基于改进鲸鱼优化算法的重力坝变形参数反演

针对利用位移实测资料对大坝坝体和基岩的变形力学参数进行优化反演时存在效率低、精度差等问题,通过对鲸鱼优化算法进行并行化改进,并引入权重因子,结合有限元计算,提出一种基于改进鲸鱼优化算法的力学参数反演方法。利用该方法对某混凝土重力坝坝体和基岩弹性模量进行反演,并与粒子群算法的反演结果进行比较。结果表明:在相同迭代次数的情况下,改进的鲸鱼优化算法比粒子群算法耗时更少,且反演得到的坝体、基岩力学参数比粒子群算法得到的更为准确。表明利用多核处理器对该方法进行并行计算,可大幅度缩短计算时间。基于改进鲸鱼优化算法的力学参数反演方法具有搜索能力强、收敛速度快和精度高等特点,合理可行,可推广应用于混凝土拱坝等其他坝型的力学参数反演。     

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PSO法在马斯京根模型参数估计中的应用

提出了一种改进的粒子群算法(PSO),在保持基本粒子群算法进化原理基础上,考虑坏粒子即适应值最差的粒子在进化过程中所具有的有用信息,对部分粒子的进化模式进行改进.本方法丰富了粒子进化的多样性,能有效地克服基本粒子群算法易早熟的缺点.应用实例表明,同其他算法相比,该算法的计算精度较高,且编程易实现,因此可广泛应用于求解多种模型参数的优化问题,为准确估计非线性马斯京根模型参数提供了一种有效的方法.     

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。     

电阻率测深数据的粒子群算法反演

为较为精确地获得电阻率测深曲线反演的全局最优解,把具有群体智能的启发式全局搜索的粒子群算法应用于电阻率测深数据反演中,通过对多组测深曲线模型进行了试算,并对试算结果进行了分析,证明了粒子群算法在三层以下模型的反演中是可行和有效的,但对于多余三层的模型,反演结果精度不高,可结合其他算法进行综合反演。     

基于改进粒子群算法的水库优化调度研究

在分析以往水库优化调度模型优缺点的基础上,提出了基于动态调节惯性权重的粒子群优化方法的水库优化调度模型,对基本粒子群算法进行了改进。改进的算法通过时变权重的设置来实现,从而克服了PSO搜索精度不高,易陷入局部最优的缺点,并通过引入罚函数解决强约束问题。以某综合利用水库优化调度为实例进行研究,并与动态规划模型计算结果进行对比分析,实例计算表明:改进PSO算法原理简单,易于编程实现,而且占用计算机内存小,收敛速度快,搜索效率高,能以较快的速度收敛到全局最优解,是一种有效的搜索算法。     

混沌粒子群优化算法在马斯京根模型参数优化中的应用

针对目前马斯京根模型参数率定中存在的求解复杂、精度不高等问题,本文将混沌搜索机制引入粒子群优化算法中,构建混沌粒子群优化算法对马斯京根模型参数进行率定。这种方法利用混沌运动的遍历性,改善了粒子群优化算法的全局寻优能力,避免算法陷入局部极值,使得粒子群体的进化速度加快,提高了算法的收敛速度和精度。通过实例应用表明,混沌粒子群优化算法可以有效地估算出马斯京根模型参数,优化效果明显优于粒子群优化算法及试错法,因此该算法具有很好的实用性。     

基于C-PSO算法的混凝土面板堆石坝断面优化设计

针对基本粒子群算法(PSO)寻优过程中存在收敛速度慢、易陷入局部最优和计算精度差等缺陷,采用分簇思想和碰撞策略,提出了一种改进的粒子群算法(C-PSO),在该算法中,粒子通过分簇并行搜索,有效避免了群体过度集中现象,极大地增强粒子全局搜索能力。将C-PSO算法应用于混凝土面板堆石坝断面优化设计中,优化结果表明,该算法对解决复杂的多变量多约束非线性问题具有较好的适应性,为复杂的混凝土面板堆石坝断面优化设计问题提供了新的解决思路。     

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。     

飞蛾火焰优化算法在承压含水层参数反演中的应用

通过10个典型低维函数对一种新型群体智能仿生算法——飞蛾火焰优化(MFO)算法进行仿真验证,并与粒子群优化(PSO)算法的寻优结果进行对比。以无界井流问题及直线隔水边界附近井流问题的解析解为基础,将MFO算法应用于分析抽水试验数据,进行反演承压含水层参数,并以2个实例对MFO算法进行验证。结果表明:MFO算法在低维函数极值寻优问题上具有较好的收敛精度和全局寻优能力,寻优精度较PSO算法提高了7个数量级以上。MFO算法对2个实例的反演精度较文献改进SA算法等提高了56.5%以上,具有较好的稳健性能、收敛速度和全局寻优能力。利用MFO算法对承压含水层参数进行反演,可获得比相关文献更高的反演精度,不但为精确估计承压含水层参数提供了有效方法,而且拓展了MFO算法在地下水模型参数反演中的应用,具有良好的应用价值和前景。     

免疫粒子群算法在水电站优化调度中的应用

针对基本粒子群算法中存在的精度较低、易发散、容易陷入局部最优解僵局的情况,提出了免疫粒子群算法。并以卢村水电站为例,进行验证分析,结果表明免疫粒子群算法是一种可靠的研究水电站优化调度的方法。     

混合粒子群算法在水库优化调度中的应用

水库优化调度是个非线性、强约束的组合优化问题,利用基本粒子解方法易于陷入局部优化;本文利用混合的粒子群算法,较好地克服了基本粒子群早熟和易于陷入局部最优的缺点,获得了更好的计算精度.实例结果表明,该方法有一定的有效性.     

