基于改进粒子群算法的坝基扬压力预报方法

根据新安江大坝多年扬压力监测资料,建立基于改进粒子群算法的混凝土坝扬压力预报方法,对基本粒子群算法进行改进,提出了激励因子和惩罚因子,从而动态地调整粒子在计算过程中局部和全局搜索能力的权重,充分利用正反馈信息确定各回归系数.通过实例应用表明,基于改进粒子群算法与最小二乘法、基本粒子群算法相比,预报结果精度较高且收敛速度较快.     

改进粒子群优化算法在水电站群优化调度中的应用研究

针对常规粒子群优化算法易早熟，后期收敛慢且易陷入局部最优解的不足，提出一种新的惯性权重系数更新策略—自适应指数惯性权重系数（SEIWC）代替线性递减惯性权重系数（LDIWC），同时，将遗传算法中的染色体交叉、变异思想引入粒子的更新策略，提高粒子的多样性，增强算法的全局搜索能力。使用Rosenbrock函数和Schaffer函数验证了改进粒子群优化算法的有效性。以福建电网闽江流域水电站群优化调度为例，建立基于改进粒子群优化算法的库群长期优化调度模型，计算结果表明，该模型的调度结果显著优于常规粒子群优化算法，与逐步优化算法获得的结果达到相当水平。     

基于改进粒子群算法的坝体位移监控模型

在基本粒子群算法的基础上,提出了一种基于以e为底的指数函数的惯性权重策略的改进粒子群算法。将粒子群算法引入大坝安全监控领域,并结合坝体位移的多元回归统计模型,建立基于改进粒子群算法的大坝安全监控模型,并应用于新安江大坝的安全监测。实际应用表明,改进粒子群算法与最小二乘法、基本粒子群算法相比,预报结果精度较高且收敛速度较快。     

基于改进PSO算法和SVM的大坝监控模型研究

针对传统大坝安全变形预警监控模型对缺失数据敏感、精度易受其它因素影响的特点,提出了一种利用粒子群算法与支持向量机相结合的建模方法。即通过粒子群算法对支持向量机模型的参数进行寻优,同时改进了惯性权重因子与学习因子,并引入参数收敛程度,有效地解决了粒子群算法存在的早熟收敛问题,提高了全局收敛能力。阐述了模型建立的算法步骤,并利用某水电站观测数据进行了验证。结果表明,相对于传统优化算法,改进的PSO-SVM模型在大坝安全变形监控上具有很大的优越性,而且也扩展了粒子群算法的应用范围。      

基于粒子群仿生算法的混凝土坝变形预报模型

将粒子群算法引入大坝安全监控领域,并结合多元回归统计模型,建立基于粒子群算法的混凝土坝变形预报模型。利用粒子群算法的全局寻优能力以及该算法具有正反馈信息的仿生特点,通过优化迭代计算,确定坝体变形统计模型中各回归系数。工程实际应用表明,基于该模型的预报结果与传统的最小二乘法相比,可显著提高混凝土坝变形的预报精度,所以该模型的预报应用是可行的。     

改进粒子群优化算法在水电站群优化调度中的应用研究

为克服常规粒子群优化算法易早熟、后期收敛慢且易陷入局部最优解的缺点,本文提出一种新的惯性权重系数更新策略——自适应指数惯性权重系数(SEIWC)代替线性递减惯性权重系数(LDIWC),同时,将遗传算法中的染色体交叉、变异思想引入粒子的更新策略,提高粒子的多样性,增强算法的全局搜索能力。使用Rosenbrock函数和Schaffer函数验证了改进粒子群优化算法的有效性。以福建电网闽江流域水电站群优化调度为例,建立基于改进粒子群优化算法的库群长期优化调度模型。计算结果表明,该模型的调度结果显著优于常规粒子群优化算法,与逐步优化算法结果水平相当。     

