基于改进粒子群的土壤水分特征曲线参数优化研究

土壤水分特征曲线是研究土壤水分运动的重要参数,Van Genuchten方程是目前广泛应用的土壤水分特征曲线方程。由于该方程参数较多,人工调节参数繁琐复杂,应用优化算法实现参数自动调节成为首选。分别采用遗传算法(GA)、粒子群算法(PSO)和改进粒子群算法(CMOPSO)对方程进行参数寻优,对比3种算法的收敛速度、所需迭代次数和算法稳定性。结果表明:3种算法的参数模拟精度均较好;改进粒子群算法的全局搜索能力和收敛速度优于遗传算法与粒子群算法,且所需迭代次数最少,适合VG方程的参数寻优。     

基于PSO-BPNN和多目标优化的混凝土坝参数反演

基于监测数据的混凝土坝参数反演能够为评估大坝安全性态提供重要信息。传统的参数反演方法通常采用加权求和法以简化基于多种类型监测数据构建的多个目标函数，并结合单目标优化算法求解。由于权值的确定具有主观性以及单目标优化算法在实际应用中存在局限性，可能导致反演结果出现较大偏差。因此，考虑多种类型的监测数据以构建不同的目标函数，结合NSGA-Ⅱ算法搜寻Pareto最优解集，提出了一种基于PSO-BPNN模型和多目标优化的混凝土坝参数反演方法。研究成果依托于GD重力坝工程，并与传统参数反演方法进行了对比分析。应用表明，该方法对于混凝土坝参数反演更为合理和准确。     

基于改进模拟退火算法反演水文地

水文地质参数的反演是一个复杂的非线性优化问题，针对标准模拟退火算法收敛速度慢的缺陷，提出了反演水文地质参数的改进模拟退火算法。采取了设置内阀值、增加约束条件和记忆功能等措施，以提高标准模拟退火算法的收敛速度。实例分析结果表明，改进模拟退火算法在水文地质参数反演和含水层隔水边界的识别问题中不仅是可行的，而且求解精度较高。同时，结合实例的结果分析并给出了影响算法收敛性能的几个因素。     

基于实码的加速遗传算法在水文地质参数反演中的应用

采用遗传算法的一种改进算法基于实码的加速遗传算法(RAGA)对一地区的水文地质参数(渗透系数K,潜水给水度μ)进行了反演计算,并建立了与数值方法耦合的数学模型。同时与基于实码遗传算法(RGA)、人工调参法在水文地质参数反演中的应用进行了对比。研究表明:与其它2种方法相比,基于实码的加速遗传算法在水文地质参数的反演中具有全局优化,加快收敛的优点。     

基于鲸鱼优化算法的水资源优化配置研究

水资源短缺,水资源利用不合理是我国当前面临的严峻问题,基于水资源的现状问题,合理优化配置水资源显得尤为重要。在之前的研究基础上,介绍了一种新型仿生智能算法:鲸鱼优化算法,利用该算法参数简单、快速收敛及其全局优化等优点,将其运用至水资源优化配置问题中,并以邯郸市东部平原区为研究区进行合理的水资源优化配置。结果表明,丰水年和平水年各地区各用水部门供需矛盾得到了一定缓解,但枯水年各地区均仍处于缺水状态。经配置研究,鲸鱼优化算法在水资源优化配置方面具有较好的可行性,并为水资源优化配置提供了一种新的研究方法。     

PA-DDS算法在HBV模型参数优化中的应用

影响水文模型预报精度的因素有很多,其中模型参数的优化对模拟结果起到至关重要的作用,目前用于参数优化的方法包括单目标优化和多目标优化两种。随着参数率定方法研究的深入,多目标分析问题越来越受到关注。Pareto存档动态维度搜索(Pareto-Archived Dynamically Dimensioned Search,PA-DDS)作为多目标优化算法,通过在求解过程中动态存储Pareto前沿以防止最优解的丢失,在寻优速度以及解的稳定性方面比较有优势。精英非支配排序遗传算法(NSGA-Ⅱ)具有寻优速度快、解集收敛性能好等优点,已经成为检验其他多目标优化算法性能的标准;AMALGAM算法通过对四种相关算法分配权重从而实现信息交换同时寻优,解的收敛性能较好。因此本文将PA-DDS算法与AMALGAM算法和精英非支配排序遗传算法(NSGA-Ⅱ)在收敛性能方面进行了对比,并将非劣解分布的均匀性及解的相似性方面与AMALGAM进行比较,利用尼泊尔巴格玛蒂河流域2005-2011年期间实测洪水日径流过程资料作为HBV模型参数率定系列,运用PA-DDS算法对模型参数进行优化,得出Pareto最优解,并利用2013年5场洪水日径流过程进行模型检验。结果表明:PA-DDS算法比AMALGAM算法能够更快地得到Pareto最优解且解的质量较好,拟合历史洪水平均确定性系数达到0.86,模型预报精度高,表明PA-DDS优化算法在解决多参数多目标优化问题中具有优势。     

