云南省水安全区域类型识别TSA-PP模型及应用

为科学识别云南省16个州市的水安全区域类型,提出了树-种算法(TSA)-投影寻踪(PP)识别模型。选取了4个典型测试函数对TSA进行仿真验证,并将验证结果与人工蜂群(ABC)算法、布谷鸟搜索(CS)算法等6种算法的仿真结果进行了对比。以云南省为研究对象从水资源条件、经济社会条件和水环境条件中遴选出了27个指标构建区域水安全类型识别指标体系和分级标准,在各分级标准阈值间采用随机内插的方法生成样本;同时,构建了基于水资源、经济社会和水环境条件的投影指标函数,并分别采用TSA搜索最优投影向量,计算云南省内各州市的综合投影值以及各分级标准阈值的投影值,然后利用分级标准阈值投影值对各行政区的水安全区域类型进行识别。结果表明:TSA寻优精度优于ABC、CS等6种算法,具有较好的收敛精度、极值寻优能力和收敛稳健性能。TSA-PP模型对云南省各州市的水安全类型识别结果为:昆明市、玉溪市为"中度缺水-较发达-中等"型;楚雄州、大理州为"严重缺水-中度发达-较差"型;西双版纳、迪庆州为"中度缺水-中度发达-中等"型;丽江市为"严重缺水-中度发达-中等"型;德宏州为"轻度缺水-中度发达-中等"型;怒江州为"轻度缺水-中度发达-较差"型;其他州市被识别为"中度缺水-中度发达-较差"型。     

盘龙河流域水资源管理关键性问题探讨

针对盘龙河流域水资源管理中存在的问题,结合最严格水资源管理制度,从用水总量控制与水量分配、初始水权和水权制度、水资源统一管理、水资源监控体系建设、重点流域水生态承载力研究、水电工程水量统一调度和水生态文明建设7个方面提出措施及建议,为盘龙河流域水资源管理提供参考。     

基于改进BP神经网络模型的云南文山州水资源脆弱性综合评价

利用层次分析法构建符合丰水地区水资源脆弱性评价的指标体系和等级标准,分别构建基于单、双隐层BP神经网络技术的区域水资源脆弱性综合评价模型,并采用内插法构造网络训练样本,将水资源脆弱性分级评价标准值作为“评价”样本,对云南文山州区域水资源脆弱性进行评价分析。结果表明：①单、双隐层BP神经网络模型对区域水资源脆弱性综合评价结果基本相同,说明研究建立的区域水资源脆弱性评价模型和评价方法均是合理可行的,与单隐层网络相比,双隐层网络泛化能力强,预测精度高,但训练时间较长;②文山州各评价区域不同规划水平年水资源脆弱性评价等级为Ⅲ-Ⅴ级,即处于中度脆弱与不脆弱之间,客观反映了该州水资源脆弱性状况,符合区域实际情况。评价结果可以作为研究和评价区域水资源脆弱性的参考依据。     

正弦余弦算法-投影寻踪水污染物总量分配模型

基于水资源禀赋条件、效率原则和尊重现状的原则,构建水污染物总量分配指标体系和水污染物分配投影寻踪(PP)模型。针对PP模型最佳投影方向难以确定的不足,利用正弦余弦算法(SCA)搜寻PP模型最佳投影方向,构建SCA-PP模型对云南省文山州壮族苗族自治州8县(市)水污染物控制总量进行分配。并通过6个典型测试函数对SCA算法进行仿真验证,仿真结果与蚁群优化(ACO)算法、模拟退火算法(SA)、文化算法(CA)、布谷鸟搜索(CS)算法和人工蜂群(ABC)算法进行对比。结果表明:(1)SCA算法寻优效果明显优于ACO、SA、CA、CS和ABC算法,具有模型简单、调节参数少、收敛速度快、寻优精度高、全局寻优能力强以及收敛稳定性与收敛可靠性好等特点。(2)SCA-PP模型水污染物控制总量分配结果符合区域经济社会发展和水污物染削减客观要求。模型及方法具有一定的可操作性和有效性,可为水污染物分配提供新的途径和方法。     

