-552
[123] 苏鹏程,倪长健. 基于免疫进化算法的逻辑斯谛曲线水环境质量综合评价模型. 山地学报,2004,22(4): 439-444
[124] 杨怀金,叶芝祥,朱克云,等. 基于免疫进化算法( IEA)的鹤望兰(Strelitzia reginae)叶面积指数(LAI)模拟. 生态学报,2006,26(8): 2744-2748
[125] 洪 露,穆志纯. 免疫遗传算法在 BP 神经网络中的应用. 北京科技大学学报,2006,28(10): 997-1000
[126] 倪长健,丁 晶,李祚泳. 免疫进化算法及其在暴雨强度公参数优化中的应用. 长江科学院院报,2002,19(6): 59-61
[127] 汪嘉杨,李祚泳,熊建秋,等. 基于免疫禁忌优化算法的生态环境评价指数公式及其应用. 生态与农村环境学报,2006,22(4): 25-29
[1] Fred Glover. Tabu search partⅠ. ORSA Journal on Computing, 1990, 2 (1): 4-31
[2] F Glover, M Laguna. Tabu Search. Boston: Kluwer Academic Publishers, 1997
[3] Glover F, L aguna M. Tabu Search. In Modern Heuristic Techniques for Combinatorial Problems. Oxford: Blackwell Scientific, 1993
[4] Asic M D, Kovacevic-Vujcic V V. Taboo Search Methodology in Global Optimization. Computers and Mathematics with application, 1999, 3(3): 125-133
[5] Y S Teh, G.P. Rangaiah. Tabu search for global optimization of continuous functions with application to phase equilibrium calculations. Computers and Chemical Engineering, 2003 (27): 1665-1679
[6] Belarmino A denso-Diaz. Restricted neighborhood in the taboo search for the flow shop problem. European J of Operation Research, 1992, 62: 27- 37
[7] 曹立斌,周建兰. 一种改进的禁忌搜索法在函数优化问题中的应用. 微机发展,2003,13: 39-42
[8] 刘树安,尹 新,郑秉霖,等. TS 与 GAs 混合算法在大规模资源分配问题中的应用. 控制与决策,1998,13(4): 327-331
[9] 徐 宁,周尚波,张红民,等. 一种混合混沌优化方法及其应用. 系统工程与电子技术,2003,25(2): 226-227, 244
[10] 唐 芳,王 凌. 从局部极小到全局最优. 计算机工程与应用,2002,6: 56-58
[11] 王 凌. 智能优化算法及其应用. 北京: 清华大学出版社,2001
[12] 倪长健,丁 晶,李祚泳. 免疫进化算法. 西南交通大学学报,2003,38(1): 87-91
[13] 金菊良,丁 晶,魏一鸣,等.区域水资源可持续利用系统评价的插值模型. 自然资源学报,2002,17(5): 610-615
[14] 秦莉云,金忠青. 淮河流域水资源承载能力的评价分析. 水文,2001,21(3): 14-17
[15] 卢 敏,张展羽. 基于支持向量机的水资源可持续利用评价. 水电能源科学,2005,23(5): 18-21
[16] 金菊良,刘 丽,丁 晶. 地下水水质评价的逻辑斯谛曲线模型. 环境污染与防治,2003,25(1): 46-48
[17] 陈守煜. 工程模糊集理论与应用. 北京:国防工业出版社,1998. 205-217
[18] 秦莉云,金忠青. 流域可持续发展评价指标体系框架设计.人民黄河,2001,23(2):3-5
[19] 宋松柏,蔡焕杰. 区域水资源可持续利用评价的人工神经网络模型. 农业工程学报,2004,20 (6) : 89-93
[20] 李祚泳,丁 晶,彭荔红. 环境质量评价原理与方法. 北京:化学工业出版社,2004
[21] 杜宝汉,李永安. 用灰色关联度模型评价湖泊富营养化. 四川环境,1999,18(4): 48-52
[22] 汪嘉杨,李祚泳 ,熊建秋,等. 混合禁忌搜索算法在湖泊富营养化评价中的应用. 湖泊科学,2007,19(4): 39-44
[23] 金相灿, 屠清瑛. 湖泊富营养化调查规范. 第二版. 北京: 中国环境科学出版社,1990. 286-302
[24] 甘义群, 郭永龙. 武汉东湖富营养化现状分析及治理对策. 长江流域资源与环境,2004,13(3): 277-280
[25] 李凡修, 辛 焰, 陈 武. 集对分析用于湖泊富营养化评价研究. 重庆环境科学,2000,22(6): 10-11, 16
[26] 陈守煜. 工程水文水资源系统模糊集分析理论与实践. 大连: 大连理工大学出版社,1998
[27] 沃 飞,效 民,吴华山,等. 灰色聚类法对太湖地区农村地下水水质的评价. 安全与环境学报,2006,6(4): 38-41
[28] 汪嘉杨,李祚泳,倪长健,等. 基于混合禁忌搜索算法的水位流量关系拟合. 系统工程,2006,24(6): 107-110
[29] 詹士昌,徐 婕,吴 俊. 蚁群算法中有关算法参数的最优组合选择. 科技通报,2003,19(5): 29-34
[30] 詹士昌, 徐 婕. 蚁群算法在水位流量关系拟合中的应用. 杭州师范学院学报(自然科学版),2005,4(2): 109-113
[31] 杨晓华,陆桂华,郦建强. 自适应加速遗传算法及其在水位流量关系拟合中的应用. 水文,2002,22(2): 14-18
[32] 黄才安. 水位流量关系回归的优化研究. 水利水电技术,1995,26(10): 2-5
[1] S Kirkpatrick, J C D Gelat, M P Vecchi. Optimization by simulated annealing. Science, 1983, 220: 671-680
[2] Romeijun H E, Smith R L. Simulated annealing for constrained global optimization. Journal of global optimization, 1994, (5): 101-124
[3] 王 凌. 智能优化算法及其应用. 北京:清华大学出版社,2001. 19
[4] Laarhoven P J M, Aarts E H L, Lenstra J K. Job-shop scheduling by simulated annealing. Operations Research, 1992, 40(1): 113-125
[5] M M Ali, A Torn, S Vitanen. A direct search variant of the simulated algorithm for optimization involving continuous variables. Computers & operation research, 2002, 29: 87-102
[6] 谢 云. 模拟退火算法综述. 微计算机信息,1998,14(5): 66-68
[7] 吴剑国. 工程结构混合离散变量优化的模拟退火方法. 工程力学,1997,(3): 139-143
[8] 沈珍瑶,杨志峰. 黄河流域水资源可再生性评价指标体系与评价方法. 自然资源学报,2002,17(2): 188-197
[9] 杨晓华,杨志峰,沈珍瑶,等. 水资源可再生能力综合评价的多目标决策理想区间法. 中国科学(E辑,技术科学版),2004,34(增刊): 34-41
[10] 沈珍瑶,杨志峰. 黄河流域可再生性评价指标体系与评价方法. 自然学报,2002,17(2): 188-197
[11] 李祚泳,汪嘉杨,熊建秋,等. 可持续发展评价模型与应用. 北京:科学出版社,2007
[12] 金菊良,丁 晶,魏一鸣,等. 区域水资源可持续利用系统评价的插值模型. 自然资源学报,2002,17(5): 610-614
[13] 靳晓莉,高俊峰,赵广举. 太湖流域近20年社会经济发展对水环境影响及发展趋势. 长江流域资源与环境,2006,15(3): 298-302
[14] 建筑与环境学院. 太原市水环境质量评价. 太原:太原工业大学出版社,1993: 10-45
[15] 张先起,梁 川,刘慧卿. 基于熵权的属性识别模型在地下水水质综合评价中的应用. 四川大学学报(工程科学版),2005,37(3): 28-31
