基于相空间重构原理的遗传神经网络模型在城市需水预测中的应用

针对多元变量需水预测模型中变量之间普遍存在多重共线性问题以及BP神经网络收敛速度慢、易陷入局部极值等缺点,将相空间重构原理及遗传算法(GA)引入BP神经网络需水预测模型中,提出基于相空间重构原理的GA-BP城市需水预测模型,并对上海市需水预测进行实例分析。实例分析结果表明:GA-BP模型对上海市2005—2009年的年用水量预测平均相对误差绝对值和最大相对误差绝对值分别为1.4344%和2.7672%,对2010—2011年的年需水量预测相对误差分别为0.5136%和0.0270%,精度均优于BP神经网络预测模型;基于相空间重构原理的GA-BP需水预测模型具有较好的预测精度和泛化能力,是提高需水预测精度和泛化能力的有效方法。     

基于数据处理与若干群体算法优化的GRU/LSTM水质时间序列预测

为提高水质时间序列预测精度,提出一种基于小波包变换（WPT）和变色龙优化算法（CSA）、猎豹优化（CO）算法和山瞪羚优化（MGO）算法的优化门限循环控制单元（GRU）、长短期记忆神经网络（LSTM）的预测模型。首先利用WPT对pH值、DO、COD_Mn、NH₃—N时间序列进行平稳化处理,得到若干个规律性较强的子序列分量;其次简要介绍了CSA、CO、MGO算法原理,利用CSA、CO、MGO分别寻优GRU、LSTM超参数,建立WPT-CSA-GRU、WPT-CO-GRU、WPT-MGO-GRU、WPT-CSA-LSTM、WPT-CO-LSTM、WPT-MGO-LSTM模型;最后利用所建立的模型对pH值及DO、COD_Mn、NH₃—N浓度各分量进行预测和重构,并建立WPT-GRU、WPT-LSTM和WPT-CSA-SVM、WPT-CO-SVM、WPT-MGO-SVM模型作对比分析模型,以云南省昆明市观音山断面为例,通过pH值及DO、COD_Mn、NH₃—N浓度预测对模型进行了验证。结果表明：WPT-CSA-GRU、WPT-CO-GRU、WPT-MGO-GRU、WPT-CSA-LSTM、WPT-CO-LSTM、WPT-MGO-LSTM模型对实例pH值及DO、COD_Mn、NH₃—N浓度的预测精度优于其他对比模型,具有较好的预测效果,其中尤以WPT-CSA-GRU、WPT-CO-GRU、WPT-MGO-GRU模型的预测精度最高;CSA、CO、MGO能有效调优GRU、LSTM超参数,显著提高GRU、LSTM预测性能;所构建的6种模型预测精度高且计算规模小,是有效的水质时间序列预测模型,可为相关水质预测研究提供参考。     

基于小波包分解的AJS-GMDH月径流时间序列预测研究

为提高月径流时间序列预测精度,建立基于小波包分解(WPD)、人工水母搜索(AJS)算法、数据分组处理方法(GMDH)的WPD-AJS-GMDH月径流时间序列预测模型。采用WPD将月径流时序数据分解为若干子序列分量;选取6个典型函数在不同维度条件下对AJS算法进行仿真测试;利用AJS算法优化GMDH网络关键参数,建立WPD-AJS-GMDH模型,并构建基于支持向量机(SVM)、BP神经网络及完全集合经验模态分解(CEEMD)、小波分解(WD)的17种对比分析模型;最后利用云南省龙潭站1952年~2016年780组的月径流时间序列数据对所建立的18种模型进行检验。结果表明,在不同维度条件下,AJS算法均具有较好的寻优效果;WPD-AJS-GMDH模型预测误差均小于其他17种模型;对于月径流时序数据分解,WPD分解效果优于CEEMD、WD方法;AJS算法能有效优化GMDH网络参数,提高预测性能。     

GA Elman多元变量需水预测模型及其应用

针对传统静态前馈神经网络动态性能差、预测精度不高等问题,以上海市需水预测为例,提出一种基于遗传算法(GA)优化Elman神经网络连接权值的GA-Elman模型,并与GA-BP、Elman、BP需水预测模型做了对比。结果表明,GA-Elman需水预测模型行之有效,预测平均相对误差和最大相对误差分别仅为2.764%和6.578%,优于其他预测模型,具有较好的预测精度和泛化能力。     