基于EPSO-NN模型的大坝安全监控数据处理

针对大坝安全监控神经网络模型中选入因子较多,使网络权值的计算成为高维问题,提出将粒子进化-多粒子群优化算法应用到人工神经网络,建立了EPSO-NN模型。该方法改善了BP神经网络易陷入局部极值和解不稳定的缺点。通过工程实例表明:EPSO-NN模型收敛速度快,求解稳定,预测精度比最小二乘回归和BP-NN高。     

基于改进粒子群算法的渗透系数参数反演分析

针对传统的粒子群算法存在收敛速度慢、易陷入局部最优的缺陷,依据水库原型观测数据和有限元数值计算结果,基于以e为底的指数函数的惯性权重策略的改进粒子群算法,减少了求解计算时间,提高了结果准确度,构建了大坝渗透压力监测控制统计分析模型,并分别采用标准粒子群算法和改进的粒子群优化算法反算了混凝土坝体、坝基的渗透系数。与实测值的对比结果表明,基于改进粒子群算法的渗透系数参数反演拟合效果良好,计算误差小、搜索效率快、辨识参数准确度高,具有较强的可操作性。     

改进粒子群优化算法在水库优化调度中的应用

为解决粒子群优化算法寻优过程中易出现种群趋同化而导致早熟收敛的问题,引入粒子群的进化速度和种群多样性适应度方差两个因素,构建了自适应的动态的惯性因子取值机制,并讨论了惯性因子的收敛性及参数的独立性,从而改进了传统粒子群优化算法的惯性因子线性取值机制。将改进的粒子群优化算法应用于某水库的优化调度中,验证了该算法能以较快的速度收敛得到全局极值,克服了易陷入局部最优的缺点,为水库优化调度问题提供了一条新途径。     

基于改进PSO-RF算法的大坝变形预测模型

针对传统随机森林参数寻优方法的不足,引入均衡惯性权重和自适应变异对粒子群优化算法进行改进,提出了一种基于改进粒子群优化算法和随机森林算法(改进PSO-RF算法)的大坝变形预测模型。实例验证结果表明,在计算效率方面,与传统网格搜索法相比,改进PSO-RF算法显著提升了模型的寻优速度;在预测精度和稳定性方面,基于改进PSO-RF算法的大坝变形预测模型明显优于长短期记忆网络、支持向量机和BP神经网络模型。     

改进粒子群算法在大坝力学参数分区反演中的应用

为反演大坝的力学参数,需克服粒子群算法不能保证收敛到全局最优解的缺点,本文应用了一种新的粒子群算法:采用了拉伸目标函数法、Metropolis算法和自适应权重。同时将上述改进算法同量子粒子群算法和灾变粒子群算法进行了比较,将实际反演结果同超声波检测和常规基于混合模型的反演结果进行了比较,解释了常规反演结果偏小的原因。工程实例表明,改进算法具有计算量小、全局收敛性能高的特点,与灾变粒子群算法和量子粒子群算法性能相当。     

基于AdaBoost集成的WPSO-RBF大坝变形监控模型

变形监测是大坝安全监测的必设项目,由于影响因子众多,常利用神经网络(如BP,RBF等)进行参数选取和模型建立。传统的径向基函数(RBF)神经网络因网络结构简单、收敛速度快而被广泛运用,但其在预测中易陷入局部最优且参数选取不当会对其收敛性产生影响。因此,首先利用动态权重粒子群算法(WPSO)对RBF神经网络的3个参数(隐含层基函数的中心c、宽度d及隐含层到输出层的权值w)进行优化,建立基于WPSO-RBF的大坝变形监控模型,然后将WPSO-RBF模型作为弱分类器,采用AdaBoost算法进行集成,建立基于WPSO-RBF-AdaBoost的大坝变形监控模型。将该模型运用到工程实例中,实例结果显示该模型具有收敛速度快、分类精度高、泛化能力好,可建立较优的大坝变形监控模型。     