[1] Benioff P. The Computer as a physical system: A microscopic quantum mechanical Hamiltonian model of computers as represented by Turing machines. Journal of Statistical Physics, 1980, 22(5): 563-591
[2] Feynman R P. Simulating physics with computers. International Journal of Theoretical Physics, 1982, 26(21): 467-488
[3] Grover L K. A fast quantum mechanical algorithm for database search. In: Proceedings of the 28th Annual ACM Symposium on the Theory of Computing, Philadelphia, Pennsylvania, 1996. 212-221
[4] Shor P W. Algorithms for quantum computation: Discrete logarithms and factoring. In: Goldwasser S, ed. Proceedings of the 35th Annual Symposium on the Foundation of Computer Sciences. Los Alamitos: IEEE Computer Society Press, 1994. 20-22
[5] 杨淑媛,刘 芳,焦李成. 一种基于量子染色体的遗传算法. 西安电子科技大学学报(自然科学版),2004,31(1): 76-81
[6] Narayanan A, Moore M. Quantum inspired genetic algorithms. In: Proceedings of the 1996 IEEE International Conference on Evolutionary Computation (ICEC96), Nogaya, Japan, 1996. 41-46
[7] Han K H. Genetic quantum algorithm and its application to combinatorial optimization problem. In: IEEE Proceedings of the 2000 Congress on Evolutionary Computation, San Diego, 2000. 1354-1360
[8] Narayanan A, Moore M. Quantum-inspired genetic algorithm. Proc of IEEE InternationalConference on Evolutionary Computation. Piscataway: IEEE Press, 1996. 61-66
[9] Han K H, Park K H, et al. Parallel quantum-inspired genetic algorithm for combinatorial optimization problems. Proc of the IEEE Conference on Evolutionary Computation. Piscataway: IEEE Press, 2001. 1442-1429
[10] 张葛祥,金炜东. 量子遗传算法的改进及其应用. 西南交通大学学报,2003, 38(6): 717-722
[11] 杨俊安,解光军,庄镇泉,等. 量子遗传算法及其在图像盲分离中的应用研究. 计算机辅助设计与图形学学报,2003,15(7): 847-852
[12] 熊 焰,陈欢欢,苗付友. 一种解决组合优化问题的量子遗传算法QGA. 电子学报,2004,32(11): 1855-1858
[13] 齐 济,李 岩,李德峰. 基于改进AHP法定权的模糊优选模型在地下水质评价中的应用. 华北水利水电学院学报,2002,23(2): 4-6
[14] 长江流域主要城市水质检测报告. http://mcm.edu.cn/mcm05/problems2005c.asp
[15] 建筑与环境学院. 太原市水环境质量评价. 太原:太原工业大学出版社,1993. 10-45
[16] 张先起,梁 川,刘慧卿. 基于熵权的属性识别模型在地下水水质综合评价中的应用. 四川大学学报(工程科学版),2005,37(3): 28-31
[17] Shor P W. Algorithms for quantum computation: Discrete logarithms and factoring. Proc. of the 35th Annual Symp. on Found. of Computer Science. New Mexico: IEEE Computer Society Press, 1994. 124-134
[1] 李 松,罗建芳. 投影寻踪技术在水位预报中的应用. 东北水利水电,2001, 19(7): 11
[2] Friedman J H and Turkey J W. A projection pursuit algorithm for exploratory data analysis. IEEE Trans on Computer, 1974, 23 (9): 881-890
[3] Friedman J H. Projection pursuit density estimation. J. Amer. Statist. Assoc, 1984, (79): 599-608
[4] 李世玲. 基于投影寻踪和遗传算法的一种非线性系统建模方法. 系统工程理论与实践,2005,(4): 22-28
[5] Flick T E. Pattern classification using projection pursuit. Pattern Recognit Let. 1990, 23(12): 1367-1376
[6] 倪长健,崔 鹏. 区域泥石流危险度评价的投影寻踪动态聚类方法. 山地学报,2006,24(4): 442-445
[7] 李祚泳. 污染物浓度预测的PPR模型. 环境科学,1997,18(4): 38-40
[8] 杨晓华,杨志峰,郦建强. 水质综合评价的遗传投影寻踪插值模型. 环境工程,2004,22(3): 69-71
[9] Friedman J H, Stuetzle W. Projection pursuit regression. Journal American Statistics Association, 1981, 76: 817-823
[10] 王顺久,张欣莉,丁 晶,等. 投影寻踪聚类模型及其应用. 长江科学院院报,2002,19(6): 53-55, 61
[11] 汪嘉杨,李祚泳. 禁忌搜索优化的投影寻踪及其在水资源评价中的应用. 成都信息工程学院学报,2006,21(5): 715-718
[12] 金相灿. 中国湖泊环境. 北京: 海洋出版社,1995
[13] 金菊良,张礼兵,魏一鸣. 水资源可持续利用评价的改进层次分析法. 水科学进展,2004,15(2): 227-232
[14] 李祚泳,邓新民. 人工神经网络在水环境质量评价中的应用. 中国环境监测,1996,12(2): 36-39
[15] 王先甲. 水资源持续利用的多目标分析方法. 系统工程理论与实践,2001,21(3): 128-135
[16] 陈守煜. 工程模糊集理论与应用. 北京:国防工业出版社,1998. 205-216
[17] 秦莉云,金忠青. 淮河流域水资源承载能力的评价分析. 水文,2001,21(3): 14-17
[18] 秦莉云,金忠青. 流域可持续发展评价指标体系框架设计. 人民黄河,2001,23(2): 3-5
[19] 金菊良,丁 晶,魏一鸣,等. 区域水资源可持续利用系统评价的插值模型. 自然资源学报,205,17(5): 610-615
[20] 李祚泳,汪嘉杨,金相灿,等. 基于进化算法的湖泊富营养化投影寻踪回归预测模型. 四川大学学报(工程科学版),2007,39(2): 1-9
[21] 舒栋才,樊明兰,林三益. 基于免疫进化算法的投影寻踪聚类及其在地下水动态分类中的应用. 四川大学学报(工程科学版),2004,36(1): 15-18
[1] Vapnik V N. The Nature of Statistical Learning Theory. NY: Springer Verlag, 1995
[2] Vapnik V 著.统计学习理论的本质. 张学工译. 北京: 清华大学出版社,2000
[3] 边肇祺,张学工. 模式识别. 第 2 版. 北京: 清华大学出版社,2000
[4] Bernd Heisele, et al. Hierarchical classification and feature reduction for fast face detection with support vector machines. Pattern Recognition, 2003, 36: 2007-2017