基于蚁群算法的含水层参数识别方法

含水层参数的确定,是进行地下水资源科学管理的基础和关键。针对传统一些求参方法的缺点,提出了基于蚁群算法的含水层参数识别方法,并给出了实施该方法的具体步骤。以无界承压含水层井流模型为例,讨论了蚁群算法在含水层参数反演中的应用。实例分析结果表明,蚁群算法在确定含水层参数的优化问题中不仅可行,而且具有求解精度高和鲁棒性强等特点,显示了蚁群算法在水科学优化问题中的应用前景。     

混沌粒子群算法在新安江模型参数优选中的应用

流域水文模型由于受到众多因素的影响导致结构复杂、参数众多,大多数参数都有明确的物理意义,理论上可根据其物理意义直接定量,但实际上由于缺乏观测数据支持,往往需要通过系统识别的方法推求.因此,积极开展模型参数识别技术的研究和应用从而得到合适的参数对模型推广应用及提高应用精度都有很重要的意义.采用由粒子群算法和混沌优化方法结合的混沌粒子群算法对水文模型参数进行优选,该算法对局部最优解在搜索空间上进行混沌迭代优化,改善和提高了基本粒子群算法的全局寻优性能和收敛速度.在新安江水文模型参数优选的应用结果表明,该参数优选方法比传统参数优选方法更易快速的收敛于全局最优解.     

混沌粒子群算法在新安江模型参数

流域水文模型由于受到众多因素的影响导致结构复杂、参数众多，大多数参数都有明确的物理意义，理论上可根据其物理意义直接定量，但实际上由于缺乏观测数据支持,往往需要通过系统识别的方法推求。因此，积极开展模型参数识别技术的研究和应用从而得到合适的参数对模型推广应用及提高应用精度都有很重要的意义。采用由粒子群算法和混沌优化方法结合的混沌粒子群算法对水文模型参数进行优选，该算法对局部最优解在搜索空间上进行混沌迭代优化，改善和提高了基本粒子群算法的全局寻优性能和收敛速度。在新安江水文模型参数优选的应用结果表明，该参数优选方法比传统参数优选方法更易快速的收敛于全局最优解。     

光伏充气膜温室自跟踪发电系统发电量预测

针对光伏充气膜温室自跟踪发电系统提出了一种加入天气预报信息的自适应变异粒子群神经网络的发电量预测算法.首先结合历史发电量数据和气象数据分析了影响光伏充气膜温室自跟踪发电系统发电量的主要因素,建立了加入天气预报的神经网络预测模型,并针对传统神经网络预测模型中基于梯度下降的BP算法收敛慢、易陷入局部最优、训练难收敛等问题,通过自适应变异粒子群算法改进了神经网络.该算法通过将变异环节引入粒子群优化算法,进行隔代进化找到局部最优解.实验结果表明所采用的自适应变异粒子群的神经网络预测算法的全局收敛性能得到了显著提高,能有效避免粒子群优化算法中的早熟收敛问题.     

基于人群搜索算法的多电机协同控制研究

单轴跟踪响应是多伺服电机协同控制的关键技术之一,针对此,文章提出了一种基于人群搜索算法的SOA-PID控制器的控制策略。该策略基于搜索和进化思想的群体智能算法,融合PID控制,设计了SOA-PID控制器,提高了PID参数的优化效果和优化速率。仿真结果表明,SOA-PID控制器优化后的PID参数有收敛快、扰动小等特性。     

线性递减权重粒子群优化投影寻踪模型及应用

针对粒子群算法局部搜索能力较弱和存在早熟收敛的问题,为了有效地控制粒子群算法的全局搜索和局部搜索,提出了将线性递减权重引入到粒子群优化算法中.该算法是从随机解出发,通过追随当前搜索到的最优值来寻找全局最优解,增加了粒子群算法的局部搜索能力.将其算法优化投影寻踪模型,以此构建了线性递减权重粒子群优化投影寻踪模型,将该模型应用到土坝护坡模式优化评价中,选取9个指标作为评判因子,提出适合该地区的土坝护坡优化模式.结果表明:线性递减权重粒子群优化投影寻踪模型可以有效地找到最佳投影方向,计算投影值,根据投影指标值的大小可对方案进行优选.利用该模型对土坝护坡模式进行综合评价是切实可行的.该算法以其实现容易、精度高、收敛快等优点,并且在解决实际问题中展示的优越性,在工程优化领域具有广泛的应用前景.     

