支持向量机在水资源类综合评价中的应用——以全国31个省级行政区水资源合理性配置为例

简要分析水资源类综合评价中存在的问题,针对各种人工神经网络(ANN)应用于水资源类综合评价中存在的缺点,采取基于支持向量机(SVM)基本原理和交叉验证(CV)方法,提出一种通用的CV-SVM水资源类综合评价模型,并构建GA-BP、传统BP及RBF评价模型作为对比模型。首先，基于水资源配置基本内涵，构建水资源合理配置评价指标体系和分级标准,采用随机内插的方法在各评价分级标准阈值间生成训练样本和检验样本,选用决定系数R²等6个统计学指标用于评价模型性能,在达到预期评价精度后将模型应用于水资源类综合评价中,以解决此类综合评价中由于“欠拟合”与“过拟合”降低网络泛化能力的问题。结果表明,CV SVM模型性能和评价精度优于GA-BP、RBF和BP网络模型,该模型应用于水资源类综合评价是合理可行和有效的。最后应用CV-SVM评价模型,以全国31个省级行政区水资源合理性配置为例进行模型验证。     

基于随机森林回归算法的水生态文明综合评价

参考国内已有研究成果,利用层次分析法从水生态系统和经济社会系统中遴选出24个指标,构建3个层次的水生态文明评价指标体系和5个等级的分级标准;采用随机生成和随机选取的方法在水生态文明评价等级标准阈值间构造训练样本和检验样本,建立基于随机森林回归算法的水生态文明评价模型,并构建径向基神经网络模型作为对比模型,利用平均相对误差绝对值等3个指标对模型性能进行评价。以文山州为实例进行水生态文明综合评价分析,结果表明:基于随机森林回归算法的水生态文明评价模型3个评价指标均优于径向基神经网络模型,具有评价精度高、泛化能力强、收敛速度快、稳健性能好以及调节参数少等优点;文山州2015年、2020年和2030年水生态文明评价结果分别为"基本和谐"、"和谐"和"理想状态"。     

HTS算法与GRNN、SVM耦合模型在径流预测中的应用

为提高水文预测预报精度,基于广义回归神经网络(GRNN)和支持向量机(SVM)构建GRNN_SVM耦合预测模型,利用热量传递搜索(HTS)算法同时优化GRNN、SVM关键参数和耦合权重系数,提出HTS_GRNN_SVM耦合预测模型。采用8个标准测试函数对HTS算法进行仿真验证,并与教学优化(TLBO)算法、灰狼优化(GWO)算法等当前寻优效果较好的几种算法进行对比验证;利用两个径流量预测算例对HTS_GRNN_SVM耦合模型进行实例验证,并与HTS_GRNN、HTS_SVM及GRNN、SVM模型的预测结果进行对比。结果表明:HTS算法的寻优精度优于TLBO、GWO等优化算法,具有较好的收敛速度、求解精度和稳定性; HTS_GRNN_SVM模型融合了HTS算法与GRNN、SVM模型的优点,在预测精度、泛化能力等方面均优于HTS_GRNN等4种模型。     

基坑变形预测的改进供需优化算法-指数幂乘积模型

为提高基坑变形预测精度,提出改进供需优化算法-指数幂乘积基坑变形预测模型(ISDO-EPP模型)。通过6个标准测试函数和3个应用实例对ISDO算法的寻优能力进行验证,并与基本供需优化(SDO)算法、鲸鱼优化算法(WOA)、灰狼优化(GWO)算法、蛾群算法(MSA)、粒子群优化(PSO)算法的寻优结果进行比较。以3个基坑沉降预测为例,通过自相关函数法和虚假最邻近法确定各实例延迟时间和嵌入维数,构造输入、输出向量对各模型进行训练和预测。结果表明,ISDO算法搜索能力优于SDO等5种算法,具有较好的寻优精度、全局搜索能力和稳健性能。ISDO-EPP模型对3个实例预测的平均相对误差绝对值分别为0.73%、3.36%和1.33%,均优于ISDO-SVM、ISDO-BP模型,表明ISDO算法能有效优化EPP模型参数,ISDO-EPP模型用于变形预测是可行和有效的。     

新型萤火虫算法-投影寻踪模型在区域人水和谐评价中的应用

为科学评价区域人水和谐状况,构建新型萤火虫算法(NFA)-投影寻踪(PP)评价模型。以文山州2006-2018年资料为例进行实例研究。选取8个典型测试函数对NFA进行仿真验证,并与教学优化(TLBO)等4种优化算法的仿真结果进行对比。从水资源、经济社会、生态环境3个方面遴选16个指标构建区域人水和谐度评价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构建人水和谐度评价投影目标函数,利用NFA优化求解该目标函数的最佳投影向量,构建NFA-PP模型对研究区2006-2018年人水和谐状况进行评价。结果表明:NFA寻优效果优于TLBO等4种算法,具有较好的寻优精度、极值寻优能力和全局搜索能力。NFA-PP模型对实例2006-2011年人水和谐度评价为"不和谐",2012-2016年评价为"基本和谐",2017-2018年评价为"较和谐"。2006-2018年文山州人水和谐度呈上升趋势,且上升趋势显著。     

