基于混沌人工鱼群混合算法确定含水层参数

以泰斯公式为基础,将混沌人工鱼群混合算法应用于求解分析抽水试验资料,确定含水层参数的函数优化问题。人工鱼群算法是一种群智能全局随机优化算法,收敛速度快,但存在早熟收敛现象;混沌序列具有遍历性和随机性等特点。为此将混沌系统与人工鱼群算法结合,构造了混沌人工鱼群混合算法。数值实验结果表明:混沌人工鱼群混合算法能成功用于确定含水层参数的函数优化问题,且与人工鱼群算法相比较具有收敛快、效率高和结果精度高等优点,从而为确定含水层参数提供了一种新方法。     

粒子群优化算法在确定含水层参数

以泰斯公式为例,将粒子群优化算法应用于求解分析抽水试验数据,确定含水层参数的函数优化问题．就粒子数目和待估导水系数初值范围等因素对算法收敛性的影响,进行了数值实验．结果表明：1）粒子群算法能够有效地应用于求解分析抽水试验数据,确定含水层参数计算问题;2）粒子数目的大小对运算时间和算法收敛性有一定的影响,在实际运算时,宜设置较大的粒子数;3）待估导水系数的选取初值大小对收敛速度有一定的影响,但不会影响最终计算结果．与其它方法相比较,粒子群优化算法具有原理简单、易于编程和实现等优点．     

水源地裂隙含水层水文地质参数的确定

含水层水文地质参数的确定对于了解地下水运动特征和计算地下水资源量十分重要,抽水试验法则是确定含水层参数的主要方法。通过在水源地现场进行1次非稳定流抽水试验和2次稳定流抽水试验,在Aquifer Test软件的支持下,采用多种数学模型计算并确定研究区裂隙含水层的相关水文地质参数。计算结果显示:含水层的渗透系数表现出各向异性,垂直地下水流向的渗透系数大于平行地下水流向的渗透系数,其数值分别为25.81m/d和17.51m/d;弹性释水系数远小于给水度,分别为0.000 378和0.145,因此在水资源评价过程中可忽略含水层的弹性释水量。     

混沌-模拟退火算法在确定河流水

将以混沌变量作为新状态产生器的模拟退火法应用于求解分析河流水团示踪试验数据，确定河流水质参数的函数优化问题。针对标准SA算法收敛速度缓慢的弱点，采取了在内循环中增加记忆功能等改进措施,得到了满意的参数优化计算结果。     

随机搜索算法在确定含水层参数中的应用

以无限含水层和有直线隔水边界情况下的解析解为基础,分别应用原始随机搜索与受控随机搜索两种算法求解分析抽水试验数据,识别含水层参数问题。编写了两种随机搜索算法的运算程序,采用不同待估参数初始输入范围进行了数值实验。结果表明:①两种随机搜索算法均可成功地应用于分析抽水试验数据,识别含水层参数;②随着输入待识别参数初始取值范围的增大,搜索运算时间增长,但不影响最终参数识别结果;③原始搜索算法的运算时间小于受控搜索算法的运算时间。与其他算法相比,随机搜索算法具有原理简单,易于编程运算和计算结果与参数初始输入值基本无关等优点。     

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

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。     

混沌优化算法在水库优化调度中的

基于水库优化调度常用优化方法存在的不足，根据水库优化调度的数学模型，将混沌优化算法运用到水库优化调度中。根据混沌的叠代不重复性和遍历性，按照其“自身规律”不重复地遍历所有状态,利用混沌变量进行优化搜索，可以避免陷入局部最优点，取得全局最优，得到满意结果。将混沌优化算法运用到水库调度中，并与其它优化方法比较，结果表明混沌优化算法原理简单，计算方便，结果精度高。     

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.     

混沌优化算法在水库优化调度中的应用

基于水库优化调度常用优化方法存在的不足，根据水库优化调度的数学模型，将混沌优化算法运用到水库优化调度中。根据混沌的迭代不重复性和遍历性，按照其“自身规律”不重复地遍历所有状态，利用混沌变量进行优化搜索，可以避免陷入局部最优点，取得全局最优，得到满意结果。将混沌优化算法运用到水库调度中，并与其他优化方法比较，结果表明混沌优化算法原理简单，计算方便，结果精度高。     

分析抽水试验数据的单纯形差分进化混合算法

分别以无限含水层和有直线隔水边界含水层情况下的解析解为基础,应用提出的单纯形差分进化混合优化算法求解分析2种条件下的抽水试验数据,确定含水层参数的函数优化问题.将具有全局搜索能力强、原理简单、受控参数少、而局部搜索能力弱等特点的差分进化算法与具有局部搜索能力强、运算速度快、而对参数初值的选取依赖性较强和易于陷入局部极值等特点的单纯形优化算法进行结合,构成了一种混合优化算法,即单纯形差分混合优化算法.这种混合算法同时具有确定性运算和随机性搜索所具有的共同优点,能够较好地平衡全局搜索能力和局部搜索能力.数值实验结果表明,单纯形差分混合优化算法能够有效地应用于分析抽水试验数据,识别含水层参数;与其他方法相比较,其具有运算速度快、效率高和计算结果精度高等优点.     

