基于改进PSO-PP模型的区域水资源利用效率评价

针对基本粒子群算法(PSO)早熟收敛、易陷入局部极值以及投影寻踪(PP)模型最佳投影方向难以选取的不足,利用改进的PSO(IPSO)算法优化PP模型最佳投影方向,提出了IPSO-PP水资源利用效率评价模型。从"三生"用水指标中选取15个指标构建区域水资源利用效率评价指标体系,以云南省16个州市水资源利用效率评价为例进行实例研究,并构建PSO-PP模型、差分进化(DE)算法-PP模型及和声搜索(HS)算法-PP模型作对比分析模型。结果表明,IPSO算法优化PP模型获得的适应度值和最佳投影方向均优于PSO、DE和HS算法,具有较好的求解精度和全局极值能力。IPSO-PP模型对实例的评价排序结果与DEPP模型相同,与HS-PP模型评价排序结果略有差异,与PSO-PP模型评价排序结果差异较大,表明智能算法寻优能力的强弱决定了评价精度的高低。模型及实例验证结果可为PP模型优化及其他水资源系统类综合评价提供参考和借鉴。     

ICA-PP模型在水库补偿效益方案优选中的应用

为研究帝国竞争算法(ICA)-投影寻踪(PP)模型应用于水库补偿效益方案优选中的可行性和有效性,以黄河干流梯级水库补偿效益方案优选为例,提出ICA-PP方案优选模型,并构建DE(差分进化算法)-PP、PSO(粒子群优化算法)-PP和SA(模拟退火算法)-PP模型作为对比模型。实例验证表明,ICA-PP、DE-PP、PSO-PP、SA-PP 4种模型实例方案优选结果相同,但ICA-PP模型获得的适应度值和最佳投影方向均优于其他3种算法,为水库补偿效益方案优选提供了新的途径和方法。     

基于新型蜂群算法-投影寻踪模型的城市供水方案优选研究

为科学优选城市供水方案,构建新型蜂群算法(NBCA)-投影寻踪(PP)优选模型,以郑州市引黄供水方案优选为例进行实例研究。选取4个典型测试函数对NBCA进行仿真验证,并与人工蜂群(ABC)算法、蜜蜂算法(BA)和粒子群优化(PSO)算法的仿真结果进行对比。通过实例优选数据构建方案优选投影目标函数,利用NBCA、ABC、BA、PSO算法优化该目标函数,并比较优化结果。构建NBCA-PP模型对实例供水方案进行优选,优选结果与模糊集对分析模型、熵权TOPSIS模型、灰色关联决策模型的优选结果进行比较。结果表明,NBCA寻优效果均优于ABC、BA、PSO算法,具有较好的寻优精度和全局搜索能力。NBCA-PP模型对实例优选结果与熵权TOPSIS模型的优选结果相同,与模糊集对分析模型、灰色关联决策模型的优选结果略有差异。NBCA-PP模型及方法用于城市供水方案优选是可行的。     

基于LBA-PP模型的年径流丰枯分类

针对年径流丰枯特性同时取决于径流本身大小和年内时程分配的特点,利用一种基于Lévy飞行策略改进的蝙蝠算法(Lévy Bat Algorithm,LBA)搜索投影寻踪模型(Projection Pursuit,PP)最佳投影方向a,提出LBA-PP年径流丰枯分类模型,并构建粒子群优化(Particle Swarm Optimization,PSO)算法-PP模型,与LBA-PP年径流丰枯分类模型对比,以云南省西洋站为例进行实例研究。结果表明LBA算法寻优能力优于PSO算法,具有较高的收敛精度、较好的稳健性能和全局寻优能力。利用LBA算法寻优PP模型最佳投影方向a,不但提高了PP模型的分类精度,而且为PP模型最佳投影方向的选取提供了新的途径和方法。LBA-PP模型同时考虑了年径流大小及年内时程分配信息,其分类结果较常规方法更科学、客观。     

