包气带水分特征曲线参数模型及算法分析

[目的]为包气带水分特征曲线参数寻找一种合理有效的拟合方法。[方法]结合试验实测数据,利用非线性无约束算法、非线性最小二乘法和粒子群优化算法对模型中的参数进行拟合。[结果]在对Brooks．Corey模型采用非线性回归分析、优化算法拟合的参数中,拟合的θr分别为0．830和0．349,显然脱离了物理背景;非线性回归分析拟合VanGenuchten模型中的参数α显然脱离物理背景。不同算法对Gardner模型中参数影响不大。VanGenuchten模型能完整地刻画整个脱湿曲线,Brooks—Corey模型和Gardner-Russo模型在含水率接近饱和状态时不适用或在进气值处存在不连续。VanGenuchten模型在不同算法之间的差别较小,Brooks-Corey模型和Gardner-Russo模型在不同算法之间的差别较大。非线性回归分析拟合的误差最小,优化算法次之。[结论]非饱和带水分特征曲线参数模型的选用不能脱离参数的物理背景。     

基于改进的粒子群优化算法确定河流水质参数

【目的】将改进的粒子群优化算法应用于河流水质模型参数求解,为预估河流水质参数提供一种有效的方法。【方法】以粒子群算法为基础,用混沌序列的产生过程模拟粒子初始化提高算法的全局搜索能力,加入单纯形算法提高计算精度,建立改进的粒子群优化算法。用改进的粒子群优化算法对一维及二维河流水质模型参数进行求解,并进行实例验证。【结果】改进的粒子群优化算法可以有效地应用于一维及二维河流水质模型参数的求解;随着参数取值区间的不断扩大,算法的运算时间增加;改进的粒子群优化算法比粒子群优化算法具有更好的收敛性且计算精度更高。【结论】改进的粒子群优化算法能改善原算法易陷入局部最优解的不足,是分析河流水团示踪试验数据、预估一维及二维河流水质模型参数的一种有效方法。     

基于改进粒子群优化算法的BOD-DO水质模型参数确定

【目的】将改进的粒子群优化算法应用于BOD-DO水质模型参数求解,为水质模型参数求解提供支持。【方法】通过差异演化算法对各个体历史最佳位置进行变异,以保持种群多样性,并在搜索后期加入局部搜索能力强的单纯形算法,建立改进的粒子群优化算法,并用该算法对BOD-DO水质模型参数进行求解。【结果】改进的粒子群优化算法能有效地确定BOD-DO水质模型参数;参数取值范围的放宽对算法的收敛性影响较小,但迭代次数有所增加;均匀分布法生成的初始种群可以有效地提高算法的收敛率,加快收敛速度;交叉概率和缩放因子的随机选取策略,可以有效地提高算法的收敛率并加快收敛速度;比较计算结果可知,改进的粒子群优化算法的收敛精度有所提高,收敛率可达到100%,收敛速度可提高5倍以上,标准差约是粒子群优化算法的10%。【结论】改进的粒子群优化算法有效地避免了原算法的早熟或停滞,为不同类型的水质模型参数求解提供了一个可靠的方法。     

基于复合粒子群自适应液压伺服系统力跟踪控制与试验

为提高液压伺服系统力跟踪控制性能,针对不同环境模型及变期望力条件下,液压伺服系统末端位置力跟踪存在稳态误差及动态特性差问题,提出一种复合粒子群自适应阻抗控制策略。在建立液压伺服系统数学模型和阻抗模型基础上,根据环境刚度及力偏差,采用模糊算法确定阻抗参数范围,结合莱维飞行粒子群快速通过局部与全局搜索确定不同环境刚度下的阻抗参数,采用三次样条插值拟合阻抗参数随环境刚度变化方程;分析末端位置力跟踪稳态误差原因及并建立数学模型,根据末端位置力及当前末端位置,利用自适应算法估计环境刚度与环境位置,对期望位置补偿并选择阻抗参数。通过Matlab-Adams虚拟样机仿真,验证复合粒子群自适应阻抗算法对液压伺服系统力跟踪有效性。二连杆串联机构台架试验结果表明,采用复合粒子群自适应阻抗策略液压伺服系统力跟踪控制,末端位置稳态误差范围0~1,在期望力发生变化时,力跟踪动态性能良好。研究为液压伺服驱动足式农业移动平台及大型农业采摘机械臂末端位置力控制设计提供参考。     

