利用阻尼最小二乘法求解Van Genuchten方程参数

土壤水分参数对于定量预报非饱和水流运动是非常重要的,该文运用阻尼最小二乘法,拟合了描述土壤水分特征曲线的Van Genuchten方程参数,同时与非线性单纯性法拟合结果进行了比较,结果表明：该方法拟合精度较高,可以作为计算Van Genuchten方程参数的一种方法。此外,用VB语言编写算法程序,便于对输入数据进行修改。     

基于Modified Kovács模型预测Van Genuchten模型公式参数

为了确定渗流场补充方程Van Genuchten(V-G)公式参数,分别利用经验公式Modified Kovács(MK)模型及滤纸法来确定土水特征曲线,并拟合曲线得出V-G公式中的参数θs、θr、n、αv。采用t检验对两种方法确定的参数进行比较,结果表明:置信度为95%时,MK模型预测参数θs、θr、n与实验确定的参数比较接近,αv超出了置信区间范围。因此在误差允许范围内,使用MK模型来预测V-G模型公式中的参数具有可行性。     

基于改进萤火虫算法的土壤水分特征曲线参数优化

针对因参数精度不足,影响相关土壤水分运动建模、仿真结果等问题,引入萤火虫算法,并将固定随机步长改进为随萤火虫间距离变化的可变步长,旨在解决土壤水分特征曲线Van Genuchten模型参数优化的非线性拟合问题。结果表明:对不同深度的黑土和黏土的脱湿过程进行模拟,得到优化后的相关参数及体积含水率计算值。通过与粒子群算法、遗传算法对比,表明萤火虫算法模拟结果精度高,曲线吻合性好,最大相对误差仅在2%左右,是一种高精度的优化算法,且改进之后收敛效率提高。利用萤火虫算法解决这类非线性优化问题是可行的,尤其在对精度、准确性要求较高及需为后续研究确定其他土壤水分运动参数提供准确依据的情况下,适用性更强。     

粒子群算法及其应用研究

粒子群优化算法（PSO）源于对鸟群捕食系统的模拟,是近年来被广为关注和研究的一种智能优化算法。PSO算法属于进化算法的一种,比遗传算法（GA）更简单易实现,且没有交叉和变异操作,需要设定的参数也不多,收敛速度快。目前已广泛应用于函数优化、神经网络训练、模糊系统控制以及其他遗传算法等领域。目前PSO的研究主要集中在算法本身和算法的应用研究两个方面。     

基于改进粒子群算法的农产品召回优化

农产品加工是食品供应链质量控制的关键环节。该文针对农产品加工环节的产品召回优化问题,给出了批次分散优化模型并分析了其算法复杂度。针对优化模型为NP难度(non-deterministic polynomial hard),难以求解的问题,指出了采用粒子群优化进行求解的途径。针对粒子群优化算法在进化的初期收敛速度快,易引起早熟;在进化后期收敛速度慢,易引起振荡的问题,提出了一种基于分段门限粒子替换策略的改进粒子群优化算法。采用相关算例对该文提出的改进粒子群优化算法进行优化性能验证,并与类似智能优化算法进行性能对比。算例仿真和性能对比的结果表明,该算法运算开销约为同类算法的10%,且可以降低潜在的召回规模约30%,适用于农产品加工环节的产品召回优化。     

基于土壤质地数据估算土壤保水性能Van Genuchten参数

The van Genuchten (vG) function is often used to describe the soil water retention curve (SWRC) of unsaturated soils and fractured rock. The objective of this study was to develop a method to determine the vG model parameter m from the fractal dimension. We compared two approaches previously proposed by van Genuchten and Lenhard et al. for estimating m from the pore size distribution index of the Brooks and Corey (BC) model. In both approaches we used a relationship between the pore size distribution index of the BC model and the fractal dimension of the SWRC. A dataset containing 75 samples from the UNSODA unsaturated soil hydraulic database was used to evaluate the two approaches. The statistical parameters showed that the approach by Lenhard et al. provided better estimates of the parameter m. Another dataset containing 72 samples from the literature was used to validate Lenhard’s approach in which the SWRC fractal dimension was estimated from the clay content. The estimated SWRC of the second dataset was compared with those obtained with the Rosetta model using sand, silt, and clay contents. Root mean square error values of the proposed fractal approach and Rosetta were 0.081 and 0.136, respectively, indicating that the proposed fractal approach performed better than the Rosetta model.     

