基于随机分形搜索算法的马斯京根模型参数优选

马斯京根模型在河道洪水演算中发挥着重要作用,该模型参数优选对提高洪水演算准确性至关重要。提出利用随机分形搜索算法(SFS)解决非线性马斯京根模型参数优选问题,同时将混沌序列替代SFS更新操作中的随机数。对算例进行洪水演算仿真分析并与多种优化算法比较,结果表明,随机分形搜索算法对非线性马斯京根法模型参数优选问题求解行之有效,且算法实施过程简便、参数解算精度高。     

拟梯度遗传算法在水电厂厂内经济运行中的应用研究

提出一种求解水电厂厂内机组间负荷优化分配的新方法－拟梯度遗传算法（ＱＧＡ）,详细介绍了算法的原理和实现过程,该算法采用实数编码技术和基于拟梯度的遗传变异算子,求解精度高而且收敛速度快,为水电厂内的经济运行提供了一种有效的方法,算例说明了该方法的有效性。     

基于改进LSSVM的太阳辐射量预测

为准确预测太阳辐射量,提出一种基于变分模态分解和粒子群优化算法的最小二乘支持向量机组合预测模型。针对太阳辐射量序列具有不稳定性的特点,首先利用变分模态分解将历史太阳辐射量数据分解成一系列相对稳定的分量序列,再应用粒子群优化最小二乘支持向量机参数,以预测各分量序列,将各分量太阳辐射量预测值集成,从而得到最终太阳辐射量预测值。实例分析和对比研究表明,该模型预测太阳辐射量有效可行,具有较高的预测精度。研究成果可为太阳辐射量预测提供参考。