基于RBF神经网络与NSGA-Ⅱ算法的渣浆泵多目标参数优化

由于渣浆泵普遍存在扬程低于设计扬程、效率低、磨损严重等问题,该文选取比转速为75的离心式渣浆泵为研究对象,运用商用CFD求解软件Flunet,选取RNG k-ε湍流模型与欧拉两相流模型对其内部流动进行计算。以离心式渣浆泵的效率、高效区作为优化目标,结合Plackeet-Burman筛选试验,将渣浆泵叶片的进口安放角、出口安放角与叶片包角作为优化变量。采用均匀试验设计安排样本空间,利用RBF神经网络拟合优化变量与优化目标间的映射关联,基于NSGA-Ⅱ遗传算法进行多目标寻优。针对优化所得的Pareto解集,选取其中效率最优个体和高效区最优个体与优化前初始模型进行对比:分析了上述3个个体的通过数值模拟得到的性能曲线之间的差异,得到效率最优与叶片进、出口安放角、叶片包角为21.76?、23.43?、145.56?,高效区最优时为19.38?、22.68?、116.71?。通过试验验证,优化后个体性能得到显著提升,效率最优个体的效率较初始个体的效率提高了3.81%,高效区最优个体较初始个体高效区范围提高了4.33%。给出并分析了上述3个个体在叶轮流道中间剖面上固相相对速度矢量及湍动能分布、叶片工作面、叶轮后盖板的固相浓度分布差异。优化结果表明,该优化方法使叶轮的水力特性得到改善,提高了离心式渣浆泵的性能。     

基于同类城市建设目标的北京市土地利用结构优化

基于北京与东京土地利用的对比分析,对北京市土地利用结构进行优化,更好地发挥城市土地的宏观调控功能。根据北京市1992-2012年和东京1982-2011年多期土地利用现状数据,集成多目标优化模型的目标决策功能和元胞自动机-马尔可夫链(CA-Markov)模型的空间布局特点,对北京市2020、2030年的土地利用进行数量结构优化和空间布局模拟。通过对北京与东京在土地利用演变过程的深入分析,归纳总结出北京土地利用的发展定位以及2020、2030年的定量目标,然后对土地利用经济、社会和生态3方面构建多目标模型,最后对模型进行求解,同时应用CA-Markov模型对北京市2020、2030年优化后的土地利用结构进行空间布局模拟,通过运算,北京市农用地、生态用地、建设用地、交通用地、水域、其他土地在2020年、2030年的比例分别为21.00%、50.50%、19.00%、3.00%、4.50%、2.00%和20.00%、50.00%、20.00%、3.50%、4.50%、2.00%。优化后的土地利用结构改变以往剧烈变化的现象,更趋向于稳定状态,优化后的土地利用布局更为集约并兼顾生态保护功能。     

基于GeoSOS-FLUS的涪江流域生态系统服务价值评估及多情景模拟

为了探究涪江流域的土地利用结构及其生态服务价值的时空变化,通过预测情景支持未来土地规划,研究基于1980—2018年5期遥感影像,构建生态系统服务价值评估模型并分析时空动态变化,采用GeoSOS-FLUS模拟自然发展情景、耕地安全情景、生态保护情景和快速发展4种情景下未来的土地利用变化及生态系统服务价值的演变趋势。结果表明：(1) 1980—2018年,耕地面积减少542.25 km²,减幅为2.57%;建设用地扩张面积525.66 km²,增幅达255.50%。(2)对应其生态系统服务价值呈增加趋势,由1980年的776.48亿元增加到2018年的783.67亿元,不同土地利用类型对生态系统服务价值的贡献顺序为林地>耕地>水域>草地>未利用土地。(3)在空间上呈现上游高中下游低,下游地区大致呈现由中部向东西两侧递减趋势,流域西南部是低价值区。(4) 4种发展情景下,2030年的生态服务价值分别是784.80亿元、740.31亿元、811.09亿元和751.40亿元,相较于2015年变化了1.44亿元(增加)、-43....     

