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。     

投影寻踪和人工鱼群算法的洪水分类

由于洪水具有的复杂性，从而增加了洪水类别划分的难度。通过人工鱼群算法优化投影寻踪模型，提出了一种新的聚类算法，并将其应用于洪水分类研究。由于鱼群觅食与聚类有着天然的相似性，将聚类中心看作食物源，通过样本抽样产生初始鱼群，利用人工鱼群算法进行全局寻优。为了说明该算法用于解决洪水分类问题的可行性和优越性，采用长江流域的重要控制站—宜昌站为研究对象，根据历史文献提供的相关数据进行分析，与实际洪水情况及前人的分类结果相对比。从分类结果来看，能说明采用投影寻踪与人工鱼群算法的可行性，通过性能比较，则进一步显示出该算法的优越性。     

基于特征选择的洪水聚类分析

采用Mitra算法对洪水进行了特征选择,并利用Kmeans和FCM聚类方法对某流域47场洪水进行了聚类分析。结果表明:Mitra算法可有效去除指标提取时的冗余特征,Kmeans与FCM聚类结果吻合较好,各类洪水特点鲜明。     

人工鱼群算法与离散微分动态规划结合在水库优化调度中的应用

人工鱼群算法(AFSA)具有快速收敛到最优解附近的能力,建立人工鱼群系统模拟水库优化调度,将其所得到的解作为离散微分动态规划(DDDP)算法的初始试验轨迹,通过DDDP再次寻优,可以获得更优更稳定的解,试验证明鱼群算法与离散微分结合应用于水库优化调度的有效性。     

大坝安全监控预报中的粒子群模糊聚类算法

将粒子群算法与模糊聚类算法相集成,建立粒子群模糊聚类算法并将其应用于大坝安全监控预报.通过粒子编码形式的确定,将模糊分类矩阵作为粒子.该算法具备粒子群算法的全局和局部搜索能力,充分利用正反馈信息,通过优化迭代计算,确定模糊分类矩阵.通过工程算例表明,该算法的模糊聚类效果与模糊聚类算法相比较优,可用于大坝安全监控预报.     

人工鱼群算法与离散微分动态规划结合在水库优化调度中的应用

人工鱼群算法(AFSA)具有快速收敛到最优解附近的能力,建立人工鱼群系统模拟水库优化调度,将其所得到的解作为离散微分动态规划(DDDP)算法的初始试验轨迹,通过DDDP再次寻优,可以获得更优、更稳定的解,试验证明了AFSA与DDDP结合应用于水库优化调度的有效性.     

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。     

应用KS聚类算法处理DMA分区流量数据

通过应用具备实时监控功能的智能水表,水司获得了大量管网流量数据.目前,数据挖掘技术可实现对这些数据的信息利用最大化和合理分析.针对聚类算法中经典的K-means、自主映射(SOM)和模糊C均值(FCM)存在的聚类效果不理想问题,采用基于DMA分区水量曲线距离和形状的KS聚类算法处理流量数据提高聚类效果.通过对X市43个DMA分区预处理的流量数据的聚类分析,KS聚类算法的聚类效果优于K-means、SOM和FCM聚类算法,且可利用对KS聚类结果的分析,指导水司检测漏损、偷水的异常情况.     

基于K近邻改进密度峰值聚类分析法的岩体结构面产状优势分组

为了研究结构面对岩体稳定性的影响,需要清楚岩体结构面的发育规律。传统玫瑰花图、极点图和等密度图等岩体结构面产状优势分组方法较为粗糙,主观因素影响较大,而采用K均值聚类算法、FCM模糊聚类算法则可以得到较为准确的分组结果,但须事先指定聚类数量及初始聚类中心。初始划分对分组结果影响较大,因此提出一种基于K近邻改进密度峰值聚类分析法的岩体结构面产状优势分组的新方法,该方法优点在于无需迭代过程、计算速度快、可自动探测聚类中心数量,并可通过自动计算岩体结构面局部密度大小和聚类中心距离更加准确地确定聚类中心,实现结构面产状的合理划分。通过应用计算机模拟生成的结构面产状数据进行产状优势分组,验证了该方法的准确性和可靠性。最后将这种方法应用于怒江松塔水电站坝址区实测的结构面产状优势分组中,得到了较为符合实际的分组结果。     

岩体结构面分组的改进数学方法研究

岩体结构面分组是岩体力学中的一项基础性工作。由于岩体结构面分组相对于一般聚类问题存在自身特殊之处,难以直接运用欧式距离度量结构面之间的相似度。通过对结构面数据做一定处理,使欧式距离可用于度量结构面之间的相似度,结合模糊C均值聚类(FCM—Fuzzy C-means Clustering)算法对岩体结构面分组进行研究;针对FCM初始聚类中心的确定,采用一种简洁高效的改进粒子群算法对其进行优选;再结合聚类有效性指标确定聚类分组数。通过模拟数据验证了该方法的合理性,并从多方面对分组数目进行讨论,给出了分组数目确定的一般方法。将提出的分组方法用于某水利工程坝基岩体结构面的分组研究,结果表明该方法易于实现、结论可靠,可为实际工程提供参考。