淮河水质污染的综合评价模型

根据淮河流域近一年半的12个主要观测站四项主要水质指标的检测数据,利用动态加权函数和Borda函数等方法,建立了水质污染的综合评价模型,对淮河流域的水质污染状况做出了分析评价.     

基于改进物元分析和对应分析的水质评价研究

水质评价是控制水体污染,提高水资源管理水平的关键环节.引入粗糙集理论,实现对水质监测指标的权重确定,采用物元分析模型,以天津地区主要河流的水质数据为研究对象进行评价,同时,运用对应分析方法,将样本点与指标有机结合,分析样本点的水质状况和污染因子,从而在客观评价水质的基础上,给出了科学合理的评价结果.     

基于组合赋权的灰色关联分析在水质评价中的应用研究

在灰色关联理论的基础上,提出了基于超标比与均方差组合赋权的水质综合评价方法,可有效的识别水体中的主要污染来源.通过改进数据标准化的方法,合理的减弱了水质监测数据中的奇点对评价结果的影响.将方法应用于白洋淀五个监测断面的水质综合评价,取得了合理的结果,表明方法可行.     

基于熵权的可变模糊集方法在水质污染评价中的应用

水质污染评价是水环境污染防治的重要基础,针对评价过程中评价指标的不确定性,将可变模糊集理论应用于水质污染评价中,首先,建立合理的指标体系与等级标准,然后,将熵值原理引入该方法中,利用指标实测数据的波动性来计算指标权重,最后,利用模糊可变评价模型对水质污染进行组合评价,并将均值作为最终评价结果,将此方法应用于泰州市新通扬运河水质污染评价中,结果表明,与模糊综合评价相比,基于熵权的可变模糊集方法评价结果合理、客观,具有更好的可靠性与稳定性,为水质污染评价工作提供了一种新的研究方法与思路.     

灰色聚类法在三峡库区城市江段水质综合评价中的应用

应用灰色聚类法对三峡库区城市江段13个监测断面水质质量进行综合评价,获得较好的结果,能客观反映三峡库区城市江段质的类别及水体实际污染的状况.通过与模糊综合评价方法进行比较,灰色聚类法具有计算简便的优点,是一种较好的评价方法.     

2013年春夏季莱州湾海水环境要素的多元统计分析

根据2013年5月(春季)和8月(夏季)莱州湾海水环境要素的调查资料,通过主成分分析提取了3个主成分,累计表达原数据矩阵78.57%的信息,然后分别利用监测要素和主成分综合得分的层次聚类分析筛选出监控指标,并确定了水质污染状况及主要污染区域.结果表明,2013年莱州湾水质春季和夏季较差,导致水质状况恶化的主要要素是溶解无机氮,水质污染程度在时间和空间上存在较大差异,总体上春季海水污染程度高于夏季,莱州湾西侧和南侧处于严重污染或中度污染水平,因此常规监测中应重点关注化学需氧量、无机氮、叶绿素a和石油类这4个指标.     

基于熵权的多级模糊综合评价在水质评价中的应用

基于河流水质整体性的特点,提出了基于多级评价和熵权模糊综合评价的评价方法.将河流各监测断面与整条河流水质评价作为一个多级模糊综合评价问题,通过熵权法直接从模糊关系矩阵获得各级评价的加权系数.以DO,COD_(Mn),NH_3-N作为评价因子,对黄河流域的水质状况进行多级综合评价.结果表明,基于熵权的多级模糊综合评价均衡考虑了各种评价因子,改进了超标比赋权过于强调评价因子浓度的特点,同时不仅能对各个监测断面的水质进行评价,也能对河流整体的水质进行综合评价.     

沿河流分布污染源的辨识

环境污染问题已成为危害人类生存的一个重要问题.因此近几十年尤其是近十几年来,国内外各个邻域的科技人员都很重视研究这个问题. 为了保护河流水质,必须弄清河流日常的或事故性的水质污染状况,辨识出沿河流分布的主要污染源.确定它,是为了进一步地评价水质与预报水质的发展趋势,以便采取包括法律在内的控制管理措施.因此过去已有不少人研究过沿河流分布的污染源的辨识.     

河流水质综合评价之主成分分析方法

文章提出水质综合评价的主成分分析方法 ,并以该方法对湟水流域内典型断面的水质污染程度进行定量化评价 ,实证分析的结果表明 :主成分分析方法是一种切实可行的水质综合评价方法 ,对其它环境质量评价问题亦有一定参考价值     

水环境污染状况评价变量加权主成分分析方法

在合理选择数据规格化方法基础上,建立水污染状况评价的变量加权主成分分析方法,并以判别分析方法就水质污染级别进行校验,实证分析结果表明:改进后的主成分分析方法和评价体系较已有方法效果有显著提高。     

More on cancellative semigroups on manifolds

Communicated by D.R.Brown     

Remarks on continuum cardinals on Boolean algebras

We give some results concerning various generalized continuum cardinals. The results answer some natural questions which have arisen in preparing a new edition of 5 . To make the paper self‐contained we define all of the cardinal functions that enter into the theorems here. There are many problems concerning these new functions, and we formulate some of the more important ones.     

基于学习—遗忘效应的生产率降低损失索赔研究

建设工程项目很多具有重复性施工的特点,本文利用这种特点将学习-遗忘效应应用到平衡作业线(LOB)方法中,分析因为工程中断造成生产率的降低的现象,认为因生产率降低而导致工程工期的延长实际上超过工程实际中断的时间,最后以一个工程案例来说明分析过程.     

Remark on the weierstrass points on curves

We give a treatment of the Weiertrass points of curves which is a little different from the treatment by Laksov. We introduce the notion of theith weight which makes the treatment easier and gives an algorithm for computing the gap sequence of an effective divisor and the weight at a point. Supported in part by NNSF of China.     

Remarks on normal operators on Banach spaces

Rendiconti del Circolo Matematico di Palermo Series 2 - A closed densely defined operatorT on a Banach spaceX is called normal, iff $$T \in [C^0 (\hat \not C)]$$ , i.e. there is a homomorphism...     

A note on pseudo-metrics on the plane

Every c-finite measure Μ on the set G of the lines on the plane such that $$(0){\text{ }}\mu {\text{(\{ g}} \in G:{\text{ }}P \in {\text{g\} ) = 0}}$$ for every point P?R ² generates a pseudo-metric F on the plane when one puts F P ₁, P ₂= \(\tfrac{1}{2}\) μ({g∈G:g separates the points P ₁ and P ₂}) The pseudo-metrics which are generated in this way possess the property of linear additivity, that is F(P ₁,P ₃)=F(P ₁,P ₂)+F(P ₂,P ₃) for P ₁,P ₂,P ₃ on a line, P ₂ between P ₁ and P ₃, and are continuous with respect to the Euclidean topology in R ² × R ². In this paper we prove the converse: every linear additive and continuous pseudo-metric F is generated as above by some c-finite measure Μ on G for which (0) holds. The method of proof shows that values of linearly additive and continuous pseudo-metric F inside every bounded convex polygon C are determined completely by the values of F on (δC)². The representation of pseudo-metrics by measures is useful in derivation of inequalities for the former.