近区爆破对土石坝安全影响分析

邻近坝区爆破开挖诱发的爆破振动对土石坝安全有不利影响,确定可靠的影响分析方法、拟定合理的爆破控制措施对保证土石坝安全具有重要作用。结合工程实例,通过建立有限元模型、施加爆破振动荷载,从坝体应力和坝坡稳定等方面分析确定合理的爆破安全质点振动速度限值;根据爆破试验监测数据和有关规程规范,提出爆破分区控制措施以及爆破施工过程中需根据监测成果同步调整爆破安全控制标准、及时修正爆破施工参数的方法。提出的分析方法和控制措施可为近区爆破对土石坝安全影响和拟定爆破分区控制措施提供参考。     

基于混合蛙跳算法的混凝土坝加权变形预报模型

利用混合蛙跳算法的优化特点,将大坝安全监控统计模型的求解转换为多目标函数的优化问题;引入调整系数修正回归因子,考虑调整系数与回归因子之间的协调关系,利用混合蛙跳算法同步确定调整系数和回归系数,建立基于混合蛙跳算法的混凝土坝加权变形预报模型。工程算例应用结果表明,该模型具有较优的中长期预报能力,可提高大坝安全监控统计模型的预报精度,在大坝安全监控领域具有一定的工程应用意义。     

CPSO-NN模型在大坝安全监控中的应用

针对大坝安全监控中传统BP神经网络模型由于采用最速下降法求解网络权值而存在的计算过程复杂、易陷入局部极值点等缺点,提出大坝安全监控神经网络权值的协同粒子群优化求解方法。该方法先把网络权值的计算问题转化为粒子群的寻优问题,然后通过粒子群协同寻优实现对网络权值的计算。工程实例分析结果表明:基于协同粒子群算法的神经网络模型计算简单、收敛速度快、拟合精度高,为大坝安全监控分析提供了一种有效的新方法。     

基于混合微粒群算法的堆石坝土石方调配计算

基于微粒群算法和模拟退火算法,构成混合微粒群算法.建立混合微粒群算法数学模型,用于堆石坝土石方调配计算.在河口村水库面板堆石坝土石方调配计算的应用中,计算成果为施工组织设计提供了较为详尽、可靠的数据支持.与其他算法相比,利用混合微粒群算法解决土石方调配问题方便、可行.     

基于自由搜索的灌区优化配水模型研究

在求解优化配水问题时,遗传算法和粒子群算法是经常被采用的优化算法,然而在优化过程中可能出现早熟,从而会影响到配水模型的有效性。为此,本文引入一种新的基于动物群体的优化算法——自由搜索(FreeSearch)算法,并以实现单位灌溉水量的净收益最大为目标构建了灌区优化配水模型,设自由搜索中动物探查行走时的位置分量为模型寻优参数,应用自由搜索算法对模型进行优化求解。实例应用结果表明:与加速遗传算法和标准粒子群算法求解优化配水模型的结果相比,本文建立优化配水模型能为灌区提供更合理的优化配水方案,可使整个灌区及单位灌溉水量的净收益都获得显著增长。     

基于IPSO优化LSSVM的水轮发电机组振动故障诊断

提出改进的粒子群(IPSO)算法，并与最小二乘支持向量机(LSSVM)相结合，得到基于IPSO-LSSVM的水轮发电机组故障诊断方法。改进后的粒子群算法能较好地调整算法在全局与局部搜索能力之间的平衡，将其应用于LSSVM的参数优化，可以提高故障诊断的精度和效率。实例分析结果证明，IPSO-LSSVM模型不仅能够取得良好的分类效果，而且诊断速度与精度均高于采用BP神经网络、LSSVM以及PSO-LSSVM等方法，适合在实际工程中应用。     

考虑高寒低温影响的高心墙堆石坝仓面施工仿真模型研究

低温是影响高寒地区高心墙堆石坝施工的关键因素.然而,目前堆石坝施工仿真主要采用工程经验或者统计分析方法获得有效施工时长等参数从而间接反映气温对施工过程的影响,难以准确量化因高寒低温停工导致的施工进度滞后的影响,且缺乏考虑高寒施工环境下的保温工序,无法满足仓面施工仿真的精细化需求.针对以上问题,本文提出一个考虑高寒低温影...