[5] Scholkopf B. Statistical Learning and Kernel Methods. Microsoft Research Limited. http:// research. microsoft. com/～bsc, 2000-02-29
[6] 祁亨年. 支持向量机及其应用研究综述. 计算机工程,2004,30(10): 6-9
[7] 叶航军,白雪生,徐光祐. 基于支持向量机的人脸姿态判定. 清华大学学报(自然科学版),2003,43(1): 67-70
[8] 李祚泳,汪嘉杨,熊建秋,等. 可持续发展评价模型与应用. 北京:科学出版社,2007
[9] 叶航军,白雪生,徐光祐. 基于支持向量机的人脸姿态判定. 清华大学学报(自然科学版),2003,43(1): 67-70
[10] Vapnik V 著. 统计学习理论. 许建华,张学工译. 北京: 清华大学出版社,2004
[11] Zhang Ling, Zhang Bo. Relationship between support vector set and kernel functions in SVM. J Comput. Sci & Technol, 2002, 17(5): 549
[12] Vapnik V. The Nature of Statistical Learning Theory. New York: Springer Verlag, 1995
[13] Barzilay O, Brailovsky, V L. On Domain Knowledge and Feature Selection Using a Support Vector Machine. Pattern Recognition Letters, 1999, 20: 475-484
[14] Gunn S. Support Vector Machines for Classification and Regression. Southampton: School of Electronic and Computer Science, University of Southampton, 1998
[15] Collobert R, Bengio S. SVM Torch: A support vector machine for large-scale regression and classification problem. Journal of Machine Learning Research, 2001, (1): 143-160
[16] 张 爱,陆有忠,郑璐石. 迅速崛起的机器学习技术——支持向量机. 宁夏工程技术,2004,3(2): 137-140
[17] Zhang Ling. The relationship between kernel functions based SVM and three-layer feed forward neural networks. Chinese J. Computer, 2002, 25(7): 1-5
[18] 朱永生,优 云. 支持向量机分类器中几个问题的研究. 计算机工程与应用,2003,39(13): 36-38
[19] 郑小霞,钱 锋. 高斯核支持向量机分类和模型参数选择研究. 计算机工程与应用,2006,1: 77-79
[1] Mike Fugate. James R Gattikers. Computer intrusion detection with classification and anomaly detection using SVM. International Journal of Pattern Recognition and Artificial Intelligence. 2003, 17(3): 441-458
[2] Mukherjee S. Classifying microarray data using support vector machines. In: A Practical Approach to Microarray Date Analysis. Kluwer Academic Publishers. Boston, MA, 2003, 9. 166-185
[3] 熊建秋,李祚泳. 基于支持向量机的水流挟沙力预测研究. 水利学报, 2005, 36(10): 1171-1175
[4] 郑小霞,钱 锋. 高斯核支持向量机分类和模型参数选择研究. 计算机工程与应用,2006,1: 77-79
[5] Vladimir Cherkassky, Yunqian Ma. Practical Selection of SVM Parameters and Noise Estimation for SVM Regression. Neural Networks, 2004, 17(1): 113-126
[6] 董春曦,饶 鲜,杨绍全,等. 支持向量机参数选择方法研究. 系统工程与电子技术,2004, 26 (8): 1117-1120
[7] 朱家元,杨 云,张恒喜,等. 支持向量机的多层动态自适应参数优化. 控制与决策,2004,19 (2): 223-225
[8] Wenjian Wang, Zongben Xu, Weizhen Lu, et al. Determination of the spread parameter in Gaussian kernel for classification and regression. Neurocomputer (S0893-6080), 2003, 55: 643-663
[9] Staelin Carl. Parameter selection for support vector machines [DB/OL]. (2002.6) [2005.9] http://www.hpl.hp.com/techreports/2002/HPL-2002-354Rl.html
[10] 张红梅,卫志农,龚灯才,等. 基于粒子群支持向量机的短期电力负荷预测. 继电器,2006,34(3): 28-31
[11] Xu P, Chan A K. An efficient algorithm on multi-class support vector machine model selection. In: Proceedings of the International Joint Conference on Neural Networks 2003, Portland, 2003: 3229-3232
[12] 熊建秋,邹长武,李祚泳. 基于免疫进化支持向量机的年用电量预测. 四川大学学报(工程科学版),2006,38(2): 6-10
[13] K Pelchmans, J A K Suykens, T V Gestel, et al. LS-SVMlab: a MATLAB/C toolbox for Least Squares Support Vector Machines. http://www.esat.kuleuven.ac.be/sista/ lssvmlab /
[14] 谢 平,黎红秋,叶爱中. 基于经验频率曲线的湖泊富营养化随机评价方法及其验证. 湖泊科学,2004,16(4): 371-376
[15] 陈守煜. 湖库湖泊富营养化评价级别特征与识别模型. 黑龙江水专学报,1999,26(1): 1-8
[16] 冯玉国. 湖泊富营养化灰色评价模型及其应用. 系统工程理论与实践,1996,8: 43-47
[17] 莫小平. 实验室法测定东江惠州段干支流 BOD 水质模型参数的研究. 人民珠江,2005,(1): 63, 68
[1] K Pelchmans, J A K Suykens, T V Gestel, et al. LS-SVMlab: a MATLAB/C toolbox for Least Squares Support Vector Machines. http://www.esat.kuleuven.ac.be/sista/ lssvmlab/
[2] 薛巧英. 水环境质量评价方法的比较分析. 环境保护科学,2004,30(总124): 64-67
[3] Aizaki M. Total number of bacteria as trophic state index. Verh. Internat. Verein. Limnol, 1985, 22: 2732-2738
[4] 梁德华,蒋火华. 河流水质综合评价方法的统一和改进. 中国环境监测,2002,18(2): 63-66
[5] Carlson R E. A trophic state index for lakes. Limnol. Oceanogr, 1977, 22: 361-369
[6] Aizaki M, Otsuki A, Fukushma T et al. Application of Carlson's trophic state index to Japanese lakes and relationships between the index and other parameters. Verh. Internat. Verein. Limnol, 1981, 21: 675-681
