基于随机粒子群算法的Van Genuchten方程参数优化求解

使用随机粒子群算法拟合土壤水分特征曲线并以此求解出Van Genuchten方程参数。通过算例与其他优化算法比较，结果表明：随机粒子群算法具有运算速度快，编程简单，初值无关性，全局收敛和计算精度高等优点，可以作为计算Van Genuchten方程参数的新方法。     

动态调整粒子群-霍尔特模型在径流预测中的应用

为了提高水库和河流中长期径流预测精度,针对粒子群算法存在的缺陷,提出了动态调整粒子群算法（DAPSO）。借助霍尔特-温特斯线性季节性模型的预测功能,应用DAPSO算法求解和优化霍尔特-温特斯线性季节性模型组合参数,形成动态调整粒子群-霍尔特-温特斯线性季节性模型组合算法,对石泉水库进行中长期径流预测。仿真计算表明,动态调整粒子群-霍尔特-温特斯线性季节性模型算法收敛速度快于霍尔特-温特斯线性季节性模型算法、粒子群-霍尔特-温特斯线性季节性模型算法。该组合算法克服了按梯度试算法搜索质量差和精度不高的缺点,输出稳定性好,预报精度显著提高,置信度为95%时的预测相对误差小于6%。该算法可应用于水库和河川中长期径流预测。     

粒子群算法在农业工程优化设计中的应用

运用改进型粒子群算法对农村的两个应用实例，农村泵房钢结构数学模型和农村电站无功补偿优化数学模型进行了优化计算，采用MATLAB语言编制了泵房钢结构优化、配电网络无功补偿的计算机仿真程序。通过两个实例的计算机仿真，优化后的泵房钢结构质量比原设计减少了27.37%；有效地搜寻到电站无功补偿费用最低的优化补偿点，结果符合实际应用情况，表明粒子群算法应用于农业工程优化设计计算切实可行，为复杂的农业工程优化设计问题提供了新的思路和方法。     

一种横磁通风力发电机的建模及参数优化设计

在横磁通风力发电机的设计与测试研究中,高质量的输出电压对风电机组背靠背变流器的可靠运行具有重要的影响作用。该文将正交设计、支持向量机非线性回归分析以及粒子群智能优化算法相结合,提出了一种以输出电压谐波最小为优化目标的横磁通发电机优化设计方法。首先,在基于标量磁位求解的三维有限元模型基础上,确定对发电机空载反电势敏感度较高的设计参数作为优化变量;其次,通过正交试验建立参数样本空间,并运用最小二乘支持向量机实现电机电磁模型的非线性回归建模,为电机优化所需的大规模迭代运算提供高效的计算模型;最后利用粒子群算法良好的全局优化特性进行寻优操作。通过一台1.5kW聚磁式横磁通永磁同步发电机设计,优化方案的空载输出电压谐波含量为14.36%,比初始方案有所降低,证明了建模和优化方案的正确性和工程实用价值。     

基于改进粒子群算法的车辆转向梯形机构优化

通过对车辆转向机构的尺寸和定位参数进行优化,能有效减小车辆转向机构的实际运动轨迹和理论运动轨迹间误差,进而有效改善车辆的操纵性能和提高转向安全性。该文研究了转向梯形机构的工作原理及其对车辆转向性能的影响,建立了转向梯形机构的非线性优化模型;然后引入越界检测函数改进传统粒子群优化算法,并给出了求解转向梯形机构非线性优化模型的方法;编制了改进粒子群算法的实现程序,并对3款不同车型的转向梯形机构进行了优化设计;最后选取3种不同智能算法分别对途乐GRX转向梯形机构进行多组优化试验。试验结果表明,改进粒子群算法的收敛速度快于传统粒子群算法和基于模拟退火的粒子群算法,求解精度略逊于基于模拟退火的粒子群算法,但仍能保证求解精度。     