灰色模型结合微粒群算法的城市用水量预测

为了提高城市用水量的预测精度,基于灰色GM(2,1)模型,采用参数ρ进行数乘变换,利用参数λ修正其背景值,引入微粒群算法(PSO)寻求参数λ、ρ的最优解,构建PSO-GM(2,1,λ,ρ)模型,对某市1990—2001年用水量进行预测,并与灰色神经网络(GNNM)算法预测结果进行对比。结果表明:引入PSO算法,利用其全局搜索、局部搜索相结合的搜索模式确定λ、ρ,可以提高灰色模型的预测精度;参数λ、ρ的随机性、灵活性加上PSO算法的搜索性、寻优高效性使PSO-GM(2,1,λ,ρ)模型比GNNM模型预测精度更高。     

GSA-PP模型在区域水资源承载力评价中的应用

为研究引力搜索算法(GSA)-投影寻踪(PP)模型应用于区域水资源承载力评价中的有效性和可行性。从水资源系统、经济社会系统和水环境系统遴选14个指标构建区域水资源承载力评价指标体系及分级标准,利用GSA算法优化PP模型最佳投影方向,提出GSA-PP水资源承载力评价模型,并构建粒子群优化(PSO)算法、差分进化(DE)算法和布谷鸟搜索(CS)算法优化的PP模型作对比,以文山州8县市水资源承载力评价为例进行实例研究。结果表明:GSA算法连续10次优化PP模型获得的适应度值均为1147.9363,均优于PSO、DE和HS算法,具有较高的求解精度和稳定性能。GSA-PP模型对麻栗坡县、马关县和文山市的评价结果为"可承载",对其余5县的评价结果为"基本可承载"。GSA-PP模型对实例评价及排序结果与DE-PP模型相同;与PSO-PP、CS-PP模型评价结果相同,但在排序上存在差异。实例验证了智能算法求解精度的高低决定着评价效果的优劣。     

基于WCA-MEPP模型的云南省水资源利用效率动态评价

以云南省2006-2015年及2020年水资源利用效率评价为例,从综合、工业、农业、生活和生态5个方面遴选15个指标构建水资源利用效率评价指标体系和分级标准,基于最大熵投影寻踪(MEPP)技术进行区域水资源利用效率动态评价。采用在指标分级标准阈值间随机生成样本的方法构造MEPP目标函数,利用水循环算法(WCA)优化MEPP最佳投影方向,建立WCA-MEPP水资源利用效率评价模型,并分别构建生物地理优化(BBO)算法、差分进化(DE)算法和粒子群优化(PSO)算法-MEPP水资源利用效率评价模型作对比模型。结果表明:(1)WCA寻优MEPP目标函数获得的最优值、最劣值、平均值和标准差均优于BBO、DE和PSO算法,具有较好的全局极值寻优能力。(2)WCA-MEPP模型对云南省2006-2007年水资源利用效率评价为"较低水平",2008-2015年评价为"中等水平",2020年评价为"较高水平"。2006-2015年间云南省水资源利用效率随时间呈提升趋势,且提升趋势显著。(3)WCA-MEPP模型对云南省水资源利用效率评价结果与BBO-MEPP模型相同,但在排序上存在差异;与DE-MEPP、PSO-MEPP模型在评价结果及排序上均存在差异。     

基于新型蝙蝠算法-投影寻踪模型的文山州水量分配方法

基于公平和效率原则,构建文山州水量分配指标体系和水量分配投影寻踪(PP)模型。针对PP模型最佳投影方向难以确定的不足,利用新型蝙蝠算法(NBA)搜寻PP模型最佳投影方向,构建NBA-PP水量分配模型对文山州8县(市)水量进行分配。通过5个典型测试函数对NBA算法进行仿真验证,仿真结果与基本蝙蝠算法(BA)、人工蜂群算法(ABC)、布谷鸟搜索(CS)算法和差分进化算法(DE)进行对比。结果表明:通过引入生境选择策略及自适应补偿回声多普勒效应机制的NBA算法能有效平衡全局搜索和局部开发能力,寻优效果优于DE、CS、ABC和BA算法,具有较快的收敛速度、较高的寻优精度和较好的收敛稳定性与收敛可靠性;NBA-PP模型水量分配结果较目前分类权重法分配结果更科学、客观。     