[7] 姚 斐. 分指数分级评分叠加法在水质评价中的应用. 干旱环境监测,1998,12(2): 83-84
[8] 李祚泳,刘国东,丁 晶. 适用于多指标的水质指数公式. 环境工程,2001,19(3):53-55
[9] 王若恩,王惠文. 多元统计数据分析. 北京:国防工业出版社,1997
[10] 冯 健,崔广柏,张红举. 太湖水质指标主成分分析. 水资源保护,2004,3: 49-50, 63
[11] 姚桂基. 青海湟水河主要污染物主成分分析. 青海环境,2002,12(3): 100-102
[12] 王晓鹏. 河流水质综合评价之主成分分析方法. 数理统计与管理,2001,20(4): 49-52,28
[13] 吕 晋,邬红娟,林济东,等. 主成分及聚类分析在水生态系统区划中的应用. 武汉大学学报(理学版),2005,51(8): 461-466
[14] 李相姣,王先甲. 珠江三角洲水资源可持续利用综合评价分析. 水文,2005,25(6): 12-17
[15] 方 燕,党志良. 基于层次分析法的渭河流域水环境质量综合评价. 水资源与水工程学报,2005,16(1): 45-48
[16] 李如忠,汪家权,钱家忠. 区域水污染负荷分配的 Delphi-AHP 法. 哈尔滨工业大学学报,2005,37(1): 84-88
[17] 余艳琴,余志勇. 水资源利用状况综合评价方法研究. 武汉大学学报(工学版),2004,37(4): 36-39
[18] 金菊良,张礼兵,魏一鸣. 水资源可持续利用评价的改进层次分析法. 水科学进展, 2004,15(2): 227-232
[19] Zadeh L A, Fuzzy Sets. Inf. Cont., 1965, 8: 338-358
[20] 马建华,季 凡. 水质评价的模糊概率综合评价法. 水文,1994,14(3): 21-25
[21] 付雁鹏,高嘉瑞. 模糊数学在水质评价中的应用. 武汉: 华中工学院出版社,1986. 35-70
[22] 邓 勃,秦建侯,李隆弟. 水环境质量模糊综合评价中的一些问题探讨. 环境科学学报,1990,10(2): 258- 262
[23] 涂向阳,高学平. 模糊数学在海水入侵地下水水质评价中的应用. 水利学报,2003,8: 64-69
[24] 黄 璋,潘佑民. 距离聚类法和模糊聚类法在环境质量评价中的应用. 中国环境科学,1983,3(5): 367-372
[25] 经苏龙,段圣民,吴慧萍. 水质污染大容量样本的快速模糊分级聚类法. 工程勘察,2000,5: 45-48
[26] Chen S Y, Xiong D Q. Fuzzy set theories and methods for municipal environmental quality assessment. Proceeding of International Conference on City Development. Beijing: China Environmental Science Press, 1993. 24-30
[27] 陈守煜,熊德琪. 湖泊富营养化评价模糊集理论与模式. 湖泊科学,1993,5(2) : 144-152
[28] 胡明星,郭达志. 湖泊水质富营养化评价的模糊神经网络方法. 环境科学研究,1998,11(4): 40-42
[29] 肖益民,梅汇海. 模糊灰色差异度在水质综合评价中的应用. 武汉水利电力大学学报,1998,31(4): 61-63
[30] 张成科. 基于熵的水质模糊评价模型及应用. 系统工程理论与实践,1998,18(6): 80-85
[31] 邓聚龙著. 灰色控制系统. 武汉: 华中理工大学出版社,1985. 293-444
[32] 李祚泳. 灰色系统及其应用进展. 自然杂志,1989,12(7): 483-487
[33] 郭劲松,王 红,龙腾锐. 水资源水质评价方法分析与进展. 重庆环境科学,1999,21(6): 1-9
[34] 刘广吉,刘淑文. 灰色聚类法在水质评价中的应用. 水利水电技术,1988,(6): 1-4
[35] 慕金波,侯克复. 灰色聚类法在水环境质量评价中的应用. 环境科学,1991,12(2): 86-90
[36] 沈珍瑶,谢彤芳. 一种改进的灰色关联分析方法及其在水环境质量评价中的应用. 水文,1997,17(3): 13-15
[37] 李如忠. 水质综合评价灰关联模型的建立与应用. 安徽建筑工业学院学报,2002,10(1): 46-49
[38] 冯玉国. 湖泊富营养化灰色评价模型及其应用. 系统工程理论与实践,1996,16(8): 43-47
[39] 肖晓柏,许学工. 地表水环境质量灰关联评价方法探讨. 环境科学与技术,2003,26(3): 34-36
[40] 汪家权,刘万茹,钱家忠, 等. 地下水环境评价 Fuzzy-Grey 模式. 农业环境科学学报,2003,22(1): 73-77
[41] 邱淑芳,周其华,王泽文. 改进的 GM(1,1)模型及其在地下水环境预测中的应用. 东华理工学院学报,2006,29(2): 176-180
[42] 郑国强,于兴修,江 南. 洱海水质的演变过程及趋势. 东北林业大学学报,2004,32(1): 99-102
[43] 李如忠,汪家权,钱家忠. 基于灰色动态模型群法的河流水质预测研究. 水土保持通报,2002,22(4): 10-12
[44] 夏 军,覃 红. 灰色系统模型在区域水污染负荷量超长期预测中的应用. 人民黄河,1996,7: 46-48
[45] 刘玉敬,阎晨光,索秀云,等. GM(1, 1)模型在长江水质预测中的应用. 河北科技大学学报,2006,27(2): 129-132
[46] 谭冠军. GM (1, 1)模型的背景值构造方法和应用(I) . 系统工程理论与实践,2000,(4): 98-103
[47] 焦瑞峰,吴 昊,师 洋. 基于灰色关联分析的蒙特卡罗法建立水库出库水质预测模型. 环境工程,2006,24(4): 63-65
[48] 郑树清,马靖忠,关 军. 多变量灰色模型在预测中的应用. 河北大学学报(自然科学版),2006,26(4): 350-353
[49] 李凡修,陈 武. 海水水质富营养化评价的集对分析方法. 海洋环境科学,2003,22(2): 72-74
[50] 王 栋,朱元牲,赵克勤. 基于集对分析和模糊集合论的水体营养化评价模型的应用研究. 水文,2004,24(3): 9-13
[51] 王玉敏,周孝德. 汉江中下游水质评价方法研究. 中国农村水利水电,2003,1: 73-76
[52] 王国平,王洪光. 集对分析用于污水处理厂的综合评价. 江苏环境科技,2002,15(1): 16-18, 21
[53] 冯利华,张行才,龚建林. 基于集对分析的水资源变化趋势的统计预测. 水文,2004,24(2): 11-14
[54] 邓红霞,李存军,赵太想. 基于SPA的水文预测模型评估. 四川大学学报(工程科学版),2006,38(6): 10-12
[55] 王红芳,黄伟军,王文圣,等. 集对分析法在长江寸滩站年径流预测中的应用. 黑龙江水专学报,2006,33(4): 3-5
[56] Anderson J A. An Introduction to Neural Networks. London: MIT Press, 1995. 1-62
[57] Bishop C M. Neural Networks for Pattern Recognition. Oxford: Clarendon Press, 1995. 5-28
[58] 任 黎,董增川,李少华. 人工神经网络模型在太湖富营养化评价中的应用. 河海大学学报(自然科学版),2004,32(2): 147-150
[59] 李祚泳. 基于BP网络的水质营养状态评价模型及效果检验. 环境科学学报,1995,15(2): 186-191
[60] 蔡煜东,汪 列,姚林生. 水质富营养程度的人工神经网络决策模型. 中国环境科学,1995,15(2): 123-127
[61] 刘国东,黄川友,丁 晶. 水质综合评价的人工神经网络模型. 中国环境科学,1998,18(6): 514-517
[62] WalleyW J, Fonama V N. Neural network predictors of average score pert axon and number of families at Unpolluted River Sites in Great Britain. Water Research, 1998, 32(3): 613-622
[63] 罗定贵,王学军,郭 青. 基于 MATLAB 实现的 ANN 方法在地下水质评价中的应用. 北京大学学报(自然科学版),2004,40(2): 296-302
[64] 倪深海,白玉慧. BP 神经网络模型在地下水水质评价中的应用. 系统工程理论与实践,2000,8: 124-127
[65] 郭劲松,霍国友,龙腾锐. BOD-DO耦合人工神经网络水质模拟的研究. 环境科学学报,2001,21(2): 140-143
