论文部分内容阅读
本文研究了若干数学方法在水质评价与水质模拟中的应用。
首先，改进了传统的TOPSIS法，在新的评价方法中，采用比例归一化方法并通过引进熵权和虚拟最劣解，克服了TOPSIS法中向量归一化出现的依赖于评价单位以及负理想解选取没有考虑到与理想解之间距离的相对重要性现象。提出了基于熵权的改进的TOPSIS法并将该方法应用于长江望江楼站点，对其近八年的水质状况作出了综合评价。最后，将新方法的评价结果与传统TOPSIS法的评价结果进行了比较，结果表明，新方法的评价更为合理。
其次，充分利用Elman网络的各种优秀性能，重点研究基于Elman的水质评价和水质模拟方法与模型。克服了以往确定性、线性方法的局限性，提高了水质评价和水质模拟的“智能化和动态化”水平。利用Elman的记忆存储和联想、自适应能力，为实例应用提供了科学、简便、定量化的手段与工具。
再次，有鉴于混沌变量具有随机性和遍历性地特点，将混沌变量引入实数编码遗传算法，即以混沌变量作为初始父代个体。基于这种方法将遗传算法与混沌理论结合，提出了实数编码混沌遗传算法，并将其应用于水环境模型多参数识别问题中。实数编码混沌遗传算法得到了精度较高的全局最优解。
本研究将这些新方法应用于水环境中，取得了一些富有成效的工作，在实践上有继续深入研究开发的价值，具有良好的应用前景。