基于模糊逻辑与神经网络的城市区域环境状况综合评估及空间可视化研究

《Algorithms》：Models and Algorithms for the Comprehensive Assessment and Forecasting of Environmental Conditions, Using the Example of Carbon Monoxide Air Pollution and Noise Pollution Associated with Road Traffic in Cities

　　

摘要

本文提出了一套算法和模型，用于对受工业和交通设施人为影响的城市化区域的环境状况进行综合评估。所提出的机制将模糊逻辑与神经网络预测模型相结合，随后利用GIS技术对结果进行空间可视化，实现了从传统的逐成分评估向环境状况的全局时空表征的转变，并有可能制定合理的管理措施。我们开发了一种管理情景生成算法，确保闭环循环：监测—综合评估—预测—制定环境保护措施。该算法使用来自城市区域的实地环境监测数据进行了测试，数据收集于82个路段（2023–2025年），机动车交通被识别为主要的人为压力源。基于人工神经网络开发了43个数学模型，在测试数据样本上达到了0.75–0.82的判定系数。结果的空间可视化在ArcMap 10.8 GIS系统中实现，建模则在MatLab环境中完成。本研究的目标是开发一套用于城市化区域环境状况综合评估的工具集。所提出的工具集可扩展以包含其他成分，但目前的测试仅限于两个成分（CO和噪声），且仅针对一个城市（俄罗斯奥廖尔）。