基于人工神经网络的地下水流数学模型参数识别

基于人工神经网络技术，建立了地下水二维非稳定流数学模型的参数识别模型，用地下水长观孔水位降深资料识别模型参数。通过实例计算分析，结果表明此法适用于处理复杂条件下模型参数识别问题，且结果稳定可靠。     

频域分析模型计算地下水运动参数的方法

通过Fourier—Stieltjes变换,将地下水运动的时域模型转化为频域模型,针对两个特定的物理原型,研究了用频域分析方法计算地下水文参数的方法。     

基于GMS的地下水流数值模拟及参数敏感性分析

为提高地下水流数值模拟的精度,减小因水文地质参数不确定性而产生的误差,需要对数值模拟模型的水文地质参数进行灵敏度分析.在对老莱河流域某灌区地下水流数值模型识别和验证的基础上,采用因子变换法对渗透系数、给水度、大气降水入渗补给系数值进行敏感性分析.结果表明,地下水位对含水层的渗透系数最敏感,其次是大气降水入渗补给系数,河谷地区因含水层岩性变异度较大导致地下水位对该区参数变化较敏感.通过参数敏感度分析能够筛选出数值模型中的不确定性因素,从而避免模型调参的盲目性,提高区域地下水资源评价的可靠性.     

基于二层规划理论的水文模型参数识别研究

流域水文模型有效应用的关键之一是参数识别,但由于水文模型存在高度敏感性参数以及参数之间的高度相关性增加了模型参数识别难度。本文以新安江模型为例,在分析参数敏感性和相关性的基础上,建立了基于二层规划理论的参数识别模型,研究了二层规划问题的求解算法,并进行了天福庙水库径流模拟的实例研究。通过与SCE-UA、PSO、PMSE-PSO和SMSE-PSO优化单目标函数的结果比较,可以看出,基于二层规划理论的新安江模型参数优选方法具有较高的预报精度,是一种有效可行的水文模型参数优选方法。     

大型灌区集中开采条件下地下水数

在对某大型灌区水文地质条件进行分析的基础上，以灌域为基本单位，用Visual Modflow进行参数率定，确定水文地质参数，建立了地下水三维非稳定流模型。利用此模型进行地下水集中开采的数值模拟，确定了合适的开采方案。结果表明，本文分析方法结果合理，具有较高的预测精度和潜在的实用价值。     

ARMA时序模型在模态参数识别中的应用

根据减速器，泵，机床等机械系统整体振动加速度作为时间序列，来建立ＡＲＭＡ（２，１）模型。并利用时序模型参数与模态参数之间的关系。求解振动系统的模态参数。重点讨论了用时域法对系统固有频率和阻尼系数的识别问题。     

承压地下水主要水文地质参数的敏感性研究

应用有限差分法,对承压地下水非稳定流进行计算,并对承压地下水中的各主要水文地质参数进行专门的敏感性分析研究,得出各种参数对地下水水头变化的影响的非一致性的结论.     

基于SUFI-2参数最适置信区间的参数优化方法结果对比分析

研究水文模型参数置信区间对于径流模拟的影响,对SWAT模型校准应用具有重要意义.将麻城市举水河流域作为研究区域,选取1953-2006年(1995-1996年为预热期,1997-2000年为率定期,2001-2004年为验证期)的月径流实测资料,并采用SUFI-2方法识别出敏感性参数的置信区间进行模拟,比较参数置信区间...     

承压地下水中主要水文地质参数的

应用有限差分法，对承压地下水非稳定流进行计算，并对承压地下水中的各主要水文地质参数进行专门的敏感性分析研究，得出各种参数对地下水水头变化的影响的非一致性的结论。     

新疆阿图什哈拉峻地区地下水系统分析

通过对阿图什哈拉峻地区水文地质特征和地下含水系统各子系统间关系分析,采用系统分解合成方法,将地下水系统分解为北部单一潜水系统和南部上层潜水、下部承压水子系统,在合理耦合各子系统基础上,建立了该地区地下水系统的数学模型。采用有限元方法对该模型进行数值离散,经DevelopStudio编程,利用潜水、承压水模拟与实测结果的比较,在得到该地区地下水系统的水文地质参数的同时,重点研究了各系统间水量交换关系,为地下水系统的合理开采利用提供了理论基础和科学数据。     

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。     

数值模型结构不确定性对模拟结果的影响分析

以内蒙古鄂托克旗为例,基于GMS中的MODFLOW模块构建了地下水流数值模拟模型,分析了模型结构(含水层厚度、参数分区)与模型参数不确定性因素对模拟结果的影响.研究结果表明:含水层不确定情景(含水层下边界概化为隔水底板平均值870 m)与实际情况水头差值绝对值的累计和最大为701 m,对模拟结果起了主控作用;当含水层下边界概化为910,940 m时,累计和分别增加为1 013,1 593 m;与仅考虑单个不确定性因素相比,同时考虑模型参数与含水层不确定情景累计和最大为738 m,同时考虑参数分区与含水层不确定情景累计和最大为791 m.因此,在构建地下水流数值模拟模型时,应优先考虑含水层空间结构概化的合理程度,同时考虑多个不确定性因素对模拟结果的综合影响,使地下水数值模拟模型能更精确地反映真实的地下水流状况.     

