程万里
- 作品数：10 被引量：35H指数：4
- 供职机构：华北水利水电学院数学与信息科学学院更多>>
- 相关领域：理学环境科学与工程更多>>
- 黄河三门峡河段基于模糊数学方法的水质评价被引量：11
- 2007年
- 水体质量受多种因素的影响,水质评价是对多种因素的综合评价,水环境污染及其程度的轻重属于模糊概念,水质分级实质是水体影响因素论域上的模糊子集,因此采用模糊综合评价方法对水质进行评价较为合适。介绍了模糊综合评价方法及步骤,并且针对在利用模糊数学方法评价水质时各个影响因子权重难以确定的状况,采用了解相关模糊方程法来确定权重,有效地避免了主观因素的干扰,最后,依据《地表水环境质量标准》(GB3838-2002)作为水质评价标准,对黄河三门峡河段水质进行了评价,并与相关文献作一比较,总体效果较为满意。
- 程万里李亦芳郝伏勤程银行
- 关键词：水质评价
- 基于季节性AR(P)模型的水质预测
- 2008年
- 自回归模型的建立是基于序列平稳性的假设,只能描述平稳序列的统计特性,而水质的月监测数据序列往往具有季节性变化的现象.文章介绍了平稳过程的相关理论及其检验方法并应用到黄河潼关、三门峡断面的水质序列的检验中,检验结果为非平稳序列,且序列具有明显季节性(月份)变化的特性.为此尝试建立季节性AR(P)模型来捕捉黄河水质的季节性变化规律,实践表明该模型预测总体效果是较为满意的.
- 程万里李亦芳郝伏勤程银行
- 关键词：溶解氧水质预测
- 基于季节性AR(P)模型的水质预测被引量：3
- 2008年
- 自回归模型的建立是基于序列平稳性的假设,只能描述平稳序列的统计特性,而水质的月监测数据序列往往具有季节性变化的现象.文章介绍了平稳过程的相关理论及其检验方法并应用到黄河潼关、三门峡断面的水质序列的检验中,检验结果为非平穗序列,且序列具有明显季节性(月份)变化的特性。为此尝试建立季节性AR (P)模型来捕捉黄河水质的季节性变化规律,实践表明该模型预测总体效果是较为满意的。
- 程万里李亦芳郝伏勤程银行
- 关键词：溶解氧水质预测
- 关于双级数与级数一个新的联系
- 2007年
- 利用实变函数理论中可列集合的性质,给出了双级数与普通级数(单级数)的内在联系,表明双级数可以转化为普通级数讨论.
- 张丹程万里李亦芳
- 关键词：级数
- 黄河三门峡段基于马尔科夫模型的水质预测被引量：5
- 2008年
- 水质变化趋势预测是维护和管理当前水质状况的重要依据,影响水质的有物理学、化学、水力学、生物学、气象学以及人类活动等多方面的因素,在时间和空间上存在相当多的影响变量。现有的基于数学表达式的水质预测模型很难将这些因素都考虑进去,而且预测的是一个具体的数值。利用马尔可夫链预测水质所处状态概率,实质上是预测水质指标带有一定置信水平的置信区间,在可以完全满足实际需要的前提下,扩大了预测的范围,相对地提高了预测的精确度。介绍了马尔科夫模型的基本原理,并且将其应用到黄河三门峡河段的水质预测中,总体效果基本满意。
- 程万里李亦芳郝伏勤樊亚玲
- 关键词：马尔可夫链水质预测
- GM(1,1)模型群在黄河水质预测中的应用研究被引量：10
- 2007年
- 灰色预测对统计数据较少问题可以进行预测,一般3-4个数据就可以建模,由于建模序列长短不同,会得到不同的预测方程,即对实际问题发展趋势某种程度的把握。实际预测时若能将不同的预测结果综合考虑进去,效果更佳。介绍了GM(1,1)模型建立的方法与步骤,并依据黄河潼关断面过去10年(1996-2005年)水质状况,利用GM(1,1)模型群预测了未来7年(2006-2012年)的水质发展状况。
- 程万里李亦芳郝伏勤樊亚玲张建军
- 关键词：水质预测
- 基于马尔柯夫模型的黄河三门峡河段水质预测被引量：2
- 2007年
- 水质变化趋势预测是维护和管理当前水质状况的重要依据,影响水质的因素有物理、化学、水力学、生物学、气象学以及人类活动等多方面的因素,在时间和空间上存在相当多的影响变量,现有的基于数学表达式水质预测模型很难将这些因素都考虑进去,而且预测的是一个具体的数值.利用马尔柯夫链预测水质所处状态概率,实质上是预测水质指标带有一定置信水平的置信区间,在可以完全满足实际需要的前提下,扩大了预测的范围,相对的提高了预测的精度.文章介绍了马尔柯夫模型的基本原理,并且应用到黄河三门峡河段的水质预测中,总体效果基本满意.
- 程万里李亦芳郝伏勤程银行
- 关键词：马尔柯夫链水质预测
- 基于人工神经网络与回归分析的水质预测
- 2008年
- 针对人工神经网络在预测中出现的异常值现象,采用了回归分析模型得到的预测区间来控制异常值现象的方法.并且应用在黄河三门峡河段的水质预测中,氨氮通量预测的网络模型控制前平均精度仅有50.05%,这是因为2006年6月份预测值偏离真实值太大,预测相对误差达到214.88%,超出了回归预测区间,从而影响了整体精度.控制后该月的相对精度为90.08%,平均精度达到80.79%,整体预测精度明显提高.实践表明,该方法对于消除网络模型预测中出现的异常值现象是较为有效的.
- 李亦芳程万里刘建厅
- 关键词：人工神经网络水质预测
- 基于人工神经网络与回归分析的水质预测被引量：4
- 2008年
- 针对人工神经网络(Artificial Neural Networks,缩写ANN)在预测中出现的异常值现象,采用了回归分析模型得到的预测区间来控制异常值现象的方法。并且应用在黄河三门峡河段的水质预测中,氨氮通量预测的ANN模型控制前平均精度仅有50.05%,控制后该月的相对精度为90.08%,平均精度达到80.79%,整体预测精度明显提高。化学需氧量(COD)浓度的预测也有类似情况。实践表明该方法对于消除ANN模型预测中出现的异常值现象是较为有效的。
- 李亦芳程万里刘建厅程银行
- 关键词：人工神经网络水质预测
