環(huán)境質(zhì)量評(píng)價(jià)原理與方法

出版時(shí)間:2004-5  出版社:化學(xué)工業(yè)出版社  作者:李祚泳  頁(yè)數(shù):382  

內(nèi)容概要

本書(shū)較詳細(xì)地介紹了環(huán)境質(zhì)量評(píng)價(jià)的新理論、新方法及其應(yīng)用。內(nèi)容主要包括層次分析、模糊集理論、灰色系統(tǒng)理論、物元可拓集、人工神經(jīng)網(wǎng)絡(luò)、投影尋蹤技術(shù)、遺傳算法、蟻群算法、集對(duì)分析和粗集理論等的基本概念、基本理論及其用于環(huán)境質(zhì)量評(píng)價(jià)的基本思想、模型、方法和實(shí)例分析?;痉从抄h(huán)境質(zhì)量評(píng)價(jià)取得的最新成果和發(fā)展方向。本書(shū)盡可能做到思想與概念、理論與方法、模型與應(yīng)用三個(gè)層次兼容,并注意理論與實(shí)踐緊密結(jié)合,內(nèi)容深入淺出、清晰易懂。本書(shū)適用于環(huán)境科學(xué)、環(huán)境工程、環(huán)境分析與監(jiān)測(cè)、環(huán)境與資源保護(hù)、環(huán)境系統(tǒng)分析、環(huán)境信息系統(tǒng)、水文水資源、水利水電、人口資源與環(huán)境、環(huán)境與可持續(xù)發(fā)展、環(huán)境管理等多種不同學(xué)科、專(zhuān)業(yè)的需要,可作為研究生、本科學(xué)生的教材或教學(xué)參考用書(shū),亦可供廣大科技人員、管理人員參考。