基于改进极限学习机的水体溶解氧预测方法

为了有效地指导水产养殖生产，提高溶解氧浓度预测的精度，提出了基于因子筛选和改进极限学习机（Extreme Learning Machine，ELM）的水产养殖溶解氧预测模型。首先，利用皮尔森相关系数法计算各影响因子与溶解氧浓度间的相关系数，提取强关联因子，降低预测模型的输入量维度；采用偏最小二乘算法（Partial Least Square, PLS）优化传统ELM神经网络，避免网络中隐含层共线性问题，保障输出权值的稳定性；然后，结合新型激活函数，构建水体溶解氧浓度预测模型。最后，将SPLS-ELM（Selection Based Partial Least Square Optimized Extreme Learning Machine）预测模型应用到江苏省无锡市南泉基地某试验池塘的水体溶解氧预测中。试验结果表明：该模型的预测均方根误差为0.3232，与最小二乘支持向量机（Least Square Support Vector Machine，LSSVM）、BP神经网络、粒子群（Particle Swarm Optimization，PSO）优化LSSVM和遗传算法（Genetic Algorithm, GA）优化BP神经网络相比分别降低40.98%、44.48%、34.73%和44.18%。且该模型的运行时间仅0.6231s，预测精度和运行效率明显优于其他模型。该模型的溶解氧预测曲线接近真实溶解氧变化曲线，能够满足水产养殖实际生产对水体溶解氧预测的要求。     

基于支持向量机优化粒子群算法的活立木材积测算

材积模型是编制立木材积表的关键,通常用经验材积方程来预测材积量。由于树木生长具有不确定性,传统的材积方程很难有效地对模型的复杂性和多样性做出测算,导致目前活立木材积测算的准确率较低。为了提高活立木材积的测算准确率,将粒子群（particle swarm optimization,PSO）算法引入到活立木材积模型中,并用支持向量回归机（support vector machine,SVM）优化参数。PSO-SVM将活立木胸径和树高数据输入到SVM中学习,将SVM参数作为PSO中的粒子,把活立木实测材积值作为PSO的目标函数,然后通过粒子之间相互协作得到 SVM 最优参数,对活立木测算材积值进行模型测算并采用实测材积值验证。论文应用电子经纬仪与人工量测立木地径、胸径相结合的方法,通过软件计算求得400组树高、树干材积值;然后对300组数据集以活立木胸径和树高作为输入数据,材积为输出数据,采用粒子群耦合支持向量机（PSO-SVM）算法训练得到模型,并用100组数据进行预测;最后引用经典Spurr材积模型算法、BP神经网络算法和PSO-SVM算法进行了对比,其结果表明,PSO-SVM算法预测准确率最高,预测值与实测值间复相关系数达0.91,平均误差率为0.58%。     

多元copula分布函数在小流域设计洪水频率分析中的应用

以辽宁省10个小流域为研究对象,采用多元copula分布函数进行了小流域设计洪水频率分析。结果表明:采用样本数据点进行多元copula分布函数分析可对多个研究参数进行分布曲线的调整,其适用性较单要素分布函数更强;基于多元copula分布函数对小流域频率的计算结果整体情况低于单要素分布函数的计算结果,对辽宁省小流域的设计洪水频率分析具有更强的适用性和可靠性。小流域设计洪水频率曲线随参数值的增加,多元copula分布函数逐渐趋向于单要素分布函数,此研究成果可为小流域设计洪水频率的研究分析提供一定的理论支撑和决策依据。     