基于多目标遗传算法的西宁市水资源优化配置研究

对基于多目标遗传算法的水资源优化配置模型进行研究,可为城市水资源可持续利用和规划管理提供一定的参考依据。根据西宁市的水资源实际情况,建立水资源优化配置模型,并利用多目标遗传算法对该区域水资源进行了优化配置。结果表明,在各水平年不同保证率条件下,西宁市水资源经优化配置后的总供水量有所减少,各个水源的供水量亦有不同程度的减少,其中地表水和地下水减少的供水量较为明显。研究结果表明,多目标遗传算法在水资源优化配置中的应用效果较好,优化结果合理可靠。     

多目标土地利用总体规划方法研究

土地资源是人类赖以生存的基础，是最基本的生产资料，其可持续利用是实现社会可持续发展的基础。为了促进土地资源可持续利用，提出多目标土地利用总体规划，并对其实现方法进行研究。多目标土地利用总体规划的方法由以下框架构成：土地资源数据库建立，土地多宜性评价，土地利用方式多目标优化，土地利用系统生态设计和土地利用布局。并以徐水县为例，用多目标线性规划模型优化用地结构，提出了三个规划方案，通过分析和比较，最终选择方案2为满意和推荐方案，并用生态学原理和土地多宜性评价结果对方案2所确定的土地利用方式进行整体空间布局，最终完成徐水县土地利用总体规划。     

基于聚合模型的水库群引水与供水多目标优化调度

该文以深圳市城市供水系统中的公明供水调蓄工程为例,对区域水资源的合理配置和高效利用展开研究。工程中公明水库被用作城市供水的储备水源,以防止连续枯水年份或发生水污染等严重事件对城市供水构成的巨大威胁。为此,充分考虑调蓄工程的供水运行特点,将调蓄工程中的水库群聚合为"虚拟水库",并建立调蓄工程的引水与供水调度模型;调度模型以引水量最小和公明水库换水量最大为目标函数,采用多目标遗传算法NSGA-II对引水与供水调度模型进行优化求解。在此基础上,采用模糊优选方法在Pareto优化解集空间中寻找满意解,并选择3个代表解对调蓄工程的供水进行模拟。对比与分析模拟计算结果,表明优化调度模型能够高效利用外流域引水资源和提高公明水库的水量交换。     

基于遗传算法的水土保持措施空间优化配置

如何在有限的水土保持投资下,将不同类型的水土保持措施合理地空间配置,以期充分发挥生态、经济和社会等综合效益,使水土保持措施的空间优化配置涉及多目标优化,选择合理可行的求解多目标优化问题的方法,已成为研究重点.本文以福建省红壤区土壤侵蚀严重的长汀县为研究区,以2012年水土流失区作为水土保持措施适宜性的评价对象,在封禁措施适宜性评价的基础上,将研究区划分为生态自然修复区和人工辅助治理区.以投入成本最小化、生态效益最大化以及适宜度最大化为目标函数,在人工辅助治理区内,构建水土保持措施空间优化配置模型,采用带精英策略的快速非支配排序遗传算法(NSGA-Ⅱ),进行模型的求解,最终得到水土保持措施空间优化配置方案,并结合2013-2015年水土流失实际治理情况,进行分析验证.从优化结果显示,在政府投入资金一定的情况下,水土保持措施空间布局会朝着产生的生态效益最大化和空间分布适宜度最大化的方向发展.优化配置结果与实际治理情况在大部分区域内,水土保持措施空间分布较一致,吻合度为73.62％.研究结果表明,随着进化代数的增加,基于NSGA-Ⅱ算法的水土保持措施优化配置的优化效果明显,优化配置方案可行有效,可为政府实施水土保持措施空间配置提供决策依据.     

