基于PSO-ELM模型的冻融期土壤蒸发预报

准确预测冻融期土壤蒸发量,对于干旱半干旱地区水资源高效利用有着重要意义.基于传统极限学习机(ELM)输入权值与阈值随机给定导致预测结果精度不高的问题,提出了一种基于粒子群算法(PSO)优化极限学习机的冻融期土壤蒸发预测模型.以2016-2017年冻融期9个影响土壤蒸发的因素作为输入因子,实测土壤蒸发量作为输出因子,分别建立ELM模型、GA-ELM模型、PSO-ELM模型对冻融期土壤蒸发量进行预测.结果表明,对输入因子进行随机函数处理后可提高模型预测精度,PSO-ELM模型预测精度优于单一ELM模型和GA-ELM模型,其决定系数为0.9936,均方根误差为0.0109 mm/d,平均绝对误差为0.0079 mm/d,平均相对误差为4.91％,可用于冻融期土壤蒸发量的预测.     

基于改进粒子群的电水转换关系特征曲线研究

电水转换法是一种经济有效的农业用水计量方法,构建合理的电水转换模型,提出适宜的模型参数优化方法对于提高计量精度具有重要的研究意义。对传统的电水转换模型进行优化改进,并提出了一种基于自适应调整惯性权重和变邻域混沌搜索的改进粒子群的模型参数寻优方法。最后分别采用最小二乘法、粒子群算法、改进粒子群算法进行模型参数拟合,结果表明改进粒子群算法寻优精度更高、有更好的收敛速度,拟合的特征关系曲线能够更真实的反应耗电量和供水量的关系,为农业用水计量设备的研制提供理论基础。     

基于烟花算法优化极限学习机的温室参考作物蒸散量预测研究

为提高温室环境下参考作物蒸散量(Reference Crop Evapotranspiration,ET_0)的预测精度,提出烟花算法(Fireworks Algorithm, FWA)优化极限学习机(Extreme Learning Machine, ELM)的参考作物蒸散量预测模型,有效解决了极限学习机在数据预测过程中因随机输入权值矩阵和偏置矩阵导致的数据波动问题,提高了极限学习机的预测精度。以温室环境数据作为模型的输入,以参考作物蒸散量ET_0为输出,建立FWAELM模型,并将结果与ELM模型预测结果进行对比,结果表明,FWAELM模型的均方根误差、平均绝对误差和模型可决系数分别为:0.115 6、0.143 6、0.943 8,高于ELM模型的0.403 5、0.346 7和0.819 0,FWAELM模型预测精度较高。同时进行了气象参数缺失情况下的模型预测精度研究,结果表明参数在保留3个及以上时,模型的预测精度依然较高,适用于温室ET_0的预测研究。     

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.     

基于海洋捕食者算法优化的长短期记忆神经网络径流预测

为提高径流预测精度,研究提出海洋捕食者算法(MPA)与长短期记忆(LSTM)神经网络相结合的径流预测方法。通过6个仿真函数对MPA、粒子群优化(PSO)算法进行测试,利用MPA优化LSTM隐藏层神经元数、训练次数等关键参数,基于主成分分析(PCA)降维和不降维处理分别建立PCA-MPA-LSTM、MPA-LSTM径流预测模型,利用云南省落却站实测数据对PCA-MPA-LSTM、MPA-LSTM模型进行训练及预测,结果与PCA-LSTM、LSTM、PCA-MPA-SVM、MPA-SVM、PCA-MPA-BP、MPA-BP模型的训练、预测结果进行比较。结果表明:①MPA仿真效果优于PSO算法,具有较好的寻优精度和全局搜索能力。②PCA-MPA-LSTM、MPA-LSTM模型对实例拟合、预测的平均相对误差分别为1.18%、2.35%和1.94%、1.96%,预测效果优于其他6种模型,具有较好的预测精度和泛化能力。③采用MPA优化LSTM关键参数能有效提高LSTM泛化能力和预测精度;数据降维模型的预测精度优于对应未降维模型的预测精度,数据降维处理能有效改善模型的预测效果。     

基于改进粒子群与神经网络的机械结合面法向刚度建模

为了提高机械结合面法向接触刚度预测精度,提出一种改进粒子群优化算法,并用改进粒子群算法优化BP神经网络的参数组合,实现了粒子群和BP神经网络相结合的算法模型。将影响结合面法向接触刚度的因素进行了特征分析和定量化描述,并用该算法进行法向接触刚度预测和相对误差分析。计算结果表明,计算准确度可达92%,实现了多种影响因素组合下的机械结合面法向接触刚度的建模。     

基于MFOA-ELM的水质等级预测研究

为提高水质评价模型的预测精度和适用性,针对极限学习机性能受输入权重W_i和隐含层偏置b_i的影响,提出一种基于修正因子的果蝇算法优化ELM的水质评价模型。选择2012—2017年巢湖水质监测数据为研究对象,与FOA-ELM、PSO-ELM、GA-ELM和ELM对比发现,MFOA-ELM具有更高的预测精度,精度高达98.36%,并且具有更快的收敛速度,可以广泛地应用于水质评价和预测。     

