大气环境质量评价和预测研究的新进展.pdfVIP

大气环境质量评价与预测研究的新进展 李祚泳 (成都气象学院成都610041) 摘要简要地介绍了人工神经网络(ANN)、物元与可拓集(MEES)、集对分析(SPA)和投影寻踪 技术(PP)的基本思想和特点，评述了近年来国内外这些新理论和新技术应用于大气环境质量评 价和预测取得的最新成果，指出了大气环境质量评价和预测研究的可能发展前景． 关键词大气环境环境质量评价环境预测 指数评价法、主分量分析评价法、层次决策评价法、模糊综合评价法及灰色分析评价 法都常用于大气环境质量评价。而回归分析预测、投入产出预测和灰色系统预测则是常用 的大气环境预测法【”。近年来，随着新学科的创立和计算技术的发展，国内外提出了多种 大气环境质量评价和预测的新方法。现将其中的几种有代表性的成果作一简述。 1 大气环境质量评价新方法 1．1人工神经网络评价法 80年代以来，随着神经网络理论研究的迅速发展，神经网络在各个领域的应用也愈来 愈广泛。由于神经网络可以模拟人脑解决某些具有模糊性和不确定性问题的能力，因而利 用神经网络对已知样本进行训练，获得先验知识，学会对新样本的辨识。其中应用最广的 是B-P网络。B-P网络采用将学习样本信息沿网络正向传播到输出节点后的网络实际输出 与其期望输出的误差信号，再逆向传播，按照一定的规则去逐层修改网络的权值和阈值。 这种正逆过程反复进行，直到全局误差达到指定精度要求，训练结束为止¨J。用训练好的 网络就可以对新样本进行分类、识别、评价和优化。 笔者开拓了B-P网络在环境科学中的应用研究。文献[3-51以大气污染物的各级标准浓 度限值作为B·P网络学习样本的输入特征值，建立了大气环境质量评价、分类模型。文献 【6】还应用B．P网络对大气环境测点进行优选。 神经网络用于大气环境质量评价的优点是由于它具有自组织、自学习、自适应、容错 性和很强的非线性映射能力，因而通用性好．且一旦对样本训练完毕，用训练好的网络对 样本辨识或评价十分简便。缺点是由于B—P算法本质上是采用梯度下降算法，因而在训练 过程中，有些情况下会是“低效”的。 l 2物元可拓评价法 extension sets)是蔡文教授于80年代初创立的新学科”J。它 物元可拓集(Matter-一element 的研究对象是矛盾问题。它研究事物的可拓性和事物开拓的规律，并用以解决矛盾问题的 一108一 方法。它以物元为基元建立物元模型，以物元可拓为依据，应用物元变换化矛盾问题为相 容问题。由于它有很强的实际背景，因而在很多领域得到广泛应用。 由于环境质量的单项指标评价结果之间往往具有不相容性，物元可拓集能比较合理地 描述大气环境各项指标之间的关系和变化。该方法直接利用大气环境监测数据计算的关联 度大小来描述环境的各种特征参数与所研究对象的从属关系。因而物元可拓概念为大气环 境质量评价和识别研究开辟了新途径”1。文献[9—10】开拓了物元可拓集在大气环境质量评价 中的应用，表明这种方法在一定程度上达到了精细刻划级别区间内的差异性问题。文献【11】 将大气环境质量的物元评价结果与灰色局势评价法的评价结果进行了比较。文献[12，13]将 物元分析法用于大气环境优化选点。 物元评价法的优点是它有助于从变化角度识别和评定环境问题，排除了人为因素的 干扰，物理意义明确，计算简便。缺点是关联函数形式确定不能规范，难以通用。 1 3集对分析评价法 集对分析(Set pairanalysis)是赵克勤于80年代末提出的将精确性分析与不确定分析相 结合，用于描述和处理综合集成问题的一种新的分析方法”“。其基本思想是：在一定的问 题背景下，对所论的两个集合所具有的特性作同、异、反分析，并建立同、异、反联系度 表达式 ∥=口+6f+巧=万S+每，+号_， (1) 式中，N是集对的特性总数，a、b、c分别称为这两个集合的同一度，差异度和对 立度。满足a+b+c=1。该方法已在诸多领域获得应用。大气环境质量综合评价过程实质 上是一个具有确定的评价指标和评价标准与评价指标权重的不确定性相结合