基于人工生态系统优化算法的组合生长需水预测模型

为提高需水预测精度,拓展生长模型在需水预测中的应用,提出基于人工生态系统优化(AEO)算法的组合生长需水预测模型。结合实例,选取6个标准测试函数在不同维度条件下对AEO算法进行仿真验证,并与鲸鱼优化算法(WOA)、灰狼优化(GWO)算法、教学优化(TLBO)算法和传统粒子群优化(PSO)算法的仿真结果进行比较。基于Weibull、Richards、Usher 3种单一生长模型构建Weibull-Richards-Usher、Weibull-Richards、Weibull-Usher、Richards-Usher 4种组合生长模型,利用AEO算法同时对组合模型参数和权重系数进行优化,提出AEO-Weibull-Richards-Usher、AEO-Weibull-Richards、AEO-Weibull-Usher、AEO-Richards-Usher需水预测模型,并构建AEO-Weibull、AEO-Richards、AEO-Usher、AEO-SVM、AEO-BP模型作对比,以上海市需水预测为例进行实例验证,利用实例前30组和后8组统计资料对各组合模型进行训练和预测。结果表明,在不同维度条件下,AEO算法寻优精度优于WOA、GWO、TLBO、PSO算法,具有较好的寻优精度和全局搜索能力。4种组合模型对实例预测的平均相对误差绝对值、平均绝对误差分别在0.94%~1.17%、0.30亿~0.37亿m³之间,预测精度优于AEO-Weibull等其他5种模型。4种组合模型均具有较好的预测精度和泛化能力,表明AEO算法能同时有效优化组合生长模型参数和权重系数,基于AEO算法的组合生长模型用于需水预测是可行和有效的。     

相空间重构支持向量机在径流模拟中的应用研究

将相空间重构理论引入月径流模拟中,利用C-C算法进行相空间重构,将一维径流时间序列拓展为多维,基于交叉验证支持向量机(CV-SVM)原理及方法,构建以相空间重构理论与支持向量机相结合的径流时间序列模拟模型,并构建传统BP、双隐层BP及GA-BP径流时间序列模拟模型作为对比模型,以盘龙河龙潭寨月径流时间序列为例进行分析。结果显示:基于相空间重构理论的CV-SVM模拟模型能较好地处理复杂的径流序列,在长达200个月的测试样本模拟中,平均相对误差e MRE、最大相对误差e MaxRE分别为0.571 7%,5.526 7%,决定系数DC和合格率QR分别为0.999 9和100%。表明该模型具有较高的泛化能力和模拟精度,模拟效果明显优于传统BP、双隐层BP模型,甚至优于GA-BP模型;表明研究建立的基于相空间重构理论的CV-SVM模型用于径流模拟是合理可行的,可为径流模拟提供方法和参考。     

支持向量机在湖库营养状态识别中的应用

依据我国湖库富营养化评价标准和支持向量机（SVM）原理及方法,构建基于交叉验证（CV）的CV－SVM湖库营养状态识别模型,采用随机内插的方法在各分级标准阈值间生成训练样本和测试样本,在达到预期识别精度后将模型运用于全国24个湖库营养状态的识别,并与投影寻踪法、评价指标法和神经网络评价法的识别结果进行比较。结果表明：基于线性核函数的CV－SVM模型对于随机生成的训练样本和测试样本的正确识别率分别达到97.8％和97.3％（5次平均）,对全国24个湖库营养状态的识别结果与采用投影寻踪法、评价指标法和神经网络评价法的识别结果基本相同,模型具有泛化能力强、识别精度高、收敛速度快、不易陷入局部极值等特点。     

BP神经网络在盘龙河水质综合评价中的应用

基于BP神经网络原理,建立人工神经网络水质综合评价模型,选取影响盘龙河水质类别的总磷、氨氮、高锰酸盐指数等7个指标作为评价因子,并参照GB3838-2002<地表水环境质量标准>,确定神经网络学习和训练样本,运用大型工程计算软件Matlab2010a工具箱中提供的函数进行计算,得到水质的综合评价结果,并将评价结果与单因...     

基于多组群教学优化的随机森林预测模型及应用

为有效提高水文预测预报精度,提出了一种基于多组群教学优化(MGTLO)的随机森林(RF)预测方法,利用MGTLO算法对RF两个关键参数进行优化,构建MGTLO-RF预测模型,并与基于MGTLO算法优化的支持向量机(SVM)、BP神经网络两种常规预测模型作对比分析。以云南省龙潭站月径流和年径流预测为例进行实例研究,利用前44 a和后10 a资料对MGTLO-RF等3种模型进行训练和预测。结果表明:所提出的MGTLO-RF模型具有更好的预测精度和泛化能力,可作为水文预测预报和相关预测研究的一种有效工具。     

基于混合核SHTS-SVM的年径流预测

为提高年径流预测精度,利用同热传递搜索(SHTS)算法对混合核支持向量机(SVM)关键参数和混合权重系数进行优化,提出混合核SHTS-SVM年径流预测模型。通过6个不同维度的标准测试函数对SHTS算法进行仿真验证,并与当前寻优效果较好的教学优化(TLBO)算法、灰狼优化(GWO)算法进行对比验证。利用两个年径流预测算例对混合核SHTS-SVM模型进行实例验证,并与多项式核SHTS-SVM、高斯核SHTS-SVM及SHTS-BP模型预测结果进行对比。结果表明:SHTS算法寻优精度优于TLBO、GWO优化算法,具有较好的极值寻优能力和稳健性能。混合核SHTS-SVM模型综合了多项式全局核函数和高斯局部核函数二者优点,在预测精度、泛化能力等方面均优于对比模型,具有较好的实际应用价值。