基于改进BP神经网络的农业机械数据预测研究

为提高河南省农业机械数据预测的精度,获得更可靠的预测结果,提出基于自适应粒子群算法(APSO)优化的误差方向传播(BP)神经网络预测方法,利用APSO算法优越的全局搜索能力更新BP神经网络的权值和阈值,有效结合两种算法的优势,并引用河南省1986-2017年农业机械数据进行测试。仿真结果表明,本文提出的APSO-BP算法比同等条件下BP神经网络算法和PSO-BP算法预测误差平均可降低2.4%和1.35%,可以有效提高预测的速度和精度。     

蝙蝠算法优化极限学习机模拟参考作物蒸散量

为提高参考作物蒸散量模拟的准确性,提出蝙蝠算法优化极限学习机的参考作物蒸散量模拟模型.基于汕头站1966-2015年月值气象数据(包括逐月最高温度、最低温度、地表总辐射量、风速和相对湿度),建立参考作物蒸散量的极限学习机模型,并采用蝙蝠算法通过交叉验证方法对极限学习机的正则化系数和径向基函数的幅宽进行优化,最后对参考作物蒸散量模拟效果进行评估.结果表明:与传统调参方法和遗传算法优化后的模型相比,蝙蝠算法优化参数极限学习机模型建立了整体性能优异并且稳定的参考作物蒸散量模型,提高了参考作物蒸散量的模拟精度.     

基于混合策略粒子群算法的含水层参数确定

将混合策略粒子群优化算法用于分析无限延伸含水层和直线隔水边界含水层条件下的抽水试验数据,求解含水层参数,为预估含水层参数提供一种新的方法。这种混合算法是将紧凑度的思想融入到粒子群优化算法中,加强算法的局部搜索能力,结合调度系数的控制,提高算法寻优精度及收敛速度,再通过一定小概率的约束,提高全局搜索能力,构造混合策略粒子群优化算法。这种混合算法能够有效解决原算法收敛速度慢,精度差和易陷入局部极值的问题。实验结果表明,混合策略粒子群优化算法是可行的含水层参数估计方法,并且具有精度高,收敛性好,稳定性好等优点。     

模拟退火粒子群优化投影寻踪的渠道防渗模式评价

为了对渠道防渗工程的方案进行优选,采用模拟退火粒子群优化投影寻踪方法对渠道防渗模式进行优化评价.优化粒子群算法,使其在退火过程中接受优解,且还以一定的概率接受差解.同时利用模拟退火粒子群算法在搜索过程中具有概率突跳的能力,有效地避免搜索过程陷入局部极小解,提高了算法的收敛速度和精度.将该模拟退火粒子群算法与投影寻踪结合,建立了模拟退火粒子群优化投影寻踪模型,将该模型应用到灌区渠道防渗模式优化评价中,选取10个指标作为评判因子,提出适合该地区的干渠渠道防渗工程优化模式,其优劣排序依次为方案Ⅳ、方案Ⅱ、方案Ⅲ、方案Ⅴ、方案Ⅰ.研究表明模拟退火粒子群优化投影寻踪的评价模型对灌区渠道防渗模式进行综合评价是切实可行的,模拟退火粒子群优化投影寻踪的评价方法在解决实际问题中展示了其优越性,并取得了良好的应用效果.     

基于计算机视觉的芒果检测与分级研究

针对目前芒果的外观品质分级主要采取人工方法所存在的不足,提出了一种基于计算机视觉和极限学习机神经网络(ELM)模型的芒果分级方法。首先,利用图像处理方法对拍摄的芒果图像进行预处理;然后,根据芒果的外观特征提取芒果面积、等效椭圆长短轴之比、H分量均值和缺陷面积所占百分比4个特征参数,作为模型的输入向量,并以芒果的3个等级级别为模型输出向量。在模型的建立过程中,采用粒子群优化算法(PSO)对ELM随机给定的输入权值矩阵和隐层阈值进行寻优,最后以实验获得的数据对模型进行训练和测试。结果表明:使用粒子群算法优化后的极限学习机模型(PSOELM)与单纯的ELM、传统的BP和SVM相比,具有更高的分级精度,为水果的等级分级提供了一种新的方法。     

基于WPT-IAF-ELM的小麦储存年限电子舌检测分析

为实现对不同储存年限的陈化小麦进行快速、客观的评价分析,提出基于小波包变换(WPT)、改进鱼群算法(IAF)和极限学习机的小麦储存年限电子舌检测模型(WPT-IAF-ELM)。针对电子舌输出信号复杂、数据量大的特点,采用小波包变换对原始数据进行特征值提取,以降低数据维度,缩减数据规模。在此基础上,采用改进鱼群算法优化极限学习机参数,建立小麦储存年限检测分析模型。应用该模型对5个储存年限的陈化小麦进行定性分析,结果表明:该模型具有较好的分类效果,与分别用遗传算法和粒子群优化ELM算法相比,WPT-IAF-ELM的分类效果更优,其训练集正确率、测试集正确率、总体分类精度和Kappa系数分别为96%、92%、95%和0. 91,表明提出的组合模型具有较好的分类效果。     

