三江平原挠力河流域地下水流数学模型的建立及仿真

以三江平原挠力河流域作为研究对象,根据挠力河流域的地质和水文地质资料,建立了挠力河流域水文地质概念模型.在水文地质概念模型的基础上,建立了挠力河流域地下水三维数学模型,并采用国际通用的地下水数值模拟软件Visual Modflow进行求解.用改进BP神经网络模型预报降水量和蒸发量,用Elman小波神经网络预报地下水开采量,实现确定性模型和随机模型的耦合,建立了地下水确定性-随机耦合模型.采用该模型对2020年挠力河流域地下水位流场进行预测.结果表明,2007-2020年挠力河流域地下水系统水位平均降深1.48 m,平均年降深0.1057 m.     

论优化运行理论在泵站综合自动化系统中的应用

选取南水北调东线已完成招标泵站（万年闸站、刘山站及解台站）模型泵装置为研究对象,对其实验成果进行了详细分析与阐述。实验结果表明：模型水泵的泵段效率与其装置效率呈现出一定程度的正比例相关关系;泵站模型泵装置效率最优点的叶片角度向低位移动了4°～8°;模型泵装置中的最高效率与泵段相比下降了8%～10%。     

一种新的改进粒子群优化算法

在现有文献研究的基础上,首先阐述标准粒子群优化算法的基本原理,并对它加以分析,指出标准粒子群优化算法初始粒子种群的产生速度慢、在优化过程中容易陷入局部最优等缺点,然后对其缺点进行改进,将改进的粒子群优化算法和标准粒子群优化算法进行实验对比分析研究,从实验结果中可知,改进粒子群优化算法在收敛速度及收敛精度上都明显好于标准粒子群优化方法.     

改进粒子群优化算法在电力负荷组合预测模型中的应用

提出了改进的粒子群优化算法：通过改进初始粒子种群的产生方法,加快其产生速度;在新的粒子种群产生过程中引入自适应步长,可以在该速度梯度方向上找到较优的粒子,进而加速了收敛速度;借鉴遗传算法中的变异操作增加了粒子的多样性,减小了算法陷入局部极值的可能。通过应用实例证明,将改进的粒子群优化算法应用到电力负荷组合预测模型的权重求解是可行的。