基于最大熵投影寻踪模型的云南省近10 a水资源承载力评价

为对云南省2006—2015年水资源承载力进行评价,从水资源、经济社会和生态系统3个方面提出水资源承载力评价指标体系和分级标准,并基于最大熵投影寻踪(MEPP)技术进行区域水资源承载力评价。采用在指标分级标准阈值间随机生成样本的方法构造MEPP目标函数,利用混合蛙跳算法(SFLA)优化MEPP最佳投影方向,提出SFLA-MEPP水资源承载力评价模型,并构建生物地理优化(BBO)算法-MEPP、和声搜索(HS)算法-MEPP和粒子群优化(PSO)算法-MEPP水资源承载力评价模型作对比模型。结果表明SFLA寻优MEPP目标函数获得的最优值、最劣值、平均值和标准差均优于BBO、HS和PSO算法,具有较好的全局极值寻优能力;SFLA-MEPP模型对云南省2006—2007年、2011—2012年水资源承载力评价为“基本可承载”,其他年份评价为“可承载”;2006—2015年间云南省水资源承载力随时间呈提升趋势,但提升趋势不显著;SFLA-MEPP模型对云南省水资源承载力评价结果与BBO-MEPP模型相同,但在排序上存在差异;与HS-MEPP,PSO-MEPP模型在评价结果及排序上均存在差异。     

基于WDO-PP模型的区域水资源系统与经济社会生态系统协调度评价

以云南省16个州市为例进行实例研究,提出风力驱动优化(WDO)算法-投影寻踪(PP)水资源系统与经济社会生态系统协调度评价模型,构建布谷鸟搜索(CS)算法、差分进化(DE)算法和粒子群优化(PSO)算法优化的PP模型作对比,进行水资源系统与经济社会生态系统协调度评价。从水资源、经济、社会和生态系统遴选20个指标构建区域水资源系统与经济社会生态系统协调度评价指标体系,并基于指标系列均值及标准差构造"绝对协调"~"极不协调"6个等级的水资源系统与经济社会生态系统协调度评价标准,应用WDO-PP、CS-PP、DE-PP和PSO-PP模型对实例协调度进行评价及分析。结果表明:DWO算法优化PP模型获得的适应度值和最佳投影方向均优于CS、DE和PSO算法,具有较好的求解精度和全局极值能力。WDO-PP模型对昆明、玉溪两市以及怒江、德宏、西双版纳、迪庆4州的水资源系统与经济社会生态系统协调度评价为"协调",其余州市协调度评价为"基本协调"。WDO-PP模型对实例的评价结果与CS-PP、DE-PP模型相同,但在排序上存在差异;与PSO-PP模型的评价结果及排序上均存在差异,表明智能算法极值寻优能力的强弱决定了评价精度的高低。     

基于粒子群算法的水文模型参数多目标优化研究

在改进的粒子群算法基础上通过引入存档群体和拥挤距离机制,建立了基于粒子群算法的多目标算法,并将该算法应用于新安江模型参数多目标优化计算中,得到了最优解的Pareto集合.通过多目标距离函数法从Pareto集中求出一组单一解.将多目标优选的结果与单目标优化结果进行比较分析.结果表明,多目标参数优选方法综合考虑了水文过程的各种要素,比单目标优选结果具有更高的模拟精度.     

巢湖流域水安全评价的集对分析模型

集对分析方法从同、异、反3方面综合描述事物之间的联系,能有效地描述水安全系统的确定不确定关系。利用联系数描述水安全系统的确定不确定关系时,差异度系数i在[-1,1]之间取值是不确定的,为刻画差异度系数取值的不确定性,提出利用三角模糊数表示差异度系数i,建立流域水安全评价的集对分析模型,并应用于巢湖流域水安全综合评价。结果表明:巢湖流域9区(县)及全流域的水安全状况从高到低依次为:合肥、居巢、含山、全流域、和县、庐江、无为、肥西、舒城和肥东。流域水安全评价的集对分析模型能有效利用三角模糊数联系数确定水安全等级,为流域水安全问题研究提供了一种新的方法,具有一定的推广应用价值。     