基于相空间重构小波神经网络径流式水电站发电量预测

预测径流式水电站发量。针对径流式水电站发电量变化的随机性及水力发电系统的复杂非线性,提出一种基于相空间重构小波神经网络的径流式水电站发电量预测模型,并借助具有全局搜索能力的改进粒子群优化算法对小波神经网络特征参数进行优化,提高模型的精度和泛化能力。结果表明:相空间重构小波神经网络模型的预测平均相对误差约为8.7%,相关系数达到0.81,误差分析指标优于传统神经网络预测模型,在多步预测情形下模型的收敛性和稳定性得到较为明显增强,能够准确进行发电量预测。     

基于改进PSO-WNN模型的管网余氯预测研究

针对供水管网余氯浓度随时间序列的变化特性,采用小波神经网络模型对其变化规律进行预测分析。模型借助粒子群优化算法全局快速寻优对小波神经网络特性参数进行优化,克服预测模型网络参数选取可能存在的盲目性,增强了预测模型的全局搜索能力。研究结果表明:采用粒子群优化的小波神经网络模型,在较小数据要求的工况下能进行连续多步预测,相比常规时间序列预测在相应时间尺度内具有较高的预测精度,收敛性和稳定性也得到较明显增强。     

改进PSO算法在电力系统无功优化中的应用

介绍一种改进粒子群的无功优化方法。采用简化粒子群优化方程和添加极值扰动算子两种策略加以改进,提出简化粒子群优化（SPSO）算法、带极值扰动粒子群优化（DPSO）算法,并将二者结合起来提出带极值扰动的简化粒子群优化（DSPSO）算法。以IEEE6节点系统为例进行无功优化计算,并与其他算法进行比较,结果表明：该算法具有较快的收敛速度及较强的全局搜索能力,可较好地解决电力系统的无功优化问题。     

基于BA-LSSVM模型的月径流预测方法

针对最小二乘支持向量机模型传统参数选择方法费时且效果差的问题,利用蝙蝠算法的模型简单、快速收敛和全局搜索能力强的特点,优化模型的正则化参数和核函数参数,对水文时间序列建立最小二乘支持向量机预测模型。基于西江流域内的柳州水文站2000-2014年月径流资料对模型进行训练和预测,并与使用粒子群算法优化参数确定的最小二乘支持向量机模型,网格搜索及交叉验证优选参数确定的最小二乘支持向量机模型及BP神经网络模型进行比较。计算结果表明,基于蝙蝠算法优化最小二乘支持向量机模型具有很好的适用性和较高的预测精度,为利用最小二乘支持向量机模型解决非线性的水文时间序列问题提供了新的方向。     

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。     

变形监测数据分析的群集智能模型

针对标准微粒群优化算法(PSO)存在早熟收敛和搜索精度低等缺陷,对其惯性权重因子进行改进,并将非均匀变异机制引入PSO,即在算法进行搜索时以一定变异概率对选中的粒子进行变异操作,同时对飞离搜索区域的粒子用新产生的粒子取代,由此得到改进的微粒群优化算法(IPSO)。然后将IPSO用于优化BP神经网络的连接权重和阈值,分析和建立变形监测数据处理的群集智能模型(IPSO-BP),为了进行比较,同时建立了回归分析模型、标准PSO-BP模型,并将3种模型分别应用于某大坝水平位移数据的分析预测,结果表明,IPSO-BP模型收敛速度更快、预报精度更高,是一种新的且有效、可靠的变形数据处理方法。     

基于粒子群算法的抛物线形渠道断面优化方法

针对试算法工作量大、计算误差大和精度低等问题,建立了以计算流量和设计流量之差最小为目标函数的抛物线形渠道断面优化数学模型,将粒子群优化算法引入到抛物线形渠道断面优化计算中,采用粒子群算法在全局空间下搜索渠道断面优化问题的全局最优解。并以陕西省石头河灌区五丈源支渠抛物线形混凝土渠道为例,对其二次抛物线形渠道断面的方程形状参数a和设计水深h进行了优化设计。结果表明,得到满足约束条件的最优方程形状参数a为5.06,最优设计水深h为0.398 2 m。与原设计相比模型计算所得渠道过水断面面积减少了0.102 1%,渠道土方量减少了6.225 4 m~3,混凝土衬砌量减少了4.764 1 m~3,工程占地面积也随之减少。粒子群优化算法能有效地解决抛物线形渠道断面设计中的优化问题,且具有收敛速度快、计算精度高和全局寻优能力强等优点。