基于自适应差分进化算法的水稻物候期预测模型参数自动校正

进化算法在作物模型参数校准领域已有广泛应用。由于作物模型的结构包括多组常微分方程,具有非线性、不连续、多峰值特点,因此针对作物模型特点选择合适的进化算法尤为重要。同时,进化算法自身参数对算法性能有较大影响,这些参数选择往往靠经验得出,增加了优化算法在模型参数校准过程中的不确定性。该文针对进化算法应用到作物物候期模型参数校准过程中存在着算法选择和算法参数不确定性问题,以水稻RiceGrow物候期模型为应用对象,分析比较了3类进化算法应用的精度、收敛速度以及稳定鲁棒性。比较的进化算法包括差分进化系列算法（标准差分进化算法和自适应控制参数改进差分进化算法）,协同进化遗传算法系列（个体优势遗传算法、M-精英协同进化算法）以及粒子群算法系列（标准粒子群算法、基于自主学习和精英群的多子群粒子群算法）。研究利用武育粳、雪花粘等5个品种在江苏宜兴、兴化和广东高要等不同生态点的多年田间试验资料展开量化分析。结果表明：1）利用自适应控制参数改进差分进化算法校准水稻物候期模型的品种参数准确性较高,算法自身参数易于确定。物候期模型校准以后在拔节期、抽穗期、成熟期的RMSE为1.7～4.6 d、NRMSE为1.8%～5.8%、MAD 为 1.4～3.3 d、R2为 0.977～0.997,比GA系列平均分别小0.634 d、0.608%、0.453 d、0.09%,比PSO系列平均小1.399 d、1.35%、1.039 d、0.23%。 2）自适应控制参数改进差分进化算法在水稻物候期模型参数校准问题上表现出良好的收敛速度及稳定鲁棒性。重复校准试验100次的目标函数标准偏差趋近于0,每次校准得到的品种参数值标准偏差较其他算法最小。在达到同样精准度的情况下,比标准差分算法收敛速度平均快117代,适用于实际应用实践。     

基于混合狼群算法参数优选的泵站群运行优化

对于求解复杂的并联泵站群优化运行模型,狼群算法(wolf pack algorithm,WPA)存在收敛性和鲁棒性差等问题。为改善这些问题,该文以某典型并联泵站群为例,以泵站系统主机组运行能耗最低为优化目标,考虑流量、叶片角度、开机台数等约束条件,建立了并联泵站群优化运行模型。将模拟退火算法引入WPA算法中,提出混合狼群算法(hybrid wolf pack algorithm,HWPA)用于求解建立的优化模型。选择最小值、平均值和标准差作为算法性能的评价指标。相较于粒子群算法(particle swarm optimization,PSO)和WPA算法,HWPA算法求解典型并联泵站群优化运行模型得出的运行能耗最小值平均降低了15.60、10.23 kW,平均值平均降低了36.94、14.30 kW,标准差平均降低了84.82%、72.90%。在HWPA算法的基础上,对算法中的游走步长、奔袭步长、围攻步长的最小值和最大值4个参数进行单因素分析和拉丁超立方抽样设计计算,确定出4个参数的最优组合为0.33、1.53、0.672和4.8×10^5,进而提出改进混合狼群算法(improved hybrid wolf pack algorithm,IHWPA)。相较于HWPA算法,IHWPA算法求解典型并联泵站群优化运行模型得出的运行能耗最小值和平均值平均降低了4.66和13.26 kW,标准差平均降低了94.02%。应用IHWPA算法确定典型并联泵站群6个不同运行工况优化方案,结果表明,采用引入模拟退火算法、优选WPA算法参数的方法提高了算法的全局收敛性与计算鲁棒性,泵站运行最优决策方案较实际方案的运行能耗平均降低9.80%,可为泵站工程提供合理有效的运行方案,降低运行能耗。     