[66] 黄胜伟,董曼玲. 自适应变步长BP神经网络在水质评价中的应用. 水利学报,2002,10: 119-123
[67] 杨 洁,吴贻名,万 飚. 汉江水质综合评价的 BP 网络方法. 武汉大学学报(工学版),2004,37(2): 51-54
[68] 郭宗楼,申 玮. 水质预测的因素状态网络模型研究. 浙江大学学报(农业与生命科学版),2000,26(4): 361-364
[69] 陈丽华,常沁春,陈兴国,等. BP 网络应用于黄河水质的预测研究. 兰州大学学报(自然科学版),2003,39(2): 53-56
[70] 裴洪平,罗妮娜,蒋 勇. 利用 BP 神经网络方法预测西湖叶绿素 a 的浓度. 生态学报,2004,24(2): 246-251
[71] 杨 琴,谢淑云. BP 神经网络在洞庭湖氨氮浓度预测中的应用. 水资源与水工程学报,2006,17(1): 65-70
[72] 张代钧,许丹宇,任宏,等. 长江三峡水库水污染控制若干问题. 长江流域资源与环境,2005,14(5): 605-610
[73] 江学军,唐焕文. 前馈神经网络泛化能力的系统分析. 系统工程理论与实践,2000,20(8): 36-40
[74] 赵林明,胡浩之,魏德华,等. 多层前向人工神经网络. 郑州: 黄河水利出版社,1999. 9-68
[75] 陈守煜,李亚伟. 基于模糊人工神经网络识别的水质评价模型. 水科学进展,2005,16(1): 88-91
[76] 张保祥,刘青勇,卢朝霞,等. 基于神经网络和遗传算法的济南市区岩溶地下水预报模型研究. 山东农业大学学报(自然科学版),2004,35 (3): 436-441
[77] 邱 林,陈晓楠,段春青,等. 基于模拟退火算法的BP 网络在水文水资源中应用. 华北水利水电学院学报,2005,26(1): 1-3
[78] Friedman J H, Stuetzle W. Projection pursuit regression. J. Amer. Statist Assoc., 1981, 76: 817-823
[79] Flick T E. Pattern classification using projection pursuit. Pattern Recognit Let. 1990, 23(12): 1367-1376
[80] 周惠成,董四辉. 基于投影寻踪的水质评价模型. 水文,2005,25(4): 14-17
[81] 金菊良,魏一鸣, 丁 晶. 水质综合评价的投影寻踪模型. 环境科学学报,2001,21 (4) : 431-434
[82] 付 强,付 红,王立坤. 基于加速遗传算法的投影寻踪模型在水质评价中的应用研究. 地理科学,2003,23 (2) : 236-239
[83] 杨晓华,杨志峰,郦建强. 水质综合评价的遗传投影寻踪插值模型. 环境工程,2004,22(3): 69-71
[84] 姜 林,李梦龙. 基于免疫算法优化的投影寻踪水质评价模型. 四川大学学报(自然科学版),2004,41(4): 816-819
[85] 张欣莉,丁 晶,李祚泳,等. 投影寻踪新算法在水质评价模型中的应用. 中国环境科学,2002,20(2): 187-189
[86] 李世玲. 基于投影寻踪和遗传算法的一种非线性系统建模方法. 系统工程理论与实践,2005,4: 23-28
[87] 王顺久,杨志峰,丁 晶. 关中平原地下水资源承载力综合评价的投影寻踪方法. 资源科学,2004,26(6): 104-110
[88] 郦建强,陆桂华,杨晓华,等. 区域水资源承载能力综合评价的 GPPIM. 河海大学学报(自然科学版),2004,32(1): 1-4
[89] 杨晓华,杨志峰,沈珍瑶,等. 水资源可再生能力评价的遗传投影寻踪方法. 水科学进展,2004,15(1): 73-76
[90] 张欣莉, 丁 晶, 金菊良. 基于遗传算法的参数投影寻踪回归及其在洪水预报中的应用. 水利学报,2006,(6): 45-48
[91] 郑祖国,刘大秀. 投影寻踪自回归和多维混合回归模型及其在大河长河段洪水预报中的应用. 水文,1994,(4): 6-10
[92] 李祚泳,邓新民,侯宇光. 投影寻踪回归技术在降水量预测中的应用. 高原气象,1998,17(3): 323-327
[93] 李祚泳. 污染物浓度预测的 PPR 模型. 环境科学,1997,18(4): 38-40, 44
[94] 李祚泳. 我国部分城市降水中离子浓度与pH值的关系研究. 环境科学学报,1999,19(3): 303-306
[95] 李世玲. 基于投影寻踪和遗传算法的一种非线性系统建模方法. 系统工程理论与实践,2005,4: 23-28
[96] 姜 微,罗晓虹,姜 林,等. IEA-PPR 用于降水的 pH 值预测模型构建. 化学研究与应用,2005,17(5): 545-547
[97] Goldberg D. Genetic Algorithm in Search, Optimization and Machine Learning. Addison-Wesley Publishing, 1989
[98] Juha Haataja. Using genetic algorithms for optimization: technology transfer in action. Eurogen99 short course in Jyvaskyla, 1999
[99] 李畅游,高瑞忠,刘廷玺,等. 乌梁素海水质富营养化评价及其年季动态变化特征. 水资源与水工程学报,2005,16(2): 11-15
[100] 杨海林,宁丰收,游 霞. 基于遗传算法的河流水质模型参数估值系统. 重庆工商大学学报(自然科学版),2005,22(2): 122-125
[101] 李祚泳,张欣莉,丁 晶. 水质污染损害指数评价的普适公式. 水科学进展,2001,12(2) : 160-164
[102] 涂承媛,涂承宇. 一种新的收敛于全局最优解的遗传算法. 信息与控制,2001,30(2): 116-119, 138
[103] 杨晓华,陆桂华,郦建强. 混合加速遗传算法在流域模型参数优化中的应用. 水科学进展,2002,13(3): 340-344
[104] 吕继锋,曾福香,孙启国. 退火遗传算法优化的神经网络在销售预测中的应用. 兰州交通大学学报(自然科学版),2005,24(3): 113-115, 129
[105] 段焕丰,俞国平,俞海宁. 基于混和遗传算法的水资源与污染控制系统综合规划. 水利科技与经济,2005,11(6): 341-343
[106] Kennedy J, Eberhart R.C. Particle swarm optimization. Proceedings of 1995 IEEE Internation Conference on Neural Networks. New York, NY, USA: IEEE, 1995: 1942-1948
[107] Eberhart R. C, Kennedy J. A new optimizer using particle swarm theory. Proceedings of the sixth International Symposium on Micro Machine and Human Science. New York, NY, USA: IEEE, 1995: 39-43
[108] Parsopoulos K E, Vrahatis M N. Recent approach to global optimization problems through particle swarm optimization. Natural Computing, 2002, 1(2/3): 235-306
[109] 谭 皓,沈春林,李 锦. 混合粒子群算法在高维复杂函数寻优中的应用. 系统工程与电子技术, 2005, 27(8): 1471-1474
[110] 高 尚,杨静宇. 武器——目标分配问题的粒子群优化算法. 系统工程与电子技术,2005, 27(7): 1250-1252, 1259
[111] 刘益剑,张建明, 孙 冀. 基于微粒群算法的非线性系统模型参数估计. 模式识别与人工智能, 2005, 18(4): 465-468
[112] 杨道辉,马光文,刘起方 基于粒子群优化算法的 BP 网络模型在径流预测中的应用. 水力发电学报,2006,25(2): 65-68
[113] 何 伟,李亚伟,金 栋,等. 基于 PSO 的模糊人工神经网络径流预报模型. 气象水文海洋仪器,2004,(2): 18-21
[114] 郭连喜,邓长辉. 基于模糊神经网络的池塘溶解氧预测模型. 水产学报,2006,30(2): 225-229
[115] 江 燕,胡铁松,桂发亮,等. 粒子群算法在新安江模型参数优选中的应用. 武汉大学学报(工学版),2006,39(4): 14-17, 24
[116] Basu A, Frazer L. Rapid determination of the critical temperature in simulated annealing inversion. Science, 1990, 249:1409-1412