書(shū)籍目錄

第1章 概述 1.1 環(huán)境、環(huán)境質(zhì)量和環(huán)境質(zhì)量評(píng)價(jià) 1.2 評(píng)價(jià)要素與環(huán)境質(zhì)量評(píng)價(jià)因子 1.3 環(huán)境質(zhì)量評(píng)價(jià)標(biāo)準(zhǔn) 1.4 基于韋伯-費(fèi)希納(W-F)拓廣定律的環(huán)境空氣質(zhì)量標(biāo)準(zhǔn) 第2章 常用的環(huán)境質(zhì)量評(píng)價(jià)方法 2.1 專(zhuān)家評(píng)價(jià)法  2.2 常用的綜合指數(shù)評(píng)價(jià)法 2.3 環(huán)境質(zhì)量評(píng)價(jià)中的因子賦權(quán) 2.4 主分量分析評(píng)價(jià)法第3章 基于層次分析決策的環(huán)境質(zhì)量評(píng)價(jià) 3.1 層次分析決策簡(jiǎn)介及其研究進(jìn)展 3.2 大氣質(zhì)量的AHP評(píng)價(jià)模型 3.3 水環(huán)境質(zhì)量的AHP評(píng)價(jià)模型 3.4 環(huán)境工程方案評(píng)選的AHP模型 3.5 AHP-PCA相結(jié)合的水質(zhì)富營(yíng)養(yǎng)化評(píng)價(jià)模型 第4章 基于模糊集理論的環(huán)境質(zhì)量評(píng)價(jià) 4.1 模糊集理論簡(jiǎn)介 4.2 大氣質(zhì)量的貼近度綜合評(píng)價(jià) 4.3 大氣環(huán)境質(zhì)量模糊綜合評(píng)價(jià)模型 4.4 水環(huán)境質(zhì)量的模糊綜合評(píng)價(jià) 4.5 湖泊營(yíng)養(yǎng)狀態(tài)的Hamming貼近度評(píng)價(jià)法 4.6 區(qū)域環(huán)境質(zhì)量綜合評(píng)價(jià)的Fuzzy概率法 4.7 用Fuzzy積分較區(qū)域環(huán)境質(zhì)量  4.8 模糊數(shù)運(yùn)算法用于湖泊營(yíng)養(yǎng)類(lèi)別評(píng)判 第5章 基于灰色系統(tǒng)理論的環(huán)境質(zhì)量評(píng)價(jià) 5.1 灰色系統(tǒng)簡(jiǎn)介 5.2 大氣質(zhì)量灰色聚類(lèi)評(píng)價(jià)模型 5.3 灰色統(tǒng)計(jì)決策法應(yīng)用于大氣環(huán)境質(zhì)量評(píng)價(jià) 5.4 灰色局勢(shì)法用于水質(zhì)富營(yíng)養(yǎng)化評(píng)價(jià) 5.5 水質(zhì)灰色關(guān)聯(lián)分析評(píng)價(jià) 5.6 湖泊富營(yíng)養(yǎng)化的灰色層次決策評(píng)價(jià)第6章 基于物元可拓集的環(huán)境質(zhì)量評(píng)價(jià) 6.1 物元可拓集簡(jiǎn)介 6.2 大氣質(zhì)量的物元可拓評(píng)價(jià)模型 6.3 水質(zhì)綜合評(píng)價(jià)的物元模型 6.4 城市綜合環(huán)境質(zhì)量的物元評(píng)價(jià)模型 6.5 生態(tài)環(huán)境變化趨勢(shì)的物元可拓評(píng)價(jià) 第7章 基于人工神經(jīng)網(wǎng)絡(luò)的環(huán)境質(zhì)量評(píng)價(jià) 7.1 人工神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介 7.2 大氣環(huán)境質(zhì)量評(píng)價(jià)的人工神經(jīng)網(wǎng)絡(luò)模型 7.3 水質(zhì)評(píng)價(jià)的人工神經(jīng)網(wǎng)絡(luò)模型 7.4 湖泊富營(yíng)養(yǎng)化評(píng)價(jià)的人工神經(jīng)網(wǎng)絡(luò)模型 7.5 城市環(huán)境質(zhì)量的B-P網(wǎng)絡(luò)綜合評(píng)價(jià) 7.6 基于B-P網(wǎng)絡(luò)權(quán)重分析的大氣顆粒物源解析評(píng)價(jià) 第8章 基于投影錄蹤技術(shù)的環(huán)境質(zhì)量評(píng)價(jià) 8.1 投影尋蹤技術(shù)簡(jiǎn)介 8.2 基于投影尋蹤新算法的水質(zhì)評(píng)價(jià)模型 8.3 基于投影尋蹤的大氣顆粒物源解析評(píng)價(jià) 8.4 基于免疫進(jìn)化算法優(yōu)化的投影尋蹤地下水水質(zhì)評(píng)價(jià) 第9章 基于遺傳算法的環(huán)境質(zhì)量評(píng)價(jià) 9.1 遺傳算法簡(jiǎn)介 9.2 基于GA優(yōu)化的大氣質(zhì)量評(píng)價(jià)模型 9.3 基于GA優(yōu)化的地面水水質(zhì)評(píng)價(jià)模型 9.4 基于GA優(yōu)化的地下水水質(zhì)評(píng)價(jià)模型 9.5 基于GA優(yōu)化的湖泊富營(yíng)養(yǎng)化評(píng)價(jià)的普適公式 9.6 基于GA優(yōu)化的湖泊富營(yíng)養(yǎng)化評(píng)價(jià)的普適卡森指數(shù)公式 9.7 基于蟻群算法的大氣顆粒物的源解析第1章 基于集對(duì)分析和粗集理論的環(huán)境質(zhì)量評(píng)價(jià) 1.1 集對(duì)分析簡(jiǎn)介 1.2 粗集理論簡(jiǎn)介 1.3 水氣質(zhì)量的集對(duì)分析評(píng)價(jià)模型 1.4 水質(zhì)的集對(duì)分析評(píng)價(jià)模型 1.5 基于粗集理論的大氣顆粒物的排放源的重要性評(píng)價(jià) 1.6 基于粗集理論的地下水水質(zhì)標(biāo)屬性約簡(jiǎn) 第11章 大氣質(zhì)量評(píng)價(jià)的標(biāo)度指數(shù)法 11.1 大氣質(zhì)量評(píng)價(jià)的標(biāo)度指數(shù)法 11.2 環(huán)境質(zhì)量綜合指數(shù)的余分指數(shù)合成法 11.3 大氣質(zhì)量評(píng)價(jià)的廣義對(duì)比如加標(biāo)度指數(shù)法 11.4 環(huán)境質(zhì)量評(píng)價(jià)的污染損害普適指數(shù)公式 第12章 可持續(xù)發(fā)展評(píng)價(jià)模型 12.1 基于集對(duì)分析的社會(huì)、經(jīng)濟(jì)與環(huán)境協(xié)調(diào)發(fā)展的評(píng)價(jià)模型 12.2 基于遺傳算法成化的城市可持續(xù)發(fā)展評(píng)價(jià)的普適公式 12.3 基于蟻群算法的可持續(xù)發(fā)展評(píng)價(jià)指數(shù)公式

圖書(shū)封面

評(píng)論、評(píng)分、閱讀與下載


    環(huán)境質(zhì)量評(píng)價(jià)原理與方法 PDF格式下載


用戶(hù)評(píng)論 (總計(jì)1條)

 
 

  •   不錯(cuò),一本好書(shū)
 

250萬(wàn)本中文圖書(shū)簡(jiǎn)介、評(píng)論、評(píng)分,PDF格式免費(fèi)下載。 第一圖書(shū)網(wǎng) 手機(jī)版

京ICP備13047387號(hào)-7