多组群教学优化算法-神经网络-支持向量机组合模型在径流预测中的应用

采用5个标准测试函数对多组群教学优化(MGTLO)算法进行仿真验证,并将仿真结果与基本教学优化(TLBO)算法、混合蛙跳算法(SFLA)、差分进化(DE)算法和粒子群优化(PSO)算法的仿真结果进行对比。利用MGTLO算法搜寻基于广义回归神经网络(GRNN)、径向基神经网络(RBF)、支持向量机(SVM)模型单元的组合模型的最佳模型参数和组合权重系数,提出MGTLO-GRNN-RBF、MGTLO-GRNN-SVM、MGTLO-RBF-SVM、MGTLO-GRNN-RBF-SVM 4种组合预测模型,以新疆伊犁河雅马渡水文站和云南省某水文站年径流量预测为例进行了实例分析,并将预测结果与MGTLO-GRNN、MGTLO-RBF、MGTLO-SVM和GRNN、RBF、SVM 6种单一模型的结果进行对比分析。结果表明:MGTLO算法寻优精度优于TLBO、SFLA、DE和PSO算法,具有较好的收敛速度和全局极值寻优能力;组合模型融合了MGTLO算法与GRNN、RBF、SVM模型单元的优点,在预测精度、泛化能力等方面均优于单一模型;MGTLO算法能有效优化各组合模型的相关参数和权重系数,MGTLO-GRNN-RBF-SVM模型预测精度最高。     

一种高效的SWAT模型参数自动率定方法

本文分析了SWAT模型和PSO算法的原理,将PSO算法引入SWAT模型中,构建了新的SWAT模型参数自动率定模块,通过在天津蓟运河流域实例研究,发现该方法率定精度较高,收敛速度快,运行结果稳定,整体率定效果优于模型自带的参数率定模块。如果用改进后的模块在Linux平台开展自动率定,可以使模型自动率定效率提高到当前水平的7倍,适用于大型流域或长时间系列模拟。而PSO算法作为一种通用的优化算法,可广泛用于各种水文模型的参数率定。     

基于人工生态系统优化算法的组合生长需水预测模型

为提高需水预测精度,拓展生长模型在需水预测中的应用,提出基于人工生态系统优化(AEO)算法的组合生长需水预测模型。结合实例,选取6个标准测试函数在不同维度条件下对AEO算法进行仿真验证,并与鲸鱼优化算法(WOA)、灰狼优化(GWO)算法、教学优化(TLBO)算法和传统粒子群优化(PSO)算法的仿真结果进行比较。基于Weibull、Richards、Usher 3种单一生长模型构建Weibull-Richards-Usher、Weibull-Richards、Weibull-Usher、Richards-Usher 4种组合生长模型,利用AEO算法同时对组合模型参数和权重系数进行优化,提出AEO-Weibull-Richards-Usher、AEO-Weibull-Richards、AEO-Weibull-Usher、AEO-Richards-Usher需水预测模型,并构建AEO-Weibull、AEO-Richards、AEO-Usher、AEO-SVM、AEO-BP模型作对比,以上海市需水预测为例进行实例验证,利用实例前30组和后8组统计资料对各组合模型进行训练和预测。结果表明,在不同维度条件下,AEO算法寻优精度优于WOA、GWO、TLBO、PSO算法,具有较好的寻优精度和全局搜索能力。4种组合模型对实例预测的平均相对误差绝对值、平均绝对误差分别在0.94%~1.17%、0.30亿~0.37亿m³之间,预测精度优于AEO-Weibull等其他5种模型。4种组合模型均具有较好的预测精度和泛化能力,表明AEO算法能同时有效优化组合生长模型参数和权重系数,基于AEO算法的组合生长模型用于需水预测是可行和有效的。     

可变模糊集对立统一定理在土石坝安全评价中的应用

应用可变模糊集对立统一定理,在分析土石坝安全影响因素的基础上,参照大坝安全评价导则,构建了大坝安全评价指标体系及其评价等级标准,建立了基于可变模糊集对立统一定理的土石坝安全评价模型。利用该模型对工程实例进行了分析,并与集对分析方法得到的结果进行了比较。结果表明,该模型评价结果与集对分析方法得到的结论一致,但基于可变模糊集对立统一定理的评价方法概念更清晰、计算更简便,优于基于集对分析的土石坝安全评价方法。