基于复杂种植结构多情景分析的灌区多目标多水源优化配置

为改善多水源灌区农业用水供需矛盾,通过合理调整种植结构,优化灌区水资源配置,该研究以河北省邯郸市漳滏河灌区为研究对象,将农业灌溉缺水量最小和农作物经济效益最大作为目标函数,兼顾灌区生态安全约束,构建了基于种植结构优化的多目标多水源优化配置模型,针对作物熟制、作物种类、种植制度以及灌溉方式设置了8种不同的种植结构优化情景,通过自主改进的基于精英策略并协遗传算法（NSGAⅡ-S）对模型求解,获得不同情景下的水资源优化配置方案。结果表明：应用模型进行水资源配置后,各情景配水总量均有所减少,其中水库配水量高于其他水源的配水量,水库水、引黄水和引江水均达到用水总量控制目标,民有分区的各计算单元间的配水量变化明显,总配水量高于滏阳河分区;适当压减主要依靠抽取地下水灌溉的冬小麦的播种面积,变灌溉农业为旱作雨养农业,可以极大地减少地下水用量,增加灌区经济效益;最佳的种植结构优化方案为CS₄（削减冬小麦的种植面积,种植苜蓿,灌溉方式采取管灌或喷灌）,该方案冬小麦播种面积压减17.10%,地下水开采量减少了16.42%,灌区的经济效益增加了26.41%,在保证配水总量最小的同时,具有更高的经济效益。该研究所构建的多目标多水源优化配置模型和作物配水结果可为类似地区的水资源配置提供参考。     

基于NSGA-Ⅱ遗传算法高比转速混流泵多目标优化设计

为进一步探索优化高比转速混流泵水力性能的方法,该文选用比转速为803的高比转速混流泵为研究对象,运用商用软件ANSYS CFX 15.0,选取剪切应力传输(shear stress transport,SST)湍流模型对其内部流动进行计算。以高比转速混流泵的水力效率、扬程为优化目标,采用给定沿叶轮叶片轴面流线的速度矩的分布规律来实现对叶片的间接参数化,以描述该速度矩分布的四次多项式的3个参数为优化变量。采用均匀试验设计安排样本空间,利用径向基函数(radial basis function,RBF)神经网络拟合优化变量与优化目标间的映射关联,最后结合NSGA-Ⅱ遗传算法进行多目标寻优,取效率最优个体和扬程最优个体与初始模型进行分析:得到了上述3个个体的速度矩分布规律与各微元段包角沿轴面流线的变化趋势,效率最优与扬程最优时叶片包角,即各微元段包角之和,分别为75.15°、67.85°。给出了0.5倍叶高处叶轮导叶的相对流线、速度、静压分布以及0.2倍、0.5倍、0.8倍叶高处叶片相对弦长的静压分布。试验证明,效率最优个体的效率较初始个体提高了1.12%,与CFD(计算流体动力学,computational fluid dynamics)计算结果 1.33%接近。该优化方法改善了叶轮的水力特性,提高了高比转速混流泵的性能,为高比转速混流泵的优化设计提供了参考。     

基于水资源合理利用的多目标农作物种植结构调整与评价

农业系统实质是社会-生态-经济复合系统,水资源约束条件下的作物种植结构应统筹经济、社会、生态三大目标进行优化调整。针对作物种植结构调整多目标决策过程中,在数据处理、模型构建、决策者偏好等方面存在的模糊性,该文将交互式模糊多目标优化算法应用于求解作物种植结构优化调整模型,实现与决策者之间的反复协商,直至得到决策者满意的调整方案;并应用耗散结构理论和模糊数学理论,建立基于相对有序度熵的种植结构调整合理性评价模型。经实例研究验证了本文模型与方法的可行性,为可持续发展种植业研究以及灌溉水资源的合理利用提供理论依据。     

基于多目标粒子群的土地整理项目选址模型

土地整理项目选址实质上是一个多目标空间优化问题,将传统选址方法用于解决多目标土地整理项目选址存在明显不足。该文提出了一种基于多目标粒子群的土地整理项目选址模型,归纳了土地整理项目选址的选址规则,提取3个能够体现土地整理项目选址目的及意义的目标函数,即新增耕地潜力最高、空间分区集中连片、土地适宜性评价指数最高,同时考虑了土地整理项目最小新增耕地率、实施规模2类约束条件,并详细阐述了算法的核心思想、矢量编码策略、状态更新机制等内容,最后选取湖北省嘉鱼县为试验区,验证了模型的可行性和有效性,结果表明通过对目标的权重调控可以得到不同目标偏好的土地整理项目选址方案,该文所构建模型在土地整理实践中具有可操作性,提供的选址方案科学合理,为土地利用规划和土地利用调控管理提供支持。     