参数不确定性对地下水数值模拟结果可靠性的影响

以标准矩形为研究区,按介质渗透系数差异将研究区划分为4个单元,应用HydroGeoSphere模拟系统建立数值模型,以含水层渗透系数为目标参数,分析不同参数分区的灵敏度系数;选择高灵敏度的分区建立渗透系数随机场,进行参数不确定随机模拟,分析模拟结果相对确定性模型的可靠度.结果表明:位于模型最顶层的单元1内渗透系数灵敏度最大,这与该单元的分布位置直接相关;随机模拟得到的压力水头按一定频率分布,确定性模型所得到的压力水头变化值290.52 cm出现的频率仅为7%;当认为确定性模型结果的可靠度为100%时,随机模拟结果相对于确定性模型结果的可靠性明显降低,这表明考虑到参数的不确定性时,模拟结果与确定性模型结果存在显著差异.随机模拟结果的概率性分布特征可以更加真实地表达实际情况,有利于水资源决策性管理的风险规避.     

基于POE模型的工业机器人运动学参数二次辨识方法研究

针对工业机器人在高度制造领域精度不高的问题,本文提出了一种基于POE模型的工业机器人运动学参数二次辨识方法。阐述了基于指数积(Product of exponential,POE)模型的运动学误差模型构建方法,并建立基于POE误差模型的适应度函数;为实现高精度的参数辨识,提出了一种二次辨识方法,先利用改进灰狼优化算法(Improved grey wolf optimizer, IGWO)实现运动学参数误差的粗辨识,初步将Staubli TX60型机器人的平均位置误差和平均姿态误差分别从(0.648mm,0.212°)降低为(0.457mm,0.166°);为进一步提高机器人的精度性能,再通过LM(Levenberg-Marquard)算法进行参数误差的精辨识,最终将Staubli TX60型机器人平均位置误差和平均姿态误差进一步降低为(0.237mm,0.063°),机器人平均位置误差和平均姿态误差分别降低63.4%和70.2%。为了验证上述二次辨识方法的稳定性,随机选取5组辨识数据集和验证数据集进行POE误差模型的参数误差辨识,结果表明提出的二次辨识方法能够稳定、精确地辨识工业机器人运动学参数误差。     

基于CNN和迁移学习的农作物病害识别方法研究

互联网是一个巨大的资源库,也是一个丰富的知识库。针对农作物小样本引起的过拟合问题,本研究引入了知识迁移和深度学习的方法,采用互联网公开的ImageNet图像大数据集和PlantVillage植物病害公共数据集,以实验室的黄瓜和水稻病害数据集AES-IMAGE为对象开展相关的研究与试验。首先将批归一化算法应用于卷积神经网络CNN中的AlexNet和VGG模型,改善网络的过拟合问题;再利用PlantVillage植物病害数据集得到预训练模型,在改进的网络模型AlexNet和VGG模型上用AES-IMAGE对预训练模型参数调整后进行病害识别。最后,使用瓶颈层特征提取的迁移学习方法,利用ImageNet大数据集训练出的网络参数,将Inception-v3和Mobilenet模型作为特征提取器,进行黄瓜和水稻病害特征提取。本研究结合试验结果探讨了适用于农作物病害识别问题的最佳网络和对应的迁移策略,表明使用VGG网络参数微调的策略可获得的最高准确率为98.33%,使用Mobilenet瓶颈层特征提取的策略可获得96.8%的验证准确率。证明CNN结合迁移学习可以利用充分网络资源来克服大样本难以获取的问题,提高农作物病害识别效率。     

2TPR&2TPS并联机器人结构参数辨识

并联机器人末端位姿精度对其工作性能影响较大，建立有效的标定算法是提高机器人位姿精度的重要保证。本文以一种2TPR&2TPS并联机构为研究对象，首先对机器人进行运动学分析，采用全微分法得出机器人的误差模型，根据该模型得出机器人结构参数误差与末端位姿误差的量化关系，以及各误差项误差变动对末端位姿误差的影响规律；接着，建立参数辨识模型和标定效果评价函数，验证了参数辨识模型的有效性，再用该模型辨识机器人的结构参数误差；最后，修正运动学模型完成了机器人的误差标定。实验结果显示，标定后机器人的平均位置精度提升68.62%,距离误差均值由7.710 mm降至2.350 mm,精度提升69.52%,实验结果证明本文的标定算法有效。     

遗传算法在水分生产函数参数率定中的应用

运用遗传算法处理水分生产函数的参数率定问题时 ,参数的率定能基本做到与模型的复杂性无关 ,并能通过编码空间限定来避免敏感性系数或指数出现不合理值。在使用实测资料检验时 ,产量预报取得了较好的预报效果     

地下水环境影响评价理论研究

介绍地下水环境污染的影响因素及地下水环境影响评价方法,在此基础上建立地下水环境影响评价的数学模型及其求解原理,并模拟地下水流场与实际流场的拟合,通过设定污染源来预测污染物对地下水造成的污染情况,分析预测结果可为采取一定的防护措施提供科学的依据。     

基于GMS的北京市房山平原区地下水数值模拟研究

根据北京市房山平原区的水文地质条件,将研究区水文地质概念模型概化为三维非均质、各向同性、非稳定地下水流系统,并应用GMS软件对研究区地下水系统进行了识别和验证。采用情景分析方法,在模拟8种不同情景方案下规划年地下水的变化情况,给出适宜研究区地下水可持续发展的最佳方案。在情景5方案,即在中度节水、种植结构保持现状和强化减少地下水的情形下,研究区2020和2030年的地下水位处于最佳状态,相比于基准年,地下水位分别回升了3.55m和5.85m,研究区处于正均衡状态,降落漏斗消失。     

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%。