基于最优觅食算法-投影寻踪-云模型的最严格水资源管理评价

为全面衡量最严格水资源管理评价过程中的随机性与模糊性,将正态云模型引入最严格水资源管理评价,建立最优觅食算法-投影寻踪-正态云评价模型,以云南省16个州市最严格水资源管理评价为例进行研究。选取当前最严格水资源管理考核中万元GDP用水量等6大指标构建评价指标体系和分级标准,采用云模型正向发生器计算最严格水资源管理分级评价指标的隶属度,利用最优觅食算法-投影寻踪方法给出各指标权重,并与传统粒子群算法、人工蜂群算法和差分进化算法优化结果进行比较。根据隶属度矩阵和权重矩阵给出最严格水资源管理评价分级的确定度并进行评价。结果表明:最优觅食算法寻优精度高于传统粒子群等3种算法。昆明市、曲靖市最严格水资源管理评价为优秀,保山市、红河州、德宏州评价为合格,其余11个州市评价为良好。最优觅食算法-投影寻踪-正态云评价模型兼具模糊性和随机性,既能反映最严格水资源管理评价分级的定性概念,又可反映隶属程度的不确定性,具有较好的应用推广价值。     

加权平均集成神经网络模型在城市需水预测中的应用

针对单一神经网络模型预测误差波动大、精度不高等问题,提出基于SVM、BP和Elman神经网络基本模型的加权平均集成需水预测模型。首先,利用相关分析和ADF单位根检验,选取需水预测主要影响因子。为避免模型过度拟合,引入虚拟维,并针对BP、Elman神经网络标准算法收敛速度慢、易陷入局部极值的不足,采用自适应动量算法改进BP和Elman神经网络标准算法,依次构建SVM、BP和Elman需水预测单一模型,并对上海市2002—2011年需水量进行预测;最后,基于加权平均方法对各单一模型预测结果进行综合集成。结果表明:利用加权平均集成模型对上海市2002—2011年需水量进行预测的平均相对误差绝对值为1.8004％,最大相对误差绝对值为3.6995％,精度和泛化能力均大幅优于各单一模型。说明本研究建立的加权平均集成模型用于需水预测是合理可行和有效的,它综合了各单一模型的优点,有效避免了单一模型预测误差过大和不稳定的缺点,具有预测精度高、泛化能力强、误差变化幅度不大等特点。     

基于多元变量组合的回归支持向量机集成模型及其应用

为进一步提高径流预测的精度和泛化能力,提出基于多元变量组合的回归支持向量机(SVR)集成年径流预测模型,以云南省龙潭站年均径流预测为例进行实例研究。首先,以实例1—10月月均流量作为预测因子,采用相关分析法确定预测因子与年均径流量的相关系数,按照相关系数大小顺序依次选取预测因子,构建2维输入变量~10维输入变量的9种SVR模型对实例后12年的年均径流量进行预测。最后,采用简单平均(SA)和加权平均(WA)两种集成方法对具有较高预测精度的7种SVR模型的预测结果进行综合集成。结果表明:①SVR模型的预测精度随着输入变量维数的增加明显提高。②SA-SVR和WA-SVR模型对实例后12年年均径流量预测的平均相对误差绝对值分别为1.73%和1.79%,最大相对误差绝对值分别为6.34%和6.47%,精度和泛化能力均优于各SVR模型。相对而言,由于采用多个SVR模型进行集成,SA-SVR模型预测效果略优于WASVR模型。     

果蝇优化算法与支持向量机在年径流预测中的应用

针对支持向量机(SVM)学习参数难以确定的不足,利用果蝇优化算法(FOA)搜寻SVM学习参数——惩罚因子和核函数参数,提出FOA-SVM预测模型,并构建基于粒子群优化(PSO)算法、遗传优化(GA)算法搜寻SVM学习参数的PSO-SVM和GA-SVM模型作为对比,以云南省董湖站年径流预测进行实例研究。结果表明,FOASVM模型预测精度优于PSO-SVM和GA-SVM模型,具有较高的预测精度和泛化能力。     

人工鱼群算法与支持向量机在枯水期月径流预测中的应用

支持向量机(SVM)学习参数存在选择范围大,盲目搜索花耗时间多、代价大,且难以获得最佳参数等问题.针对该问题利用人工鱼群算法(AFSA)搜寻SVM学习参数,提出AFSA-SVM预测模型,并与PSO-SVM、GA-SVM模型作对比.以云南省某水文站枯水期月径流预测为例进行实例研究,利用实例前30年、中间20年和后3年资料对模型进行训练、检验和预测.结果表明:AFSA-SVM模型对实例中间20年和后3年枯水期月径流预测的平均相对误差绝对值分别为5.04％、3.62％(5次平均),精度优于PSO-SVM和GA-SVM模型,表明AFSA-SVM模型具有较高的预测精度和泛化能力.AFSA算法具有全局寻优能力强、简单易实现、对初值参数选择不敏感等优点,利用AFSA算法优化得到的SVM学习参数有利于提高SVM模型的预测精度和泛化能力.     