[117] 张 颖,刘艳秋. 软计算方法. 北京:科学出版社,2002:109-133
[118] 顾元宪,项宝卫,赵国忠. 一种改进的连续变量全局优化模拟退火算法. 系统工程理论与实践,2005, 25(4):103-109
[119] 郭建青,李 彦,马 健,等. 改进模拟退火法在估计河流水质参数中的应用. 水文,2004,24(2):19-22
[120] 李祚泳,汪嘉杨,熊建秋,等. 可持续发展评价模型与应用. 北京:科学出版社,2007
[121] 邱 林,陈晓楠,段春青. 基于模拟退火算法的 BP 网络在水文水资源中应用. 华北水利水电学院学报,2005,26(1): 1-3
[122] 倪长健,崔 鹏,向 睿. 域约束优化问题的普适免疫进化算法. 西南交通大学学报,2005,40(4): 548-552
[123] 苏鹏程,倪长健. 基于免疫进化算法的逻辑斯谛曲线水环境质量综合评价模型. 山地学报,2004,22(4): 439-444
[124] 杨怀金,叶芝祥,朱克云,等. 基于免疫进化算法( IEA)的鹤望兰(Strelitzia reginae)叶面积指数(LAI)模拟. 生态学报,2006,26(8): 2744-2748
[125] 洪 露,穆志纯. 免疫遗传算法在 BP 神经网络中的应用. 北京科技大学学报,2006,28(10): 997-1000
[126] 倪长健,丁 晶,李祚泳. 免疫进化算法及其在暴雨强度公参数优化中的应用. 长江科学院院报,2002,19(6): 59-61
[127] 汪嘉杨,李祚泳,熊建秋,等. 基于免疫禁忌优化算法的生态环境评价指数公式及其应用. 生态与农村环境学报,2006,22(4): 25-29
[1] Fred Glover. Tabu search partⅠ. ORSA Journal on Computing, 1990, 2 (1): 4-31
[2] F Glover, M Laguna. Tabu Search. Boston: Kluwer Academic Publishers, 1997
[3] Glover F, L aguna M. Tabu Search. In Modern Heuristic Techniques for Combinatorial Problems. Oxford: Blackwell Scientific, 1993
[4] Asic M D, Kovacevic-Vujcic V V. Taboo Search Methodology in Global Optimization. Computers and Mathematics with application, 1999, 3(3): 125-133
[5] Y S Teh, G.P. Rangaiah. Tabu search for global optimization of continuous functions with application to phase equilibrium calculations. Computers and Chemical Engineering, 2003 (27): 1665-1679
[6] Belarmino A denso-Diaz. Restricted neighborhood in the taboo search for the flow shop problem. European J of Operation Research, 1992, 62: 27- 37
[7] 曹立斌,周建兰. 一种改进的禁忌搜索法在函数优化问题中的应用. 微机发展,2003,13: 39-42
[8] 刘树安,尹 新,郑秉霖,等. TS 与 GAs 混合算法在大规模资源分配问题中的应用. 控制与决策,1998,13(4): 327-331
[9] 徐 宁,周尚波,张红民,等. 一种混合混沌优化方法及其应用. 系统工程与电子技术,2003,25(2): 226-227, 244
[10] 唐 芳,王 凌. 从局部极小到全局最优. 计算机工程与应用,2002,6: 56-58
[11] 王 凌. 智能优化算法及其应用. 北京: 清华大学出版社,2001
[12] 倪长健,丁 晶,李祚泳. 免疫进化算法. 西南交通大学学报,2003,38(1): 87-91
[13] 金菊良,丁 晶,魏一鸣,等.区域水资源可持续利用系统评价的插值模型. 自然资源学报,2002,17(5): 610-615
[14] 秦莉云,金忠青. 淮河流域水资源承载能力的评价分析. 水文,2001,21(3): 14-17
[15] 卢 敏,张展羽. 基于支持向量机的水资源可持续利用评价. 水电能源科学,2005,23(5): 18-21
[16] 金菊良,刘 丽,丁 晶. 地下水水质评价的逻辑斯谛曲线模型. 环境污染与防治,2003,25(1): 46-48
[17] 陈守煜. 工程模糊集理论与应用. 北京:国防工业出版社,1998. 205-217
[18] 秦莉云,金忠青. 流域可持续发展评价指标体系框架设计.人民黄河,2001,23(2):3-5
[19] 宋松柏,蔡焕杰. 区域水资源可持续利用评价的人工神经网络模型. 农业工程学报,2004,20 (6) : 89-93
[20] 李祚泳,丁 晶,彭荔红. 环境质量评价原理与方法. 北京:化学工业出版社,2004
[21] 杜宝汉,李永安. 用灰色关联度模型评价湖泊富营养化. 四川环境,1999,18(4): 48-52
[22] 汪嘉杨,李祚泳 ,熊建秋,等. 混合禁忌搜索算法在湖泊富营养化评价中的应用. 湖泊科学,2007,19(4): 39-44
[23] 金相灿, 屠清瑛. 湖泊富营养化调查规范. 第二版. 北京: 中国环境科学出版社,1990. 286-302
[24] 甘义群, 郭永龙. 武汉东湖富营养化现状分析及治理对策. 长江流域资源与环境,2004,13(3): 277-280
[25] 李凡修, 辛 焰, 陈 武. 集对分析用于湖泊富营养化评价研究. 重庆环境科学,2000,22(6): 10-11, 16
[26] 陈守煜. 工程水文水资源系统模糊集分析理论与实践. 大连: 大连理工大学出版社,1998
[27] 沃 飞,效 民,吴华山,等. 灰色聚类法对太湖地区农村地下水水质的评价. 安全与环境学报,2006,6(4): 38-41
[28] 汪嘉杨,李祚泳,倪长健,等. 基于混合禁忌搜索算法的水位流量关系拟合. 系统工程,2006,24(6): 107-110
[29] 詹士昌,徐 婕,吴 俊. 蚁群算法中有关算法参数的最优组合选择. 科技通报,2003,19(5): 29-34
[30] 詹士昌, 徐 婕. 蚁群算法在水位流量关系拟合中的应用. 杭州师范学院学报(自然科学版),2005,4(2): 109-113
[31] 杨晓华,陆桂华,郦建强. 自适应加速遗传算法及其在水位流量关系拟合中的应用. 水文,2002,22(2): 14-18
[32] 黄才安. 水位流量关系回归的优化研究. 水利水电技术,1995,26(10): 2-5
[1] S Kirkpatrick, J C D Gelat, M P Vecchi. Optimization by simulated annealing. Science, 1983, 220: 671-680
[2] Romeijun H E, Smith R L. Simulated annealing for constrained global optimization. Journal of global optimization, 1994, (5): 101-124
[3] 王 凌. 智能优化算法及其应用. 北京:清华大学出版社,2001. 19
[4] Laarhoven P J M, Aarts E H L, Lenstra J K. Job-shop scheduling by simulated annealing. Operations Research, 1992, 40(1): 113-125
[5] M M Ali, A Torn, S Vitanen. A direct search variant of the simulated algorithm for optimization involving continuous variables. Computers & operation research, 2002, 29: 87-102
[6] 谢 云. 模拟退火算法综述. 微计算机信息,1998,14(5): 66-68
[7] 吴剑国. 工程结构混合离散变量优化的模拟退火方法. 工程力学,1997,(3): 139-143
[8] 沈珍瑶,杨志峰. 黄河流域水资源可再生性评价指标体系与评价方法. 自然资源学报,2002,17(2): 188-197
[9] 杨晓华,杨志峰,沈珍瑶,等. 水资源可再生能力综合评价的多目标决策理想区间法. 中国科学(E辑,技术科学版),2004,34(增刊): 34-41
[10] 沈珍瑶,杨志峰. 黄河流域可再生性评价指标体系与评价方法. 自然学报,2002,17(2): 188-197
[11] 李祚泳,汪嘉杨,熊建秋,等. 可持续发展评价模型与应用. 北京:科学出版社,2007