利用单纯形-粒子群混合算法确定越流含水层参数

针对粒子群优化算法后期存在的收敛速度慢、早熟、易陷入局部极小等问题,将局部搜索能力强的单纯形算法和粒子群算法结合,构造单纯形-粒子群混合算法。以第一类越流系统情况下的非稳定井流问题的解析解为基础,将单纯形-粒子群混合算法应用于分析抽水试验数据,计算含水层参数的问题。数值实验结果表明:单纯形-粒子群混合算法能有效地应用于分析抽水试验数据,确定含水层参数,且具有局部搜索能力强、运算速度快和计算精度高等优点。     

免疫粒子群算法与支持向量机在枯水期月径流预测中的应用

针对支持向量机(SVM)最佳算法参数难以确定以及基本粒子群算法(PSO)易陷入局部极值等不足,提出免疫粒子群算法(IAPSO),利用IAPSO算法搜寻SVM学习参数,构建IAPSO-SVM预测模型,并与PSO-SVM、GA-SVM模型作为对比,以云南省某水文站枯水期月径流预测为例进行实例研究,利用实例前43年和后10年资料对模型进行训练和预测。结果表明:IAPSO-SVM模型对实例后10年枯水期1-3月月均径流预测的平均相对误差绝对值分别为3.32%、6.52%和6.55%,精度优于PSO-SVM和GA-SVM模型,表明IAPSO-SVM模型具有较高的预测精度和泛化能力。IAPSO算法利用浓度选择机制及免疫接种原理,改进了基本粒子群优化算法的全局寻优能力和收敛速度,具有较强的全局寻优能力。利用IAPSO算法优化得到的SVM学习参数可有效提高SVM模型的预测精度和泛化能力。     

利用单纯形2粒子群混合算法确定越流含水层参数

针对粒子群优化算法后期存在的收敛速度慢、早熟、易陷入局部极小等问题,将局部搜索能力强的单纯形算法和粒子群算法结合,构造单纯形-粒子群混合算法。以第一类越流系统情况下的非稳定井流问题的解析解为基础,将单纯形-粒子群混合算法应用于分析抽水试验数据,计算含水层参数的问题。数值实验结果表明：单纯形-粒子群混合算法能有效地应用于分析抽水试验数据,确定含水层参数,且具有局部搜索能力强、运算速度快和计算精度高等优点。     

参数优化算法在水库水文模拟中的应用

文中结合水库2000-2010年实测水文数据进行对比分析,应用粒子群优化算法和遗传算法对新安江模型的参数进行优化分析。结果表明:粒子群优化算法高于遗传算法的参数优化程度。粒子群优化算法的优化参数值水库水文模拟的精度明显高于遗传算法的模拟精度,且粒子群优化算法的收敛精度更高。     

基于粒子群优化BP神经网络的隧道围岩位移反演分析

针对无锡惠山隧道岩体破碎、围岩稳定性差等特点,基于长期现场监测变形位移数据,借助粒子群算法的参数优化功能,利用Matlab神经网络工具箱编制了优化PSO—BP隧道位移反分析系统。PSO—BP系统利用正交试验设计和有限元方法获得学习样本,再通过粒子群算法搜索最优的神经网络模型参数。用BP神经网络模型建立待反参数与实测位移之间的非线性映射关系,最后用粒子群算法从全局空间上搜索最优反演参数。克服了普通智能优化算法收敛速度慢、正分析计算量大等缺陷,具有全局优化特性。将模型应用于惠山隧道Ⅳ级围岩断面ZK6+485的反分析中,计算结果与实测值对比表明采用PSO—BP预测模型进行隧道位移预测是可行的。     

基于改进粒子群算法的水电站水库优化调度

文章提出了应用改进粒子群算法求解水电站优化调度问题的方法,粒子群算法模拟了鸟类群体觅食的搜索过程来寻找水电站最优调度计划。对传统粒子群算法进行了改进,克服了早熟和陷入局部最优的缺点。实例计算表明,粒子群算法可以求解具有复杂约束条件的非线性水电站优化调度问题,与经典算法相比,该算法原理简单,易于编程,占用内存少,求解精度高,收敛速度快,是一种有效的搜索算法。     

基于PSO的混凝土坝粘弹性力学参数反演

把坝和坝基视作一个系统。根据系统的实测位移反演系统材料的力学参数。用广义开尔文模型描述材料,用有限元软件MSC·Marc计算位移,按最小二乘进行优化,优化求解采用粒子群优化算法。编程进行了实例反演,所得结果的相对误差较小。粒子群优化算法较之遗传算法更大简便,可以较快地搜索到全局最优解。着重对粒子群优化算法作了介绍。