投影寻踪评价模型教材课程.ppt

环境质量评价的投影寻踪评价模型 姓名：何超 专业：2014级环境科学与工程 文献学习 第一篇 1、水质类型常由多个非线性指标来决定。 2、方法的演化： → 传统的数据分析方法：受到过于数学化的限制,难以找到数据的内在规律。 → 20世纪70年代Friedme给出了多元数据分析的投影寻踪算法：在一定程度上解决多指标样本分类等非线性问题,但当研究对象过于复杂时,多元数据具有复杂的拓扑结构,很难找到最优投影方向. → 引入遗传算法：直接在优化区域内寻找最优解,给出了一种优化投影方向的新途径,并用投影寻踪新算法建立了标准水质分类模型,综合评价了实测样本的水质类型. 一、方法建立 1、投影寻踪中投影方向优化的新途径 利用遗传算法优化一维投影方向的思路：在单位超球面中随机抽取若干个初始解,计算其投影指标的大小,根据指标选大的原则,进行多次遗传算法操作,确定最大指标对应的解作为最优投影方向。 规定投影方向的模为1,将投影指标作为目标函数,就可以用遗传算法寻找最优的投影方向。 2、具体方法介绍：在P维空间中随机选取m组0~1区间的随机数bi(i=1,…,p);令ai=-1+2·bi,||a||=1计算投影指标Q=f(a);按有利于投影指标增大的原则,通过选配、杂交、变异操作,取得3组共3m个解,从其中选出m个投影指标大的编码后,回到第二步,开始下一个优选循环;满足一定循环次数后或根据先验知识决定输出解的时机;将高维数据投影到一维数轴上,绘出反映数据特征的散点图,作为进一步研究的依据。 ##1 二、投影寻踪分类模型 三、实例研究 1、已知5类标准水质的5种指标浓度如表1，实测远安断面5种指标的多年平均浓度为：耗氧量2.1,氨氮0.38,挥发性酚0.003，氯化物为0，总硬度106。 2、各指标浓度值在数量级上存在很大差异,进行规格化处理。 ##2 四、结论 1、遗传算法能在高维空间中全面、较快速地搜索反映高维数据特征结构的最佳一维投影方向，可以作为在投影寻踪方法中优化投影方向的新途径。 2、用新的优化途径建立的标准水质分类模型反映了水质类别与投影值之间存在非线性对应关系,可以揭示多种指标情形下的标准水质数据的结构特征,将标准水质较明显的区分开来。 3、当标准水质的投影寻踪分类模型确定后,只须进行简单的加减乘除运算就能够综合评判样本水质类型。 4、投影指标的选取直接影响到分类的效果以及优化时的收敛速度,特别当采用一种新的途径优化投影方向时，其与投影指标之间的关系有待进一步研究。 文献学习 第二篇 三、PP法在水环境质量评价中的应用 1、水质评价：就是根据某些水质指标值,通过建立数学模型,对某水体的等级进行综合评判,为水体的科学管理和污染防治提供决策依据。鉴于水质指标通常为高维、非线性、偏正态数据。##3 ☆ 优势：利用投影寻踪方法对非线性指标赋权具有准确、快速、客观的优点,有助于克服传统评价方法在确定指标权重时的人为因素干扰。 2、水资源承载力评价：水资源承载能力是指在某一历史发展阶段,以可预见的技术、经济和社会发展水平为依据,以可持续发展为原则,以维护生态环境良性发展为条件,在水资源得到合理的开发利用下,某一研究区域人口增长与经济发展的最大容量。其评价指标包括灌溉率、水资源利用率、水资源开发程度、人均供水量、生态环境用水率等。##4 ☆ 优势：该方法计算简单,结果直观准确,可操作性强。 3、水资源可持续利用评价：通常可细分为水资源潜力评价、水质恢复能力评价、水资源可持续利用程度评价等。 提出了遗传投影寻踪水质恢复能力评价方法（GPPM）##5 4、地下水脆弱性评价：评价指标包括含水层埋深、净补给量、含水层介质类型、土壤介质类型、地形坡度、渗流区介质类型和含水层渗透系数等。 提出了遗传投影寻踪插值模型(GPPIM) ##6 四、投影寻踪模型发展趋势 投影寻踪模型是处理和分析高维数据(尤其是高维非正态数据)的一类新兴的统计方法,无需对样本数据作正态假定或其它模型假定,能充分利用离维数据的所有信息。为进一步推动投影寻踪模型在水环境质量评价领域的应用,今后应着重从以下几个方面开展研究工作： 1、加强投影方向优选算法研究。 最优投形方向的选择问题是投影寻踪模型构建中的难题,直接形响到最终评价结果的优劣。因此,引人新的优化算法,如神经网络算法、模拟退火算法及蚁群算法等就成为投影寻踪方法研究的一个重要的方向。对常规优化算法改进,是投影寻踪方法研究的另一个重要方向。 2、进一步拓宽投影寻踪模型的应用范围。 流域生态环境质量评价、水污染监侧布点优化、水污染预侧、水污染控制规划方案评选及地下水动态分类等。 3、建立和完善相应的评价指标体系。