基于CFD的离心泵优化设计与试验

为了提高离心泵的效率,以叶轮效率最大为优化目标进行优化设计。对叶轮进行参数化设计,以实现叶轮几何形状的自动控制以及为优化计算提供优化变量。选择控制叶片积叠线周向定位的2个参数作为优化变量,以?3°～3°作为优化变量的约束范围。利用人工神经网络的学习功能,建立了目标函数与优化变量之间的映射关系。采用遗传算法寻找目标函数的最优值,得到优化变量约束范围内的最优叶轮模型。数值计算结果表明：在设计流量点1 200 m3/h时,优化后叶轮的效率较优化前提高了4.02个百分点,离心泵的效率提高了4.41个百分点,扬程提升了2.63 m。针对非设计工况点性能改善不明显这一问题,对原始蜗壳进行重新设计并与优化叶轮组合进行数值计算。在设计工况点效率提高了1.59%,在1.2倍设计工况点处效率提升了9.93%,在1.4倍设计工况点处效率提升了8.83%;较原始叶轮与原始蜗壳的组合,在设计工况点泵的效率提高了6%,在1.2倍设计工况点点效率提高了9.2%,在1.4倍设计工况点点效率提高了8.59%。优化拓宽了水泵运行的高效区,增强了泵的运行稳定性,离心泵的性能得到了优化,叶轮与蜗壳之间的匹配更合理。该研究对离心泵的优化设计提供了参考。     

小流域坝系相对稳定与布局优化规划模型研究

坝系相对稳定与优化布局规划是当前小流域坝系建设研究的热点领域。在对坝系规划及坝系相对稳定研究和应用现状综述的基础上,依据系统动力学的原理,采用经验法、动态仿真法和非线性规划法建立了基于拦泥库容、滞洪库容、溢洪道流量优化设计的坝系布局优化模型和建坝时序优化模型,编制了坝系规划计算机自动优化流程图,并以陕北黄土丘陵区韭园沟小流域坝系优化为例,对模型进行了实例验证,取得了较好的应用效果,对黄土高原丘陵沟壑区小流域坝系建设优化规划有借鉴和指导意义。     

基于无函数表达节曲线的非圆齿轮分插机构设计与试验

针对行星轮系分插机构的非圆齿轮节曲线形状复杂、反求时难以用函数对非圆齿轮节曲线拟合的问题,把非圆齿轮的节曲线用数值点形式表示,提出了无函数表达非圆齿轮节曲线的设计方法。应用数值分析方法,对分插机构的秧针进行运动学分析;编写了人机交互设计和优化软件,研究设计变量对秧针运动轨迹和运动姿态的影响,对反求得到的无函数表达节曲线的非圆齿轮系进行检验和修正,完成了对行星架初始安装角等分插机构参数的优化。结果显示:非圆齿轮中心距为40.7 mm,齿轮齿数为19,行星架初始安装角为35°,栽植臂初始安装角为42°,秧针长度为142 mm,取秧角为12°,推秧角为75°为满足农业要求的分插机构的结构参数。秧针相对运动轨迹的高速摄影分析和田间插秧试验说明,求得的旋转式分插机构能够很好地满足插秧要求。该研究结果为高速插秧机核心工作部件的研发提供参考。     

普通城门洞形隧洞正常水深的直接计算方法

普通城门洞形过水断面是泄洪隧洞和灌溉引水隧洞较常采用的断面形式之一,其水力计算中的正常水深求解无显函数形式的表达公式。传统的试算法或查图法不仅计算过程繁琐,而且计算精度不高。该文通过对城门洞形断面均匀流方程进行数学变换,并对引入的无量纲参数与相对正常水深的关系进行分析及计算,应用逐步优化拟合原理进行拟合,得到了普通城门洞形断面均匀流水深的直接计算表达式。实例计算及误差分析表明：在工程实用范围内（正常水深与拱顶半径之比在0.20到1.55之间）,直接计算公式最大相对误差不超过0.24%。且该式具有物理概念清晰明确、公式形式简捷等优点,可为工程设计及水工设计手册的编制提供有益的参考。     