SSO-BP模型在水资源可再生能力评价中的应用

为评价区域水资源可再生能力,提出了水资源可再生能力评价指标体系和分级标准,构建了基于BP神经网络的评价模型,并以云南省文山州水资源可再生能力评价为例进行实例研究。首先,遴选出单位面积水资源量等10个指标,构建水资源可再生能力评价指标体系和分级标准;其次,针对BP神经网络初始权值和阈值难以确定的不足,利用一种全新的仿生群体智能算法--群居蜘蛛优化（SSO）算法优化BP神经网络初始参数,提出了SSO-BP评价模型,并通过6个高维复杂函数对SSO算法进行验证,且与粒子群优化（PSO）算法进行对比;最后,利用SSO-BP模型对实例进行水资源可再生能力评价。结果表明：① SSO算法具有较好的收敛精度和全局寻优能力,可有效提高BP神经网络模型的预测精度和泛化能力。② 文山州各评价区域2014年水资源可再生能力处于最强与中等之间,符合区域现状。     

飞蛾火焰优化算法-投影寻踪回归模型在需水预测中的应用

基于用水时间序列构建投影寻踪回归(PPR)需水预测模型。针对PPR模型矩阵参数难以确定的不足,利用一种新型群体智能仿生算法——飞蛾火焰优化(MFO)算法优化PPR模型矩阵参数,提出MFO-PPR预测模型,并构建MFO-BP模型作对比,以1980—2013年上海市需水预测为例,分别利用实例前20组和后10组数据对模型参数进行率定及预测。结果表明:MFO-PPR模型对实例后10 a需水预测的平均相对误差绝对值和最大相对误差绝对值分别为1.84%、4.20%,预测精度优于MFO-BP模型的2.06%、4.61%。MFO算法具有较好的全局寻优能力,将MFO算法应用于PPR模型参数寻优,可有效地提高PPR模型的预测精度。     

基于混沌闪电搜索算法-最大熵投影寻踪模型的区域水安全评价

为了能够在广义最严格水资源管理指标的约束下进行水安全客观评价,选取6个标准测试函数对基于混沌策略改进的新型群智能算法——混沌闪电搜索算法(CLSA)进行仿真测试,并与基本闪电搜索算法(LSA)、人工蜂群(ABC)算法、差分进化(DE)算法、混合蛙跳算法(SFLA)、文化算法(CA)、粒子群优化(PSO)算法和地理生物学优化(BBO)算法进行性能对比。提出了广义最严格水资源管理指标约束下的水安全评价指标体系和分级标准,构建最大熵投影寻踪(MEPP)多准则水安全评价目标函数,利用CLSA寻优MEPP最佳投影方向,提出了CLSA-MEPP水安全评价模型,并以云南省所辖16个行政分区为评价对象进行实例分析。结果表明:CLSA在所有测试函数的寻优精度上均优于其他7种算法,表明基于混沌策略改进的CLSA能有效地平衡群体的探索能力和开发能力之间的关系,从而提高CLSA的求解精度和极值寻优能力;CLSA对MEPP多准则水安全评价目标函数的寻优精度同样高于其他7种算法;CLSA-MEPP模型对大理、临沧和丽江的水安全评价为"不安全",对其他13个行政分区的水安全评价为"基本安全"。本文提出的模型及验证方法具有通用性,可推广应用于其他领域。     

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子评价结果进行了比较。结果表明：BP神经网络模型的评价结果不仅令人满意,而且具有客观、可靠的优点,是一种科学、新型的水质综合评价方法。     

云南文山州区域水资源优化配置计算分析

以云南文山州经济效益、社会效益和生态效益为基础,建立了基于最大经济效益的水资源多目标优化配置模型,并以文山州不同规划水平年、不同保证率情况下水资源优化配置为对象,进行计算分析.结果表明:在优先保证文山州生活、生态用水,并对工业、农业和服务业用水进行约束的条件下,不同规划水平年、不同保证率情况下普遍存在缺水现象,其中以农...