基于RBFNN混合粒子群算法的电力负荷短期预测

根据电力系统负荷预测的不同目的,提出一种基于RBFNN混合粒子群优化算法(HPSO)预报电力系统短期负荷,即首先采用改进的粒子群优化算法(MPSO)全局优化网络模型参数然后在MPSO全局搜索模型参数基础上利用梯度下降法局部优化网络模型参数,建立电力系统短期负荷的时序人工神经网络模型。仿真结果表明,该方法与传统的预测方法相比,减少了训练时间,提高了精度和适应性。     

用粒子群算法反求割离井公式中的水文地质参数

【目的】研究粒子群算法在反求割离井公式水文地质参数中的适用性。【方法】以待估计的水文地质参数作为变量,利用割离井公式计算观测井的理论出水量,将理论出水量与观测出水量的偏差平方和作为目标函数,从而将反求割离井公式水文地质参数问题转化为最优化问题,利用粒子群算法进行求解。【结果】实例验证表明,粒子群算法用于反求割离井公式水文地质参数,计算精度高,不受人为因素干扰,可以取得理想效果。【结论】粒子群算法是反求割离井公式水文地质参数的新方法。     

基于粒子群优化Friele模型木材染色配色算法研究

为提高木材染色计算机智能配色的准确性和实用性，选择水曲柳单板为染色材，基于Friele模型为基础，对模型参数进行循环赋值计算出最优参数值和预测配方，利用粒子群优化Friele模型预测其拟合配方与拟合反射率，并根据基于人眼的CIEDE2000色差评价标准公式计算色差，比较2种方法的预测配方和光谱反射率得出，当模型参数固定时，平均拟合色差为0.820 2，优化模型后，平均拟合色差为0.728 7。基于粒子群优化Friele模型进行参数循环赋值相比较固定模型参数对木材配色效果有显著提高。     

土壤水分特征曲线模型参数识别的多邻域粒子群算法

Van Genuchten模型(简称VG模型)是目前运用最为广泛的土壤水分特征曲线模型,提出适宜的优化算法进行模型参数识别也是一个非常重要的研究方向。针对标准的粒子群算法易陷入局部最优的缺点,给出了一种多邻域粒子群算法,可以有效地克服粒子群算法易陷入局部最优的缺点,并利用该算法对VG模型参数进行识别,最后用所求解的参数对不同类型土壤持水性能进行了试验。数值实验结果表明,多邻域粒子群算法能够有效地应用于VG模型的参数识别,与其它算法相比在性能和精度上都有所提高,而且对参数的取值范围也可以较大地放宽。因此,多邻域粒子群算法可以作为VG模型参数识别的一种新方法。     

基于粒子群优化算法的组合算子水质评价模型

根据参数化组合算子方法建立了水质评价模型,应用粒子群优化算法确定模型中的参数,并将该模型分别应用于富营养化海水、地下水与地表水的水质评价.案例分析结果表明,基于粒子群算法的参数化组合算子水质评价模型对各类水体的水质评价结果与传统方法基本一致,具有方法简单、计算量小和适用于非线性水质评价问题的特点.     

基于改进广义回归神经网络和主成分分析的宽带DOA估计

为了获取较高的宽带信号的DOA(direction-of-arrival)估计精度,提出了基于改进的广义回归神经网络(IGRNN,improved generalized regression neural network)和主成分分析(PCA,principalcomponent analysis)的宽带DOA估计算法。选用PCA方法对训练样本进行降维,以降低神经网络的复杂度;利用粒子群算法优化GRNN的参数;根据选取不同的聚焦角度确定粗估计、精估计的训练模型,通过粗估计得出目标的大致方位后,利用精估计模型得出最终的估计结果,避免了聚焦角度对估计精度的影响。仿真结果表明,本文提出的算法具有较好的估计精度和较高的工作效率。