基于最小二乘支持向量机的泵性能分析

泵的性能曲线是泵选型、优化调度和泵站运行的重要依据,通常该曲线均是通过试验或是根据试验数据和性能图表上的数据进行曲线拟合而获得,但这些方法复杂昂贵,而且拟合精度不高。针对以上方法的缺点,提出了一种基于交叉验证最优参数选择的最小二乘支持向量机（LSSVM）泵性能预测方法。通过最小二乘支持向量机（LSSVM）学习算法网络的设计和构建,并应用网络搜索－交叉验证的方法对支持向量机参数进行优化选择,模拟得到复杂和非线性很强的泵的性能曲线,经优化模型输出值和试验值、同多项式拟合值以及径向基神经网络误差的比较,交叉验证最优参数选择的最小二乘支持向量机具有优良的非线性建模能力和泛化能力,在有限学习样本条件下仍获得了很高的精度,平均相对误差为0.02378%,为泵的性能分析提供了一种简便可行的智能方法。     

基于贝叶斯定理与洪水预报误差抬高水库汛限水位的风险分析

水文气象预报技术的发展为水库防洪调度动态控制汛限水位提供了可能。抬高水库汛限水位可提高水库兴利效益,但有一定防洪风险。该文基于贝叶斯定理与洪水预报误差特性,提出确定汛限水位动态控制域上限的风险分析方法。以清河水库为实例,当汛限水位动态控制域上限遭遇设计频率洪水时,该文分析在不同洪水预报误差范围内,调洪最高水位超过各设计频率特征水位的概率,并应用贝叶斯定理得出各设计频率洪水发生时遭遇不同洪水预报误差的风险。结果表明,清河水库实施预报调度方式确定的汛限水位动态控制域上限127.80 m是安全的。该文提出的风险分析方法弥补了目前预报调度方式风险分析中不能直接得知不同洪水预报误差的风险的不足,充实了水库调度风险分析的理论基础,具有一定的理论意义和实用价值,可供同类型水库参考应用。     

开都河流域极端水文事件变化及其对气候的响应

基于开都河流域1972—2012年大山口水文站及巴音布鲁克气象站资料,采用累积频率法定义极端水文事件的阈值,分析了极端水文事件频次的年内年际变化、场次分布特征及其对区域气候变化的响应。结果表明:极端水文事件具有极不稳定的特性。年内分配不均且集中度较高,极端洪水事件主要集中在7月,极端枯水事件主要集中在2月;年际变化极不稳定,且偏离正态分布的程度较高。极端洪水事件总体呈增长趋势,并在1986年发生突变;极端枯水事件则呈减少趋势,突变点为1993年。极端洪水频次与降水量相关性较高,极端枯水频次与气温的负相关性较高。     

用优化方法求韦布尔参数的最优估计

在求解韦布尔参数的图解法基础上，提出了通过线性拟合与一维优化来求解韦布尔参数的新方法，理论上其求解结果应为韦布尔参数的最优估计，实例计算结果表明其求解精度较图解法大为提高。此方法对零件的可靠性设计与寿命预估很有参考价值     

拟合齿轮五杆水稻钵苗移栽机构的机理分析与试验

钵苗移栽具有提高产量,增大精品粮种植面积等优点,该文作者基于双曲柄五杆水稻钵苗移栽机的结构形式,针对重要传动部件进行改进,开发了基于B样条拟合曲线的轻简化水稻钵苗移栽机构——拟合齿轮五杆水稻钵苗移栽机构。对该机构进行拟合齿轮节曲线传动分析,建立移栽机构运动学模型,运用matrix laboratory(MATLAB)中GUI平台开发出了水稻钵苗移栽机构辅助分析与参数优化软件,通过软件优化得出一组能够满足钵苗移栽要求的结构参数。建立三维模型,并通过automatic dynamic analysis of mechanical systems(ADAMS)进行虚拟样机仿真,初步验证机构的合理性。加工移栽机构核心部件,装配并在试验台架上进行试验研究。通过对移栽机构的试验台架试验,验证了移栽机构参数的合理性和有效性。以秧夹开口开度、秧夹夹持力、取秧频率为因素,以伤秧率和漏秧率为评价指标,选取二次回归正交旋转组合试验的方案,运用Design-Expert 7.0软件进行分析,得到的分析结果进一步验证了拟合齿轮五杆移栽机构的合理性。