基于改进粒子群算法的低碳型土地利用结构优化——以重庆市为例

探讨了如何在低碳经济背景下进行区域土地利用结构优化,并以规划区域土地利用经济效益目标和各类土地碳排放总量作为环境效益目标建立了相应的优化数学模型;采用针对多目标优化的改进粒子群算法进行土地利用结构优化多目标求解,以重庆市土地利用结构优化为例进行了实证研究。结果表明:基于向量评价的改进粒子群优化算法对土地利用结构多目标优化是适用有效的,优化结果兼顾了经济效益和生态环境效益,为土地利用结构优化提供一种良好的思路和方法。     

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。     

基于粒子群算法的城镇土地利用空间优化模型

土地利用结构优化是土地资源优化配置的核心,包括数量结构优化和空间结构优化。针对传统的优化模型如线性规划、多目标、灰色系统和景观生态等不能实现土地数量结构和空间结构的有效统一,在研究现有智能优化模型如元胞自动机、遗传算法的基础上,采用近年来新兴的粒子群优化算法,利用其空间飞行搜索特性和较强的全局优化能力,构建了基于粒子群算法的土地利用空间优化模型。研究表明,该模型能利用粒子的群体空间分布模拟土地利用空间格局,并能在多目标控制下进行全局优化处理,实现土地利用数量结构和空间结构的有效统一。     

基于粒子群参数优化和BP神经网络的颗粒饲料质量预测模型

针对颗粒饲料产品受配方原料、加工参数变化而带来的质量波动问题,提出了一种以误差反向传播算法神经网络（back-propagation neural network,BPNN）为核心,平均影响值法（mean impact value,MIV）为数据预处理方法,粒子群算法（particle swarm optimization,PSO）为关键参数优化算法的颗粒饲料质量预测模型。基于面向实际建立的输入输出指标体系,使用实地采集的颗粒饲料生产数据对模型进行训练和测试,测试结果显示实际值与模型预测值呈显著正相关,决定系数R2均在0.94以上;平均绝对误差、平均绝对百分比误差及均方根误差显示预测精度达到较高水平,各误差平均值依次达到0.442、2.185%和0.5481。以多元线性回归模型及基本BPNN模型预测结果对比可以发现,MIV-PSO-BPNN预测模型预测性能有显著提升,各输出误差优化幅度从39.55%～91.80%不等,平均优化幅度分别达到84.99%和56.95%;同时相对误差变化趋势图显示MIV-PSO-BPNN预测模型具有更优的预测稳定性,相对误差极值差降幅均值达91.46%。该研究为颗粒饲料质量控制提出了一种新思路,可为饲料行业高效低耗生产提供理论依据。     

基于粒子群优化算法的土壤养分管理分区

土壤养分管理分区的划分为变量施肥技术提供依据,是精准农业实施变量施肥管理的重要环节。在对7种土壤养分的空间变异特征和变异结构进行分析的基础上,以其中6种养分作为变量进行土壤养分管理分区的研究,最后用基于粒子群优化属性均值聚类来划分管理分区,并引入3种指标确定合理的分区数目。通过计算得出,试验区的合理分区数目为2个,对各管理分区实际采样点的土壤养分数据进行单因素方差分析,除速效磷外各土壤养分均在99%的置信水平上具有极显著差异,其中分区2土壤肥力水平较高,分区1较低。基于粒子群优化属性均值聚类算法可以很好地划分土壤养分管理分区,分区结果能够为精准农业变量施肥提供决策依据。     