[12] 金菊良,丁 晶,魏一鸣,等. 区域水资源可持续利用系统评价的插值模型. 自然资源学报,2002,17(5): 610-614
[13] 靳晓莉,高俊峰,赵广举. 太湖流域近20年社会经济发展对水环境影响及发展趋势. 长江流域资源与环境,2006,15(3): 298-302
[14] 建筑与环境学院. 太原市水环境质量评价. 太原:太原工业大学出版社,1993: 10-45
[15] 张先起,梁 川,刘慧卿. 基于熵权的属性识别模型在地下水水质综合评价中的应用. 四川大学学报(工程科学版),2005,37(3): 28-31
[1] Benioff P. The Computer as a physical system: A microscopic quantum mechanical Hamiltonian model of computers as represented by Turing machines. Journal of Statistical Physics, 1980, 22(5): 563-591
[2] Feynman R P. Simulating physics with computers. International Journal of Theoretical Physics, 1982, 26(21): 467-488
[3] Grover L K. A fast quantum mechanical algorithm for database search. In: Proceedings of the 28th Annual ACM Symposium on the Theory of Computing, Philadelphia, Pennsylvania, 1996. 212-221
[4] Shor P W. Algorithms for quantum computation: Discrete logarithms and factoring. In: Goldwasser S, ed. Proceedings of the 35th Annual Symposium on the Foundation of Computer Sciences. Los Alamitos: IEEE Computer Society Press, 1994. 20-22
[5] 杨淑媛,刘 芳,焦李成. 一种基于量子染色体的遗传算法. 西安电子科技大学学报(自然科学版),2004,31(1): 76-81
[6] Narayanan A, Moore M. Quantum inspired genetic algorithms. In: Proceedings of the 1996 IEEE International Conference on Evolutionary Computation (ICEC96), Nogaya, Japan, 1996. 41-46
[7] Han K H. Genetic quantum algorithm and its application to combinatorial optimization problem. In: IEEE Proceedings of the 2000 Congress on Evolutionary Computation, San Diego, 2000. 1354-1360
[8] Narayanan A, Moore M. Quantum-inspired genetic algorithm. Proc of IEEE InternationalConference on Evolutionary Computation. Piscataway: IEEE Press, 1996. 61-66
[9] Han K H, Park K H, et al. Parallel quantum-inspired genetic algorithm for combinatorial optimization problems. Proc of the IEEE Conference on Evolutionary Computation. Piscataway: IEEE Press, 2001. 1442-1429
[10] 张葛祥,金炜东. 量子遗传算法的改进及其应用. 西南交通大学学报,2003, 38(6): 717-722
[11] 杨俊安,解光军,庄镇泉,等. 量子遗传算法及其在图像盲分离中的应用研究. 计算机辅助设计与图形学学报,2003,15(7): 847-852
[12] 熊 焰,陈欢欢,苗付友. 一种解决组合优化问题的量子遗传算法QGA. 电子学报,2004,32(11): 1855-1858
[13] 齐 济,李 岩,李德峰. 基于改进AHP法定权的模糊优选模型在地下水质评价中的应用. 华北水利水电学院学报,2002,23(2): 4-6
[14] 长江流域主要城市水质检测报告. http://mcm.edu.cn/mcm05/problems2005c.asp
[15] 建筑与环境学院. 太原市水环境质量评价. 太原:太原工业大学出版社,1993. 10-45
[16] 张先起,梁 川,刘慧卿. 基于熵权的属性识别模型在地下水水质综合评价中的应用. 四川大学学报(工程科学版),2005,37(3): 28-31
[17] Shor P W. Algorithms for quantum computation: Discrete logarithms and factoring. Proc. of the 35th Annual Symp. on Found. of Computer Science. New Mexico: IEEE Computer Society Press, 1994. 124-134
[1] 李 松,罗建芳. 投影寻踪技术在水位预报中的应用. 东北水利水电,2001, 19(7): 11
[2] Friedman J H and Turkey J W. A projection pursuit algorithm for exploratory data analysis. IEEE Trans on Computer, 1974, 23 (9): 881-890
[3] Friedman J H. Projection pursuit density estimation. J. Amer. Statist. Assoc, 1984, (79): 599-608
[4] 李世玲. 基于投影寻踪和遗传算法的一种非线性系统建模方法. 系统工程理论与实践,2005,(4): 22-28
[5] Flick T E. Pattern classification using projection pursuit. Pattern Recognit Let. 1990, 23(12): 1367-1376
[6] 倪长健,崔 鹏. 区域泥石流危险度评价的投影寻踪动态聚类方法. 山地学报,2006,24(4): 442-445
[7] 李祚泳. 污染物浓度预测的PPR模型. 环境科学,1997,18(4): 38-40
[8] 杨晓华,杨志峰,郦建强. 水质综合评价的遗传投影寻踪插值模型. 环境工程,2004,22(3): 69-71
[9] Friedman J H, Stuetzle W. Projection pursuit regression. Journal American Statistics Association, 1981, 76: 817-823
[10] 王顺久,张欣莉,丁 晶,等. 投影寻踪聚类模型及其应用. 长江科学院院报,2002,19(6): 53-55, 61
[11] 汪嘉杨,李祚泳. 禁忌搜索优化的投影寻踪及其在水资源评价中的应用. 成都信息工程学院学报,2006,21(5): 715-718
[12] 金相灿. 中国湖泊环境. 北京: 海洋出版社,1995
[13] 金菊良,张礼兵,魏一鸣. 水资源可持续利用评价的改进层次分析法. 水科学进展,2004,15(2): 227-232
[14] 李祚泳,邓新民. 人工神经网络在水环境质量评价中的应用. 中国环境监测,1996,12(2): 36-39
[15] 王先甲. 水资源持续利用的多目标分析方法. 系统工程理论与实践,2001,21(3): 128-135
[16] 陈守煜. 工程模糊集理论与应用. 北京:国防工业出版社,1998. 205-216
[17] 秦莉云,金忠青. 淮河流域水资源承载能力的评价分析. 水文,2001,21(3): 14-17
[18] 秦莉云,金忠青. 流域可持续发展评价指标体系框架设计. 人民黄河,2001,23(2): 3-5
[19] 金菊良,丁 晶,魏一鸣,等. 区域水资源可持续利用系统评价的插值模型. 自然资源学报,205,17(5): 610-615
[20] 李祚泳,汪嘉杨,金相灿,等. 基于进化算法的湖泊富营养化投影寻踪回归预测模型. 四川大学学报(工程科学版),2007,39(2): 1-9
[21] 舒栋才,樊明兰,林三益. 基于免疫进化算法的投影寻踪聚类及其在地下水动态分类中的应用. 四川大学学报(工程科学版),2004,36(1): 15-18
