基于文化基因算法的梯级电站负荷分配研究

为了解决传统基于种群进化的搜索算法求解电站负荷分配中搜索精度低、易陷入局部最优的问题,结合文化基因算法的框架,以粒子群算法(PSO)作为全局搜索策略,分别引入爬山算法(HP)与模拟退火算法(SA)作为局部搜索策略,形成HPMA、SPMA两种文化基因算法。设计了相应的局部搜索激活机制,并针对负荷分配问题初始可行解生成效率低的问题提出了一种初始种群快速生成方法。实例计算表明,两种文化基因算法较单独使用SA、PSO等算法具有更好的求解精度,同时SPMA算法优于HPMA算法,SPMA算法有利于提高了梯级水电站负荷分配问题的求解质量。     

基于人工神经网络模型的地下水水位动态变化模拟

地下水水位的预测在流域地表水和地下水资源的综合规划管理中起着非常重要的作用。在该研究中,人工神经网络模型被应用于希尼尔水库周边地下水水位的预测中。采用研究区6口地下水观测井资料,用人工神经网络模型进行模拟预测1周后的地下水水位。模型输入因子包括此前1周蒸发量、水库水位、排渠水位、抽水量和观测井地下水位,因此模型有15个输入节点和6个输出节点。将3种不同的神经网络训练算法,即自适应学习速率动量梯度下降反向传播算法(GDX)、LM算法和贝叶斯正则化算法(BR)用于地下水水位预测,并对模拟结果进行了评估。结果表明:3种神经网络训练算法在研究区地下水水位预测中表现均较好。然而,BR算法的性能总体略优于GDX和LM算法。将BR算法训练的人工神经网络模型用于预测研究区未来2、3和4周的地下水水位,虽然地下水位预测的准确性随着时间的增加有所降低,但模拟效果仍然较好。     

基于PSO与DE混合算法的水资源优化配置

基于公平性原则构建水资源优化配置模型,针对模型的特点,将模型的可行解进行粒子化处理。利用基于粒子群(PSO)和差分进化(DE)的混合算法(PSODE)对模型进行求解。该算法通过双种群间的信息共享机制,大大降低了求解陷入局部最优的风险。此外,还采用了一种粒子变异机制进一步提高PSODE算法的性能,并通过漳河流域四大灌区水资源配置实例表明PSODE算法比PSO和DE算法收敛速度更快、准确度更高。     

人工神经网络在水文预报中的应用

在介绍人工神经网络学习算法的基础上 ,尝试用ABPM网络、L M网络和RBF网络进行水文预报 ,并将这几种网络的计算结果进行了比较分析 .仿真结果表明 :选择ABPM网络可以大大提高水文预测的精度 ,且应用前景广泛     

基于集成学习算法的黄河中游采砂信息提取

针对大范围快速监管黄河中游采砂情况以维护其生命健康的问题,提出了一种加权平均集成UNet算法和PSPNet算法,改进损失函数,并结合遥感影像特点合理设定参数的集成学习算法。通过利用算法训练得到的采砂信息提取模型对实地调查的5个采砂点进行了信息提取,结果显示:UNet算法提取的找全率(Ｒecall)为79.87%,准确率(Precision)为15.80%,交并比(IoU)为16.75%;PSPNet算法提取的找全率(Ｒecall)为57.57%,准确率(Precision)为27.79%,交并比(IoU)为31.17%;集成学习算法提取的找全率(Ｒecall)为89.57%,准确率(Precision)为55.72%,交并比(IoU)为60.28%。因此,本文算法可以在一定程度上应用于河湖两侧采砂信息的提取,更好地辅助水利行业强监管的执行。     

基于人工免疫算法的电力系统最优潮流计算

基于一阶或二阶梯度的优化算法在计算电力系统最优潮流时经常陷入局部最优点，模拟进化算法具有较好的全局搜索能力，但是有时也由于过早成熟的现象而陷入局部最优点。文中提出了一种计算电力系统最优潮流的新算法——人工免疫算法。该算法是根据人或其他高等动物免疫系统的机理而设计的，将目标函数和一部分不等式约束条件作为抗原，将搜索空间的解作为抗体，依据抗原与抗体的结合力以及抗体之间的结合力对解进行评价和选择，通过抗体之间的相互激励作用提高了最优点附近的搜索效率，通过记忆细胞对抗体的抑制作用有效地摆脱局部最优点。应用此算法进行电力系统最优潮流计算，对IEEE 30节点系统的计算结果说明了该算法的有效性。     

