施工管理与遗传算法

施工管理是一项很复杂的工作，它的每一工作步骤都需进行决策。本文分析了施工管理活动的主要内容，研究和探讨了遗传算法在施工管理中的应用情况。     

基于遗传算法与粒子群算法的配电网无功优化

根据遗传算法(GA)收敛效果好和粒子群算法(PSO)收敛速度快的特点,将两者相结合对配电网无功优化模型进行求解。计算结果表明:该算法是收敛的、有效的。     

CdS量子点的水相合成及其荧光猝灭法测定铜离子

常温下在水溶液中制备了的以巯基乙酸修饰的CdS纳米溶胶,并用荧光光谱对其进行了表征。以修饰的纳米粒子为荧光探针,建立了荧光猝灭定量测定铜离子的方法。考察了不同缓冲体系、缓冲液pH值、纳米粒子浓度等多种因素的影响,在最佳实验条件下,测定铜离子的线性区间为16．7—83．3μL,检出限为0．29μL,该方法经济、简单、快速、灵敏度高、检出限比较低、检测范围比较宽。     

土壤风蚀影响因子分布规律研究的最大熵方法

土壤风蚀是一个综合的自然地理过程,包括气候、植被、土壤、地形地貌等多种因子。作为随机变量的风蚀因子,其分布规律直接或间接地影响着风沙的运动规律,一方面导致土壤风蚀程度及方向的变化,另一方面变量之间的非线性相互作用的结果导致风沙流的混沌特性。为此把影响风沙运动规律的各因子作为研究对象,应用最大熵原理与遗传算法相结合的方法,建立了风蚀影响因子概率密度函数模型,采用Matlab语言编制了相应的计算程序,并以阴山北部农牧交错带为例对所建模型的合理性和可行性进行了验证。结果表明,风蚀影响因子的熵概率密度函数不仅合理可行而且具有较高的精度。     

金属热防护系统多层隔热材料的传热分析及参数优化

采用能量平衡方程和离散坐标法近似地建立了金属热防护系统多层隔热材料的一维稳态传热的数学模型，并利用遗传算法和纤维隔热材料的有效导热系数试验数据求解传热反问题，从而得到了模型中的纤维隔热材料的辐射衰减系数、反照率和隔热屏表面辐射发射系数。最后，由实验测得了多层隔热材料的有效导热系数，验证了采用优化参数后，多层隔热材料的传热模型的正确性。     

泵站优化运行算法

通过对动态规划法、线性规划法、非线性规划法及遗传算法等泵站优化运行算法的综述，对泵站运行优化方法的发展提出新的看法。     

磁场和LO声子效应对量子盘中强耦合磁极化子qubit的影响

采用Lee-Low-Pines-Huybrechts变分法研究了外磁场、LO声子效应和量子点厚度对量子盘中电子-LO声子强耦合磁极化子的振动频率和qubit的影响,推导出磁极化子的振动频率λ,量子比特振荡的周期T0和电子的几率分布ρ的表达式.数值计算结果表明,磁极化子基态的振动频率大于激发态的振动频率,λ随ωc和α的增加而增大,随L的增加而减小;T0随受限强度ω0和量子盘厚度L的增加而增大,随电子-声子耦合强度α的增加而减小;ρ随ω0的增加而减小,随L的增加而振荡减小;T0和ρ随ωc和L的变化规律受ω0和α的影响显著.     

纳米标记免疫层析法在农药残留检测中的应用研究进展

农药残留超标已成为影响农产品质量安全的重要问题,迫切需要探寻开发灵敏、准确、可靠、便捷且适用性强的农药残留快速检测方法。免疫层析法是将抗原抗体特异性免疫反应和色谱层析分离技术相结合的一种快速检测方法,其中,基于胶体金标记的免疫层析技术以其便捷、成本低、可视化等优点而受到普遍欢迎。近年来随着量子点、时间分辨荧光微球、上转换发光纳米粒子等新型纳米标记材料的出现,免疫层析技术得到了广泛发展。文章从标记类型（非共价作用标记及共价作用标记）及标记材料（胶体金、纳米碳、量子点、上转换发光纳米粒子、磁性纳米颗粒、时间分辨荧光微球及荧光乳胶颗粒）等方面,综述了不同纳米材料标记的免疫层析技术及其在农药残留检测领域的研究及应用进展,可为深入开展农药残留免疫层析技术研究提供参考。     

基于优化的长短时记忆神经网络牧群采食量估测模型

为了能够较为精准的估测牧群的采食量信息,提出一种基于遗传算法(genetic algorithm, GA)和长短时记忆神经网络（long short-term memory,LSTM）的牧群采食量估测模型。首先通过皮尔森系数法分析得出影响牧群的采食量的主要影响因子,以减少输入维度并解决信息冗余问题。在此基础上,构建基于 LSTM 神经网络算法的牧群采食量估测模型,并引入遗传算法来优化LSTM 神经网络模型参数来增加模型的可靠性。最后,利用该模型对牧群采食量进行估测。试验结果表明：该采食量估测模型各评价指标平均绝对误差(mean absolute error,MAE)、平均绝对百分比误差(mean absolute percentage error,MAPE)、以及均方根误差（root mean square error,RMSE）分别为2.982、9.85%和6.108。与单一的LSTM神经网络以及GRU神经网络模型相比,均优于其他模型;且该模型具有较好的估测性能和较强的泛化能力,能够为合理轮牧提供科学指导,对草地保护有一定的应用价值。     

基于优化BP神经网络的香格里拉高山松蓄积量模型研究

以香格里拉县高山松为研究对象,以Landsat TM 8影像和DEM（30M）数据为信息源,结合森林资源二类调查数据和地面样地实测数据,借助MATLAB平台,在前期进行基于遗传算法（GA）和粒子群算法（PSO）优化BP神经网络模型基础上,采用决定系数（R²）、均方根误差（RMSE）及预测精度（P）3个指标对优化后的BP神经网络模型及进行评价,并建立了研究区高山松蓄积量估测模型。结果表明,遗传算法效率（耗时1.9 h）低于粒子群算法（耗时1.4 h）;采用遗传算法优化后的BP神经网络模型R²、RMSE及P分别为0.636、4.216 m³、81.748%,均优于粒子群算法。通过遗传算法优化后的BP神经网络模型估测香格里拉高山松蓄积量总量为13 317 879.7 m³。