混沌粒子群微分进化算法及其在水库发电优化调度中的应用

粒子群优化算法（PSO）与微分进化算法（DE）都是有效的基于群体智能的全局优化算法,但它们都容易过早收敛,陷入局部最优。针对以上问题,提出了混沌粒子群微分进化算法（CPSO—DE）,该算法引入可变的惯性权重和学习因子,以基于logical映射的混沌序列代替标准PSO中的随机序列来对粒子群进行初始化,同时将微分进化算法（DE）中的变异、交叉和选择思想引入标准PSO算法中,改变标准PSO算法单一的进化策略,在全局范围内搜索最优解。作为实证的需要,通过对水库优化调度所存在问题的分析,建立了基于CPSO-DE算法的水库优化调度数学模型与求解算法,并以某水库实际运行数据进行计算,结果表明CPSO-DE算法具有较好的全局最优解,验证了CPSO—DE算法的可行性与健壮性。     

基于粒子群算法的农用轮胎柔性环模型参数辨识方法

轮胎柔性环模型能准确表达轮胎变形,但模型的刚度参数无法直接测定,因此模型刚度参数的辨识成为建模过程中的关键。本文基于轮胎柔性环模型运动学方程,分析农用轮胎固有频率与刚度参数之间的关系,提出基于粒子群算法的柔性环模型刚度参数辨识方法。通过轮胎模态试验获取轮胎固有频率,采用粒子群算法对柔性环模型刚度参数进行辨识。将固有频率的试验值与预测值的平均误差作为评价指标,对比粒子群算法与传统算法及遗传算法辨识结果,结果表明粒子群算法的参数辨识结果精度较高,平均绝对误差为1.67Hz,平均相对误差为1.66%,相较于遗传算法,平均相对误差降低16.16%,运算时间减少93.19%。通过接地印痕试验获取农用轮胎接地角度,结合辨识所得刚度参数,估算轮胎所受到的垂向力,对比垂向力的试验值与预测值,结果表明粒子群算法的参数辨识结果精度较高,垂向载荷估算平均相对误差为1.97%,相对于遗传算法,平均相对误差降低12.05%。     

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PSO算法的木薯收获机拔起速度控制系统参数优化

新型挖拔式木薯收获机拔起速度控制系统控制的重点在于使用PID算法进行闭环控制液压马达的输出。为此,针对传统的PID参数调整优化方法费时费力的问题,以广西大学研制的新型木薯收获机控制系统为对象,采用PSO算法,以液压系统的传递函数为目标,对PID算法进行参数优化,且进行了田间试验验证。结果表明:采用PSO算法,对控制系统参数进行优化可行,且便捷;当木薯收获机控制系统的参数Kp、Ki、Kd分别为0.644 1、2. 726 9、0. 036 2时,控制效果良好,性能稳定。     

基于SCE-UA算法的小麦穗分化期模拟模型参数优化

以河南省商丘市为研究区,首先采用OAT(One-at-a-time)方法对WheatGrow模型的输入品种参数进行敏感性分析,在此基础上以抽穗期的开始日期作为约束条件构建代价函数,引入SCE-UA(Shuffled complex evolution method developed at the University of Arizona)算法求解得到最优作物品种参数组合,并利用2015—2016年度和2016—2017年度田间实验资料对SCE-UA算法的有效性进行验证。结果表明,基本早熟性参数对穗分化期的模拟结果影响最显著,温度敏感性参数比光周期敏感性参数和生理春化时间参数具有更高的敏感度,生理春化时间的敏感度最低。基于优化后的参数得到的穗分化期模拟值与观测值之间的平均绝对误差(Mean absolute error,MAE)和均方根误差(Root mean square error,RMSE)均小于3 d,表明SCE-UA算法可以有效地获取WheatGrow模型最优品种参数组合。本研究可为WheatGrow模型品种参数的调整优化和模型的推广应用提供依据。     

基于粒子群算法的圆柱度误差评定方法

根据最小区域条件,建立了圆柱度误差的数学模型以及优化目标函数和适应度函数,阐述了粒子群优化算法的原理和实现方法,然后根据粒子群算法优化求解。实例表明,该方法对于圆柱度误差评定等非线性优化问题能得到全局最优解,粒子群优化算法的计算精度与其他满足最小条件的计算方法相比略有提高,且参数设置少,计算速度快,可用于三坐标测量机等测量系统的圆柱度误差测量后的数据处理。     

基于遗传算法的制造质量控制多目标的优化

根据零件加工过程的加工和测量能力,给出了制造质量控制多目标的优化数学模型.针对遗传算法的特点,提出了基于遗传算法的制造质量控制多目标的优化方法.算例计算结果表明,遗传算法在制造质量控制多目标的优化方面具有良好的应用前景.     

低扬程立式泵装置流道优化及模型试验研究

为了在低扬程条件下实现较好的水力性能,分别对南水北调东线一期工程的长沟站和邓楼站的进、出水流道进行了优化水力设计和泵装置模型试验研究。结果表明,经过优化水力设计的长沟站和邓楼站立式泵装置在4m以下的低扬程条件下得到了优异的水力性能,设计扬程和平均扬程工况点的泵装置效率均达到78%、临界空化余量均小于6m。