基于人工鱼群算法和模糊C-均值聚类的洪水分类

为了克服FCM算法依赖初值的缺点，将人工鱼群算法（AFS）引入模糊C-均值聚类，提出了一种新的聚类算法，应用于洪水分类研究。新算法将聚类中心看作食物源，通过样本抽样产生初始鱼群。利用人工鱼群算法全局寻优、快速收敛的特点，得到一个较优的初始聚类结果，再使用FCM算法进行局部搜索。避免了单纯的FCM算法因初值选取不当，而容易陷入局部最小的缺陷。同时新算法给出了洪水等级划分的科学依据。实验结果表明，新算法具有比FCM算法更好的性能表现，使得到的分类结果更加准确合理。     

基于人工鱼群算法和模糊C-均值聚类的洪水分类方法

为了克服模糊C-均值聚类(FCM)算法依赖初值的缺点,引入人工鱼群算法(AFS)建立一种新的聚类算法,应用于洪水分类研究。该算法将聚类中心看作食物源,通过样本抽样产生初始鱼群,利用人工鱼群算法能全局寻优和快速收敛的特点,得到一个较优的初始聚类结果,再使用FCM算法进行局部搜索,以避免因初值选取不当,而有可能陷入局部最小的缺陷。该方法应用于对西江流域洪水资料的分析结果表明,新算法具有比FCM算法更好的性能表现,使得到的分类结果更加准确合理。     

郁江流域历史洪水分类研究

为了探求适合于郁江南宁水文站历史灾害性洪水的分类方法,在概括总结国内外多种分类方法的基础上,选用了系统聚类、FCM聚类、K-means聚类和主成分投影等4种方法进行研究。结果表明,以上方法均较理想,将洪水样本空间划分为了3个量级,其中系统聚类和K-means聚类分类结果相同,FCM聚类与主成分投影结果类似,经综合比较,最终确定1994、2001年为特大洪水典型,1947、1968、1985年为大洪水典型,1954、1978、1980年为一般洪水典型。该研究可为未来郁江流域洪水预报和洪水管理提供科学指导。     

基于投影寻踪动态聚类法的水库水质评价模型

水质评价是水库水资源管理与决策的重要前提。为此,引入动态聚类的思想,将投影寻踪方法与动态聚类方法进行耦合,提出了投影寻踪动态聚类方法;基于对样本的各影响指标的线性投影和动态聚类方法寻找到的最佳投影方向,建立了相应的水库水质评价模型。实例应用结果表明,该模型与传统模型相比,具有根据决策者对某个(些)指标的偏好进行分类、无需给定人为参数以及方便客观的优点,有较好的应用前景。     

基于投影寻踪动态聚类法的湖泊水质评价模型

将投影寻踪动态聚类法应用到湖泊水质综合评价中，并与现有的水质综合评价模型的评价结果做了对比。结果表明，投影寻踪聚类法能有效地克服现有模型的缺点，是高维数据样本聚类分析的一种有效的统计方法，在整个运算过程中不需人为给定参数，聚类结果合理、客观，具有稳定性好、分类结果明确、操作简便等特点，为多因素聚类分析提供了一种新方法。     

基于改进智能优化算法的投影寻踪模型在洪水评估中的应用研究

传统的洪水评估方法存在着评估等级离散和结果不易分辨等不足,如何更准确高效地解决洪水评估问题已成为研究领域的热点之一。以南京站的历史洪水及四川省历史洪水灾情为例,在改进智能优化算法的基础上,引入了基于智能优化算法的投影寻踪模型,并探讨该模型在洪水分类和洪灾等级评价中的应用。结果表明,人工蜂群和混合蛙跳这类新型智能优化算法具有简单、鲁棒、全局寻优和易于实现等特点,与广泛应用于水文界的SCE-UA、文献中的加速遗传等现代启发式算法相比,具有寻优速度更快、能力更强的优势,可为洪水分类和洪灾等级评价等相近领域研究提供新途径。     

基于MAGA-PPC模型的水资源配置方案综合评价

针对水资源配置方案的多目标性、模糊性和不确定性的特点,采用投影寻踪方法将高维数据投影到二维空间,结合聚类算法和多智能体遗传算法建立水资源配置方案综合评价投影寻踪聚类模型(MAGA-PPC),并通过指标的相关性分析验证模型的有效性确保求得最优解。以陕西省引汉济渭受水区为例进行研究。结果表明:MAGA-PPC能够较为系统地量化各方案在社会、经济、生态和资源等方面的综合差异,其评价结果符合研究区水资源开发利用的实际情况,MAGA-PPC在水资源合理配置方案评价中有较好的实用性。     

鸡群优化算法-投影寻踪洪旱灾害评估模型

利用15个复杂函数对鸡群优化算法进行仿真验证,并同狼群算法、粒子群算法、鱼群算法和遗传算法进行对比。利用鸡群优化算法搜寻投影寻踪模型最佳投影方向,建立鸡群优化算法-投影寻踪洪旱灾害评估模型。以文山州1990—2013年洪旱灾害评估为例,分别选取受灾人口等5个洪灾评估指标及农作物受灾面积等4个旱灾评估指标,利用洪旱灾害投影系列均值及标准差构造洪旱灾害评估分级标准对实例进行评估。结果表明:鸡群优化算法具有较好的计算鲁棒性和全局寻优能力。将该算法用于投影寻踪模型最佳投影方向的选取,可有效提高评估精度,避免最佳投影方向寻优结果变化范围过大的缺陷。     

基于BP神经网络的多因子洪水分类研究

采用BP神经网络模型实现洪水的在线分类,通过对模型进行训练和检验,可获得网络拓扑结构为6—3—1的多因子洪水分类模型,利用该模型将洪水划分成3类。以大伙房水库作为实例验证区域,研究表明:BP神经网络训练样本与检验样本的分类结果和实际结果完全吻合,说明此网络模型针对洪水分类的映射能力较高。     

基于遗传投影寻踪模型的膨胀土胀缩等级分类

由于膨胀土的胀缩特性受多种因素的综合影响,膨胀土胀缩等级分类是膨胀土处理中的一个难题。选取影响膨胀土胀缩等级分类的5个主要因素,通过在各评价等级范围内按均匀分布随机构建标准样本,结合遗传算法和投影寻踪方法,获得最佳投影方向和样本最佳投影值,利用逻辑斯谛曲线函数拟合最佳投影值与经验等级之间的非线性关系,建立了膨胀土胀缩等级分类的遗传投影寻踪模型。最后,将该模型应用到某实际工程中,分类结果与实际情况相吻合,验证了该模型的可行性和适用性,该模型可以作为一种膨胀土胀缩等级分类的新方法。