基于多目标优化方法的滑坡易发性评价

[目的] 在滑坡易发性评价中,滑坡预测模型的选取和优化对运算过程的高效性和预测结果的准确性至关重要。针对现有单目标遗传优化算法(genetic algorithm,GA)易陷入早熟、局部搜索能力差、全局优化速度慢等问题,拟提出一种新的优化算法框架,将多目标遗传算法中的经典算法—带精英选择策略的非支配排序算法(the nondominated sorting genetic algorithm with an elite strategy,NSGA-Ⅱ)与常用机器学习模型[随机森林(random forest,RF)、支持向量机(support vector machine,SVM)]相结合,进行滑坡易发性预测。与单目标优化不同的是,NSGA-Ⅱ算法可同时进行特征选择和超参数优化,并使预测模型同时实现最优准确度、召回率、精密度和AUC(area under curve,AUC)。[方法] 以三峡库区重庆段为研究区,从模型精度评价、滑坡灾害易发性分区图、分区统计3个方面对4种优化模型(RF-GA、SVM-GA、RF-NSGA-II、SVM-NSGA-II)进行对比分析。[结果] NSGA-II较GA优化效果更明显,在模型评价和滑坡易发性分区方面,RF-NSGA-II模型具有更高的预测性能,4项评价值分别为80.91%,81.89%,80.07%,88.60%,证明NSGA-II优化算法的有效性;极低至极高危险区面积占比依次为23.06%,22.46%,22.96%,19.99%,11.53%,验证了RF-NSGA-II模型的可靠性。由RF-NSGA-II模型预测得到的易发性图表明,高和极高易发性区集中在研究区北部,且由东向西呈带状分布。[结论] 研究采取的基于多目标选择的RF-NSGA-II模型,为滑坡易发性评价中机器学习模型调优提供新思路。     

基于多目标微粒群优化算法的土地利用分区模型

土地利用分区实质上是一个多目标的土地利用空间优化问题,将传统分区方法用于解决多目标优化问题明显不足。该文提出了一种基于多目标微粒群优化的土地利用分区模型,构建了土地利用分区的属性约束指标,提取4个能够体现土地利用分区目的及意义的目标函数,即分区间差异性最大区内相似性最强、空间分区集中连片、土地利用效益最大化、土地适宜性评价指数最高,同时考虑了土地利用分区图上最小图斑面积、用途区面积、用途转换规则3类约束条件,并详细阐述了算法的核心思想、编码策略、状态更新机制及其算子等内容,最后以湖北省宜城市为例,对模型的可行性和有效性进行验证,结果表明通过对目标的权重调控可以得到不同目标偏好的土地利用分区方案,该文所构建模型在土地利用规划实践中具有可操作性。     

基于多目标模糊优化的土保护层塑膜铺衬防渗渠道设计

传统的土保护层塑膜防渗渠道设计仅从水利学的角度考虑单一水力条件下的可靠性,而忽视了经济上的实用性。该文根据多目标模糊优化设计思想,建立了以输水量大、经济性好为目标,满足多种约束条件的模糊优化设计数学模型,对土保护层塑膜铺衬防渗渠道的断面结构进行优化,给出了不同淹没度条件下渠道设计参数的模糊优化结果,仿真分析了渠道边坡角、渠底宽、覆土厚度和渠坡高度等设计参数对总体目标的影响规律。该研究结果为提高土保护层塑膜铺衬防渗渠道的综合设计水平提供了参考依据。     

基于改进多目标进化算法的温室环境优化控制

该文围绕温室环境控制问题,以温湿度2个主要环境因子为研究对象,建立了温室环境动态模型。设计1种基于改进的非支配排序多目标进化算法(modified non-dominated sorting evolutionary algorithm,MNSEA-II)的双比例积分微分(proportional integral derivative,PID)控制器的多输入、输出温室控制系统,以误差平方矩的积分型(integrated time square error,ITSE)为性能指标,使用多目标进化算法对其确立的目标函数进行寻优,求出Pareto最优解,进而对PID控制器的参数进行整定,使系统获得良好的控制性能。本文以Matlab/Simulink为仿真环境,对此温室控制系统进行了仿真研究。结果表明了温室模型的合理性和多目标进化算法优化的PID控制方法的有效性。     