基于极限学习机的长江流域水资源开发利用综合评价

为能客观、准确地对长江流域水资源开发利用进行综合评价,利用层次分析法构建了符合长江流域水资源开发利用现状的综合评价指标体系和分级标准,基于极限学习机(ELM)算法原理,构建了ELM水资源开发利用综合评价模型对长江流域及主要水系水资源开发利用进行综合评价,并构建RBF、BP神经网络模型作为对比评价模型。采用随机内插的方法在各评价分级标准阈值间生成训练样本和检验样本,在达到预期评价精度后将模型运用于长江流域水资源开发利用综合评价中。结果表明:ELM水资源开发利用综合评价模型对长江流域及主要水系水资源开发利用综合评价等级为4～8级,处于有潜力至失衡之间,与长江流域各主要水系水资源开发利用现状相符;该模型的评价精度和泛化能力均优于RBF及BP神经网络评价模型,是合理可行和有效的,可应用于长江流域水资源开发利用综合评价,具有参数选择简便、评价精度高、泛化能力强等优点。     

岩溶地区生态环境脆弱性与水资源承载力评价方法研究——以云南省西畴县为例

构建岩溶地区生态环境脆弱性与水资源承载力评价的指标体系和分级标准,建立基于GRNN与RBF神经网络算法原理的生态环境脆弱性以及水资源承载力评价模型,采用内插法构造网络训练样本,对典型岩溶地区西畴县不同规划水平年生态环境脆弱性与水资源承载力进行评价分析。结果表明:①西畴县不同规划水平年生态环境脆弱性处于中度脆弱与强度脆弱之间,水资源承载力处于基本可承载与可承载之间,评价结果符合西畴县现状,可为岩溶地区生态环境治理和水资源开发利用提供参考。②GRNN与RBF网络模型对西畴县各水平年生态环境脆弱性与水资源承载力评价结果相同,表明研究建立的生态环境脆弱性与水资源承载力评价模型和评价方法均是合理可行的,同BP等网络算法相比,GRNN与RBF神经网络模型具有收敛速度快、预测精度高、调整参数少,不易陷入局部极小值等优点。     

基于GRNN模型的区域水资源可持续利用评价

利用层次分析法构建了符合丰水地区水资源可持续利用指标体系和评价标准,从水资源条件、水资源开发利用效率、生态环境状况、水资源合理配置和水资源管理能力5个方面提出50个评价指标,并运用GRNN神经网络水资源可持续利用评价模型,对文山州不同规划水平年水资源可持续利用进行了综合评价。结果表明：① 不同规划水平年各评价区域水资源可持续利用评价为2~3级,反映出文山州现状及中、长期水资源处于可持续与基本可持续之间的状况,亦表明所建立的GRNN评价模型和评价方法是合理可行的;② GRNN网络评价模型具有收敛速度快、预测精度高、参数调整少、不易陷入局部极小值等优点,可以更快地预测评价网络,能够满足客观评价区域水资源可持续利用状况的要求。     

多重组合神经网络模型在年径流预测中的应用

针对线性组合预测模型预测精度不高、单一预测模型权重较难确定和非线性组合预测模型组合函数难以构造等问题,为最大限度地挖掘输入向量间的有用信息以及充分发挥神经网络模型的高度非线性映射能力,提出一种基于BP、Elman、RBF、GRNN这4种神经网络算法原理的多重组合年径流预测模型。以4种单一预测模型的预测结果作为一次组合预测模型的输入向量,实测流量作为输出向量,构建4输入1输出的一次组合预测模型;再以一次组合预测模型预测结果作为二次组合预测模型的输入向量,实测流量作为输出向量,构建4输入1输出的二次组合预测模型;依次类推,构建12种多重组合预测模型。以新疆伊犁河雅马渡站年径流预测为例,将预测结果与4种单一预测模型及IEA-BP模型的预测结果进行比较,结果表明:多重组合预测模型的预测精度和泛化能力较单一预测模型均有较大提高,随着模型组合重数的增加,预测精度呈提高趋势,是提高预测精度的有效方法。     

基于WPD-TSO-ELM模型的月径流时间序列预测

为提高径流时间序列预测精度,减少计算规模,基于“分解-预测-重构”思想,提出小波包分解(WPD)-金枪鱼优化(TSO)算法-极限学习机(ELM)组合预测模型,并应用于云南省龙潭站、革雷站月径流预测。结果表明,TSO算法具有较好的寻优精度和全局搜索能力,寻优精度优于HHO、GWO、SFO、PSO算法。WPD-TSO-ELM模型对实例龙潭站、革雷站月径流预测的平均绝对百分比误差分别为0.175%、0.121%,预测误差小于WPD~2-TSO-ELM模型,较WPD~1-TSO-ELM、SSA-TSO-ELM、VMD-TSO-ELM模型降低1个数量级以上。WPD-TSO-ELM模型预测精度高、计算规模小,是一种简洁高效的径流时间序列预测模型。