一种用于微机继电保护的实用滤波算法

选取2个与数据窗长有关的三角函数作为滤波函数构成一对正交的滤波器，提出一种实用的滤波算法,利用1/4周期数据窗计算出相量，通过合并计算后得到1/4周期整数倍数据窗长的相量计算结果，从而实现了保护的快速性，特别是用于线路光纤纵差保护时，会减轻保护通道的负担。通过对算例的仿真计算表明，所提出的实用滤波算法具有较好的计算精度及快速性，具有很好的实际工程应用性。     

多目标决策方案评价的免疫粒子群模型研究

给出了基于粒子群算法的方案评价方法,并引入免疫算法对其进行改进:一方面利用免疫算法的免疫记忆和自我调节机制提高其全局搜索能力,避免算法陷入局部最优解;另一方面利用免疫算法的接种疫苗和免疫选择机制增强其性能,防治算法在优化过程中可能出现的退化现象.实例证明,基于免疫粒子群算法的方案评价方法可操作性强,通用性好,能够很好地解决连续性问题的优化求解,并优于基本的粒子群算法.     

基于差分进化算法的水库防洪优化调度研究

由于影响和制约因素众多,水库防洪优化调度方案的制定是一个非常复杂和有相当难度的课题。本文以最大削峰为目标,基于差分进化(DE)算法建立多约束的水库防洪优化调度模型,给出了水库防洪优化调度问题的DE算法的求解步骤。将该算法应用于潘家口水库防洪优化调度实例问题的求解,求解结果与动态规划和粒子群算法的求解结果进行比较。该算法应用于水库防洪优化调度,可以充分发挥水库的防洪调节能力,确保水库自身以及下游防洪对象的安全,为水库提供合理有效的优化调度方案。     

利用单纯形-粒子群混合算法确定越流含水层参数

针对粒子群优化算法后期存在的收敛速度慢、早熟、易陷入局部极小等问题,将局部搜索能力强的单纯形算法和粒子群算法结合,构造单纯形-粒子群混合算法。以第一类越流系统情况下的非稳定井流问题的解析解为基础,将单纯形-粒子群混合算法应用于分析抽水试验数据,计算含水层参数的问题。数值实验结果表明:单纯形-粒子群混合算法能有效地应用于分析抽水试验数据,确定含水层参数,且具有局部搜索能力强、运算速度快和计算精度高等优点。     

利用单纯形-粒子群算法识别二维河流水质参数

将单纯形-粒子群混合算法应用于分析二维河流横向扩散情况下的水团示踪试验数据,估计河流的横向扩散系数、断面平均流速和污水排放位置。数值试验结果表明:(1)加速因子c_1,c_2和参数初值取值范围综合影响粒子的搜索能力,当加速因子c_1=c_2=1.72时,有利于保持粒子的搜索能力;(2)在同样的条件下,混合算法的时间性能指标值小于单一的粒子群优化算法;(3)参数初值的取值范围对混合算法收敛性几乎没有影响;(4)混合算法可以有效地应用于河流水质数学模型参数识别问题。混合算法能改善粒子群算法在迭代后期出现的收敛速度慢、早熟的不足,是分析河流水质模型参数的一种有效方法。     

利用单纯形2粒子群混合算法确定越流含水层参数

针对粒子群优化算法后期存在的收敛速度慢、早熟、易陷入局部极小等问题,将局部搜索能力强的单纯形算法和粒子群算法结合,构造单纯形-粒子群混合算法。以第一类越流系统情况下的非稳定井流问题的解析解为基础,将单纯形-粒子群混合算法应用于分析抽水试验数据,计算含水层参数的问题。数值实验结果表明：单纯形-粒子群混合算法能有效地应用于分析抽水试验数据,确定含水层参数,且具有局部搜索能力强、运算速度快和计算精度高等优点。     

基于常数模算法和自适应变模值符号Godard算法的联合盲均衡(英文)

在数字通信系统中为了克服码间干扰,常采用基于不需要使用训练序列的常数模算法的分数间隔盲均衡技术.但是该技术在对非常模信号,如高阶QAM信号,进行均衡时存在稳态均方误差大的缺陷.因此提出了一种基于常数模算法和自适应变模值符号Godard算法的联合盲均衡.新方法将常数模算法作为基础部分用来使接收信号的眼图睁开;将自适应变模值符号Godard算法作为第二部分用来进一步减少算法的残留误差.通过计算机仿真验证了新方法比基于常数模算法的分数间隔盲均衡具有更低的稳态均方误差.     

一种改进的粒子群与人工蜂群融合算法

针对标准的粒子群算法和人工蜂群算法收敛性能差、在复杂优化问题易陷入局部最优的缺点,提出了一种改进的融合算法.改进融合算法拥有双种群并行进化,其中粒子群采用改进的反向学习策略,以增加群体的多样性;蜂群中跟随蜂根据个体停滞次数,自适应地改变进化策略,以平衡全局探索与局部开发能力.同时算法将交替共享两个种群的全局最优位置,通过相互引导使融合算法具有更好的寻优能力.8个经典函数和CEC2013的8个复合函数的实验结果表明,与最新的一些改进粒子群和人工蜂群算法相比,该算法的收敛速度和收敛精度均有较显著的优势.     