基于1stopt的全局优化法在拖拉机最终传动齿轮参数设计中的应用

针对常规设计方法容易陷入局部优化解的问题,以拖拉机最终传动齿轮参数优化设计为例介绍了基于1stopt的全局优化法在机械混合离散变量优化设计中的应用。结果表明,该方法求解速度快,收敛效率高,使用方便,是处理复杂非线性混合变量优化问题的有效手段。     

基于群智能优化算法的土壤水动力参数反演

土壤水动力参数是模拟田间土壤物质传输过程的基本参数,准确确定土壤水动力参数对实现农田生境精准调控具有重要意义。基于一维垂直入渗试验数据,采用代数方法和数值方法,构造3个不同的目标函数,并分析鲸鱼优化算法和灰狼优化算法反演Brooks-Corey-Mualem模型参数的适用性。结果表明：通过选择合适的目标函数,两种群智能优化算法均可用于反演土壤水动力参数。在代数方法中,鲸鱼优化算法在目标函数2下(由累积入渗量、入渗时间、含水率构成的相对误差)固定参数θ_r、θ_s优化得到的土壤水动力参数误差最小,反演参数得到的累积入渗量、入渗率、含水率的相对误差都在9.74%以下,决定系数都在0.904 0以上,反演时间为70 s;在数值方法中,灰狼优化算法在目标函数3下(由累积入渗量、湿润锋深度、含水率构成的相对误差)固定参数θ_r、θ_s优化得到的参数误差最小,反演参数得到的累积入渗量、入渗率、含水率的相对误差都在2.53%以下,决定系数都在0.991 7以上,反演时间为115 s。因此,代数方法所用时间短、精度相对较低...     

基于改进差分进化算法的无功优化

电力系统的无功优化问题是一个复杂的多目标、多约束、非线性的混合整数优化问题,针对基本差分进化算法易陷入局部最优解、收敛速度慢的缺点,提出一种新的改进差分进化算法。该算法通过动态交换、多群体分组和调节自适应参数的方式,增强个体间的信息交换,保持解的多样性,进而实现跳出局部最优解的目的。在此基础上,将该算法应用于电力系统的无功优化中,对IEEE 57节点测试系统进行无功优化仿真,证明该改进差分进化算法是求解电力系统无功优化问题的一种有效工具。     

土壤水分运动参数的确定及其灵敏性能分析

土壤水分运动参数是利用Darcy—Richards方程定量研究土壤水分运动的基础。本文对主要土壤水分运动参数之一的水分特征曲线的拟合提出了一整套计算速度快、收敛性能好的联合计算方法和计算程序;并对土壤水分特征曲线以及由其推导出的土壤导水率的灵敏性能进行了大量的理论分析,对其精度也结合试验进行了分析研究。     

改进微粒群算法及其在水库优化调

介绍了一种新的集群智能算法—微粒群算法（PSO），该算法具有实现简单、参数少且收敛快的特点。针对其易于陷入局部最优的缺陷，文中通过引入遗传算法中的“杂交”算子，并采用自适应的惯性权重，对原算法进行了改进，并将其应用于水库长期优化调度问题。文中用实际算例验证了该算法的有效性，从而为水库优化调度问题提供了一种新的求解途径。     

裸露地表土壤水分的L波段被动微波最佳角度反演算法

该文阐述了中纬度地区春季裸露耕地土壤水分监测的重要性,对比分析了目前几种主要的土壤水分反演方法。为提高裸露耕地土壤水分的监测精度,在分析AIEM土壤发射率模拟数据库的基础上,提出了一种基于L波段单角度双极化被动微波遥感数据的土壤湿度和土壤粗糙度的反演算法,并对新反演算法的创新性和可行性进行了基于仿真数据的论证。该反演算法以地表温度作为辅助数据,利用L波段47°双极化的微波亮温数据进行土壤湿度和粗糙度的反演。仿真数据的验证结果表明,在充分考虑土壤温度、土壤质地等辅助数据测量误差的条件下,算法对土壤湿度和土壤     

混合果蝇优化算法PID参数整定方法的研究

【目的】解决基本果蝇优化算法（FOA）由于算法局限性而出现比例积分微分（PID）参数整定收敛速度慢且容易过早陷入局部最优的问题。【方法】为了在迭代前期具有更高的全局搜索效率,利用粒子群算法（PSO）寻找多个全局较优种群,迭代后期使用具有较强的局部寻优能力的FOA算法提高收敛精度,实现对全局搜索和局部搜索过程的优化。【结果】两个二阶时滞系统的阶跃响应测试结果表明,基于HFOA的PID控制器参数整定的上升时间、调节时间和超调量等指标更优,能够实现更好的系统响应性能。【结论】优化后算法具有控制精度高、响应速度快、鲁棒性好等优点,为PID参数优化提供了参考。     

基于模拟退火人工鱼群混合算法确定含水层参数

水文地质参数是地下水数值模拟中重要的参数,通过抽水试验进行水文地质参数的反演,用一个复杂的非线性优化问题来描述,由于传统方法如图解法等因人为因素造成计算结果精度低。利用鱼群算法良好的全局搜索能力和模拟退火较强的局部寻优能力相结合的混合算法反演含水层参数。实例证实,混合算法计算结果比传统方法计算结果更可靠、精度更高,反演的参数代入泰斯公式后计算降深值符合实际降深值,与人工鱼群算法相比,运行更短,计算效率更高,是一种求解出含水层参数的简单、有效的方法。