[1] Vapnik V N. The Nature of Statistical Learning Theory. NY: Springer Verlag, 1995
[2] Vapnik V 著.统计学习理论的本质. 张学工译. 北京: 清华大学出版社,2000
[3] 边肇祺,张学工. 模式识别. 第 2 版. 北京: 清华大学出版社,2000
[4] Bernd Heisele, et al. Hierarchical classification and feature reduction for fast face detection with support vector machines. Pattern Recognition, 2003, 36: 2007-2017
[5] Scholkopf B. Statistical Learning and Kernel Methods. Microsoft Research Limited. http:// research. microsoft. com/～bsc, 2000-02-29
[6] 祁亨年. 支持向量机及其应用研究综述. 计算机工程,2004,30(10): 6-9
[7] 叶航军,白雪生,徐光祐. 基于支持向量机的人脸姿态判定. 清华大学学报(自然科学版),2003,43(1): 67-70
[8] 李祚泳,汪嘉杨,熊建秋,等. 可持续发展评价模型与应用. 北京:科学出版社,2007
[9] 叶航军,白雪生,徐光祐. 基于支持向量机的人脸姿态判定. 清华大学学报(自然科学版),2003,43(1): 67-70
[10] Vapnik V 著. 统计学习理论. 许建华,张学工译. 北京: 清华大学出版社,2004
[11] Zhang Ling, Zhang Bo. Relationship between support vector set and kernel functions in SVM. J Comput. Sci & Technol, 2002, 17(5): 549
[12] Vapnik V. The Nature of Statistical Learning Theory. New York: Springer Verlag, 1995
[13] Barzilay O, Brailovsky, V L. On Domain Knowledge and Feature Selection Using a Support Vector Machine. Pattern Recognition Letters, 1999, 20: 475-484
[14] Gunn S. Support Vector Machines for Classification and Regression. Southampton: School of Electronic and Computer Science, University of Southampton, 1998
[15] Collobert R, Bengio S. SVM Torch: A support vector machine for large-scale regression and classification problem. Journal of Machine Learning Research, 2001, (1): 143-160
[16] 张 爱,陆有忠,郑璐石. 迅速崛起的机器学习技术——支持向量机. 宁夏工程技术,2004,3(2): 137-140
[17] Zhang Ling. The relationship between kernel functions based SVM and three-layer feed forward neural networks. Chinese J. Computer, 2002, 25(7): 1-5
[18] 朱永生,优 云. 支持向量机分类器中几个问题的研究. 计算机工程与应用,2003,39(13): 36-38
[19] 郑小霞,钱 锋. 高斯核支持向量机分类和模型参数选择研究. 计算机工程与应用,2006,1: 77-79
[1] Mike Fugate. James R Gattikers. Computer intrusion detection with classification and anomaly detection using SVM. International Journal of Pattern Recognition and Artificial Intelligence. 2003, 17(3): 441-458
[2] Mukherjee S. Classifying microarray data using support vector machines. In: A Practical Approach to Microarray Date Analysis. Kluwer Academic Publishers. Boston, MA, 2003, 9. 166-185
[3] 熊建秋,李祚泳. 基于支持向量机的水流挟沙力预测研究. 水利学报, 2005, 36(10): 1171-1175
[4] 郑小霞,钱 锋. 高斯核支持向量机分类和模型参数选择研究. 计算机工程与应用,2006,1: 77-79
[5] Vladimir Cherkassky, Yunqian Ma. Practical Selection of SVM Parameters and Noise Estimation for SVM Regression. Neural Networks, 2004, 17(1): 113-126
[6] 董春曦,饶 鲜,杨绍全,等. 支持向量机参数选择方法研究. 系统工程与电子技术,2004, 26 (8): 1117-1120
[7] 朱家元,杨 云,张恒喜,等. 支持向量机的多层动态自适应参数优化. 控制与决策,2004,19 (2): 223-225
[8] Wenjian Wang, Zongben Xu, Weizhen Lu, et al. Determination of the spread parameter in Gaussian kernel for classification and regression. Neurocomputer (S0893-6080), 2003, 55: 643-663
[9] Staelin Carl. Parameter selection for support vector machines [DB/OL]. (2002.6) [2005.9] http://www.hpl.hp.com/techreports/2002/HPL-2002-354Rl.html
[10] 张红梅,卫志农,龚灯才,等. 基于粒子群支持向量机的短期电力负荷预测. 继电器,2006,34(3): 28-31
[11] Xu P, Chan A K. An efficient algorithm on multi-class support vector machine model selection. In: Proceedings of the International Joint Conference on Neural Networks 2003, Portland, 2003: 3229-3232
[12] 熊建秋,邹长武,李祚泳. 基于免疫进化支持向量机的年用电量预测. 四川大学学报(工程科学版),2006,38(2): 6-10
[13] K Pelchmans, J A K Suykens, T V Gestel, et al. LS-SVMlab: a MATLAB/C toolbox for Least Squares Support Vector Machines. http://www.esat.kuleuven.ac.be/sista/ lssvmlab /
[14] 谢 平,黎红秋,叶爱中. 基于经验频率曲线的湖泊富营养化随机评价方法及其验证. 湖泊科学,2004,16(4): 371-376
[15] 陈守煜. 湖库湖泊富营养化评价级别特征与识别模型. 黑龙江水专学报,1999,26(1): 1-8
[16] 冯玉国. 湖泊富营养化灰色评价模型及其应用. 系统工程理论与实践,1996,8: 43-47
[17] 莫小平. 实验室法测定东江惠州段干支流 BOD 水质模型参数的研究. 人民珠江,2005,(1): 63, 68
[1] K Pelchmans, J A K Suykens, T V Gestel, et al. LS-SVMlab: a MATLAB/C toolbox for Least Squares Support Vector Machines. http://www.esat.kuleuven.ac.be/sista/ lssvmlab/
© 2004-2018 中国地质图书馆版权所有 京ICP备05064691号 京公网安备11010802017129号 地址：北京市海淀区学院路29号 邮编：100083 电话：办公室：(+86 10)66554848；文献借阅、咨询服务、科技查新：66554700 |