基于CFD的6MF-30型风力灭火机多目标优化

为了解决6MF-30型风力灭火机效率偏低等问题,该文首先对该风力灭火机的实际工况进行测试并模拟计算;然后应用最优化理论,建立该风力灭火机效率和声功率级的多目标优化数学模型,编程计算得到设计变量的最优组合及计算结果,以优化后的结构参数为基础建立三维模型,模拟计算结果显示,优化风机的A计权声压级虽然较原机增加1.28%,但效率、出口全压、出口流量和出口速度分别较原机提高17.56%、23.96%、11.56%和11.33%,风机的综合性能得到改善。该结论可为风力灭火机的设计提供参考。     

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。     

引洮受水区水资源多目标优化配置研究

甘肃省引洮工程通水后,其受水区的水资源匮乏状况将得到极大改善,如何高效合理地利用水资源是该区域亟待解决的重要课题。在对当地水资源供需状况全面预测的基础上,建立受水区家庭、工业、农业、服务业、建筑业、生态六大用水户水资源综合效益最大化多目标优化配置模型,采用多目标规划法进行求解,得到7种水资源配置方案,并对各方案进行分析,以期为促进受水区水资源利用效益的最大化和经济、社会、生态的协调发展提供决策依据。     

基于多目标算法集热/蒸发器微通道结构优化

为提升微通道集热/蒸发器流动与传热性能,该研究通过多目标算法对集热/蒸发器微通道孔结构进行优化。首先,建立集热/蒸发器流动传热耦合模型,通过试验验证模型准确性;其次,采用响应曲面法拟合集热效率和压降的目标函数,建立以微通道集热/蒸发器结构参数为变量的双目标优化模型,并通过多目标粒子群优化算法得到集热效率和压降的Pareto优化解集,用K-means聚类算法对优化解集进行分类;最后,采用不同季节典型工况试验数据确定最佳微通道孔结构尺寸。研究结果表明：集热效率和压降目标函数的决定系数R2分别为0.995和0.999,拟合精度高;孔长、孔宽及孔间距对集热效率和压降影响显著;最终确定孔长1.27 mm、孔宽1.53 mm、孔间距0.39 mm为最佳微通道孔结构尺寸,与原结构相比,集热效率平均提高了8.29%,压降平均降低了11.05%。此方法提供了一定工况范围的优化解集,提升了微通道集热/蒸发器流动与传热性能。     

用多阈值多目标无人机图像分割优化算法检测秸秆覆盖率

为了适应航拍采集秸秆覆盖图像大尺度处理需求,提高当前多阈值差分灰狼优化算法（Differential Evolution Grey Wolf Optimizer,DE-GWO）的图像分割质量和速度,提出一种用于检测秸秆覆盖率的图像分割优化算法。该研究借鉴了人工蜂群多目标灰狼优化算法（Artificial Bee Colony Survey Multi-Objective Grey Wolf Optimizer,AS-MOGWO）,在DE-GWO算法中加入了多目标灰狼优化算法（Multi-Objective Grey Wolf Optimizer,MOGWO）的外部存档,引入多目标的概念,并添加了人工蜂群算法（Artificial Bee Colony,ABC）中观察蜂的搜索策略,提出了基于多阈值的多目标秸秆覆盖图像自动分割的优化算法（Differential Evolution Artificial Bee Colony Survey Multi-Objective Grey Wolf Optimization,DE-AS-MOGWO）。该算法不仅继承了DE-GWO算法的自动分割特性,还兼备AS-MOGWO算法的高效收敛性,提高了图像分割的准确性和处理速度。分析结果显示,在无外界影响的情况下,该研究提出的DE-AS-MOGWO优化算法与人工实际测量法匹配的误差可控制在8%以内。在算法性能方面,DE-AS-MOGWO相比于PSO（Particle Swarm Optimization）、GWO（Grey Wolf Optimizer）、DE-GWO和DE-MOGWO在平均匹配率上分别提高了4.967、3.617、2.188和3.404个百分点,平均误分率分别降低了0.168、0.131、0.089和0.116个百分点,而算法耗时分别降低了82%、84%、17%和32%。试验结果表明,多阈值多目标图像分割方法在大尺度无人机图像中可获得较好的分割效果,且针对不同秸秆覆盖率图像均具有普遍适用性,为大面积秸秆覆盖率检测以及其他相关图像检测提供了高效算法支持。