基于微粒子群优化算法的差速器壳体轻量化设计

针对汽车差速器的轻量化,提出了基于微粒子群优化算法和参数化模型相结合进行优化的设计方法.通过计算模态和试验模态相结合,验证了差速器壳体有限元模型的准确性;基于微粒子群算法,建立了以质量最小和安全系数均方根值最大为目标的优化模型,进行了轻量化设计.优化结果显示:壳体质量由优化前的6.26 kg下降到5.67 kg,减轻了10.4%;优化后壳体的最大应力、最大应变和最小安全系数等性能指标均有不同程度的提高,验证了轻量化是成功的.     

基于颜色系数反向粒子群模型的田间作物分割方法

针对复杂多变的农田环境下,田间作物分割既要保留农田作物完整外部形态信息,又要满足农田作业速度的要求,该文提出一种基于反向变异粒子群优化(reverse mutation-particle swarm optimization,RM-PSO)算法提取最优颜色系数的田间作物分割方法。该分割方法分为离线和在线2个部分,离线部分采用反向变异策略提高了初始粒子群群体质量及算法的搜索效率,避免算法早熟收敛,陷入局部最优,引入满意度函数对最优颜色系数进行评价,提取全局最优颜色系数。在线部分采用离线提取的最优颜色系数对作物图像灰度化,进而对灰度化后图像进行阈值分割得到最终的分割结果。试验结果表明,该文方法平均错分率(error distinguish rate)仅为4.8%,低于HSI算法、EXG法以及Mean-shift神经网络分割算法的11.3%、19.5%、5.7%;标准差值为3.1%,相较于HSI算法的7.2%、EXG法的14.7%、及传统PSO方法的7.9%,该文算法具有更高的稳定性;平均处理时间为0.311 s,而HSI方法为0.908 s,Mean-shift神经网络分割算法为1.942 s。该方法不仅能够保证不同光照及不同景物干扰下作物外部形态信息完整,同时处理速度快,鲁棒性好,具有较高的实际应用价值。     

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。     

基于改进杂交粒子群算法的农村微能网多能流优化调度

西部农村地区电网薄弱,光伏和风电扶贫投资未考虑配套输配电设施,用以处理生物质废弃物的沼气受季节性温度变化影响运行经济性不佳,为解决上述问题,该文提出利用沼气作为气源含可再生能源的冷-热-电-气多能流农村微能网供能架构,建立相应的多能流微能网调度模型,针对粒子群算法早熟、容易陷入局部最优的问题,提出采用动态调整惯性权重的杂交粒子群算法进行求解,算例结果表明,通过对系统内各设备的调度,有效降低系统日运行成本,在冬季,采用改进型杂交粒子群算法所得日运行费用相比采用基本型粒子群算法降低7.6%,其相比系统未优化所得日运行费用降低79.1%;在夏季,相比基本型粒子群算法与未优化分别降低17.0%、71.2%,实现微能网的经济运行,证明了本模型和算法的正确性。     

基于粒子群算法的电动汽车DCT升档动力协调控制

该文建立了纯电动汽车双离合器自动变速器(DCT,double clutch transmission)升档过程动力学模型,以滑摩功与冲击度为评价因素,建立两者加权和形式的评价指标。针对纯电动汽车动力协调换挡优化对象强非线性,在基于梯度寻优的传统优化算法难以奏效情况下,利用粒子群优化算法对电机参与下的双离合器升档过程进行优化。优化过程中,使用傅里叶基向量分解方法将离合器转矩轨线、电机转矩轨线分解为基向量的线性组合,使用粒子群优化算法优化基向量系数,实现对双离合器传递转矩轨线与电机输出转矩轨线的规划,藉此提出了电动汽车双离合器变速器升档过程中离合器和电机转矩协调控制方法。最后,经过实车试验进行验证,结果表明该方法能够有效减少9%的滑摩功,使冲击度控制在国家标准之内,并缩短换档时间,改善换档品质。