基于改进的回归支持向量机模型及其在年径流预测中的应用

针对回归支持向量机(SVR)惩罚因子C和核函数参数g的选取对模型性能有着关键性影响以及在实际应用中存在参数选取等困难,提出基于启发式算法的PSO-SVR和GA-SVR年径流预测模型,以云南省落却站年径流预测为例进行实例研究。首先,利用SPSS软件选取年径流影响因子,确定输入向量;其次,基于粒子群算法(PSO)、遗传算法(GA)基本原理,采用PSO、GA优化SVR惩罚因子C和核函数参数g,构建PSO-SVR和GA-SVR多元变量年径流预测模型,并构建基于网格划分(GS)与交叉验证(CV)算法相结合的GS-SVR模型作为对比模型。最后,利用所构建的模型对实例进行预测分析。结果表明:PSO-SVR和GA-SVR模型对实例后16年年径流预测(随机5次平均)的平均相对误差绝对值分别为2.53%、2.79%,最大相对误差绝对值分别为7.11%、6.64%,平均绝对误差分别为0.1394、0.1527,预测精度和泛化能力均优于GS-SVR模型,表明PSO和GA能有效对SVR惩罚因子C和核函数参数g进行优化。PSO-SVR和GA-SVR模型具有预测精度高、泛化能力强以及稳健性能好等特点。相对而言,PSO-SVR模型性能略优于GA-SVR模型。     

文山州水资源管理区域分析研究

该文依据文山州生态环境、社会经济和水资源现状,选择环境、粮食和水资源作为文山州水资源管理区域划分的特征指标,建立水资源管理分区指标体系,运用聚类分析法,按照各区域水资源管理特征指标值相似程度对文山州水资源管理区域进行划分,并分析各管理区域的主要特点。结果表明：根据环境、粮食、水资源和社会经济3大类22个指标,经比较分析,将文山州水资源管理区域划分为3个区较为合理,分区结果与实际情况相符,符合各区域水资源差异性管理要求。     

离散Hopfield神经网络在湖库营养状态评价中的应用——以全国24个湖库富营养化等级评价为例

基于离散Hopfield神经网络联想记忆特性,建立了湖库富营养化等级综合评价模型,对全国24个湖库进行富营养化等级综合评价,并与文献投影寻踪法、评分指标法和LM-BP网络法的评价结果进行比较。结果表明:①离散Hopfield神经网络运用于湖库营养化等级评价具有简单、直观,容易实现等优点,其评价结果令人满意;②一般离散Hopfield神经网络并非适用于任何富营养化等级评价,当评价对象单项指标(因子)间存在较大差异时,对象将得不到正确的评价。     

基于阴阳对算法优化的随机森林与支持向量机组合模型及径流预测实例

提出一种基于阴阳对(YYPO)算法优化的随机森林(RF)与支持向量机(SVM)组合预测方法,利用YYPO算法对RF、SVM关键参数和组合权重系数进行优化,构建YYPO-RF-SVM预测模型,并与YYPO-RF、YYPO-SVM模型及RF、SVM模型作对比分析,以某水文站年径流预测为例进行实例研究。利用实例前30 a、中间14 a和后10 a资料对YYPO-RF-SVM等5种模型进行训练、检验和预测。结果表明,YYPO-RF-SVM模型对实例训练、检验和预测的平均相对误差绝对值分别为2.76%、4.64%、3.02%,精度均高于YYPO-RF等4种模型。YYPO-RF-SVM模型具有更高的预测精度和泛化能力,可为水文预测预报和相关预测研究提供参考和借鉴。     

飞蛾火焰优化算法及其在梯级水库优化调度中的应用

利用一种新型群智能仿生算法——飞蛾火焰优化(MFO)算法求解某梯级水库群丰、平、枯优化调度问题,求解结果与混合蛙跳算法(SFLA)、粒子群优化算法(PSO)、布谷鸟搜索算法(CS)和入侵杂草优化算法(IWO)的求解结果进行比较。结果表明,MFO算法丰、平、枯优化调度发电量分别比其他4种算法增加了0. 179 2～0. 960 2、0. 097 2～0. 564 1、0. 082 4～0. 322 0亿kW·h,具有较好的优化调度效果。将MFO算法应用于实际工程,验证了该算法具有较好的收敛精度和全局极值寻优能力,是一种有效可行的水库群优化调度模型求解方法,可为求解水库优化调度问题提供新的途径和方法。     

静电放电算法-投影寻踪融合模型及其在水质综合评价中的应用

为拓展智能算法与投影寻踪(PP)融合模型在水质综合评价中应用,介绍一种新型群体智能算法——静电放电算法(ESDA),选取6个典型测试函数对ESDA进行仿真验证,并与当前寻优效果较好的教学优化(TLBO)算法、灰狼优化(GWO)算法和鲸鱼优化算法(WOA)的仿真结果进行对比。构建ESDA-PP评价模型,以文山州盘龙河干流4个断面2015-2017年共30个月水功能区水质综合评价为例进行实例研究。结果表明:ESDA寻优精度远优于TLBO、GWO、WOA,具有出色的寻优精度和全局搜索能力。ESDA-PP模型对实例天生桥、灰土寨、花桥和天保大桥断面水质综合评价达标率分别为93. 3%、83. 3%、83. 3%和100%,能满足或基本满足水功能区水质保护目标要求。天生桥、灰土寨、花桥断面枯水期水质总体上优于丰水期,面源污染是主导因素;天保大桥断面丰水期水质总体上优于枯水期,点源污染是主导因素。