改进粒子群算法在梯级水电站优化调度中的应用

粒子群算法是一种全局随机搜索算法。在标准粒子群算法中引入突变机制,应用于梯级水电站优化调度中,与动态规划对比,表现出该方法的简单高效性。通过实际算例验证了该方法的合理性和可靠性,从而为高维、复杂梯级水库发电优化调度提供了一种新的求解途径。     

一种新的扫描点云自动配准方法

点云数据配准是三维激光数据处理的关键问题,结合曲率进行配准是点云配准非常有效的一种方式。为了提高配准的速度和精度,针对点云曲率和RANSAC算法的特点和应用,分析了两种方法之间的优缺点。研究了一种结合曲率的RANSAC点云配准算法,并利用改进的ICP算法对点云进行精确配准。结果表明:基于曲率的RANSAC算法能够显著提高初始配准的速度和精度,同时改进的ICP算法比原有ICP算法提高了二次配准的速度和精度。     

NBA-MEPP模型在区域水资源安全评价中的应用

利用新型蝙蝠算法(NBA)优化最大熵投影寻踪(MEPP)模型的最佳投影方向,提出NBA-MEPP水资源安全评价模型,并构建了蝙蝠算法(BA)-MEPP、人工蜂群(ABC)算法-MEPP和粒子群优化(PSO)算法-MEPP作为对比模型;从水资源禀赋、水量安全、效率安全以及水质安全4个方面提出了水资源安全评价指标体系和分级标准,并以云南省16个州市的水资源安全评价为例进行实例研究。研究结果表明,NBA算法寻优MEPP目标函数获得的最优值、最劣值、平均值和标准差均要优于BA、ABC和PSO算法,具有较好的全局极值寻优能力。NBA-MEPP模型对德宏州的水资源安全评价为"安全",对丽江市的评价为"临界安全",对其他14个州市的评价为"较安全"。NBA-MEPP模型对16个州市的水资源安全评价结果与BA-MEPP模型的结果相同,但是在排序上存在着差异;与ABC-MEPP、PSO-MEPP模型在评价结果及排序上均存在差异。提出的模型及评价方法具有通用性,可为相关评价研究提供参考。     

基于磷虾觅食算法-最大熵投影寻踪模型的区域水安全评价

从总量红线、效率红线、纳污红线3个方面遴选12个指标构建最严格水资源管理约束下的区域水安全评价指标体系和分级标准。提出磷虾觅食算法(KH)-最大熵投影寻踪(MEPP)水安全评价模型,并构建人工蜂群(ABC)算法、文化算法(CA)和粒子群优化(PSO)算法-MEPP评价模型作对比,以云南省所辖16个行政分区水安全评价为例进行实例研究。结果表明:KH算法寻优精度优于ABC、CA和PSO算法,具有较好的全局极值寻优能力。KH-MEPP模型对迪庆州、德宏州、怒江州和西双版纳州水安全评价为"安全";丽江市评价为"不安全";其余行政分区评价为"基本安全"。KH-MEPP模型对云南省16个行政分区评价结果与PSO-MEPP模型相同,但在排序上存在差异;与CA-MEPP、ABC-MEPP模型在评价结果及排序上均存在差异。     

利用TM图像反演翁牛特旗地表温度

为了对三北防护林体系和科尔沁沙地的沙漠化进行监测,选择内蒙古翁牛特旗作为实验区,利用Landsat TM遥感数据对实验区进行了地表比辐射率估计和陆面温度反演.文中采用普适单通道法、单窗算法和地表绝对温度反演算法进行温度反演,3种算法均能较好地反映地表温度的空间分布趋势.通过利用野外考察实测温度数据对3种反演算法进行验证,结果表明:地表绝对温度算法得到的地表温度与地面实测值最为接近.实验结果为三北防护林和科尔沁沙地沙漠化监测奠定了部分数据基础.     

大坝安全信息权研究

大坝原型观测数据本身包含了丰富的信息，内在反映了监测项目之间的某种客观关系，基于此，应用PCA法及PPA法建立了确定大坝安全评价信息权重的正分析模型，一方面能够对数据进行降维处理，另一方面能挖掘数据内在信息，提取指标的相对重要性；并基于最优化准则，建立了信息赋权整合模型，解决了多种数学方法计算结果不一致性问题，最大限度地保持原始信息的完整性。