基于模拟–优化模式的梯级水库群突发水污染事件应急调度研究

根据突发水污染事件特征及相关影响因素,在水动力模型、水质模型的基础上,建立了基于模拟–优化模式的梯级水库群突发水污染事件应急调度优化模型。以清江中下游为例,采用改进的NSGA-Ⅱ算法,对水布垭–隔河岩–高坝洲梯级水库群应急调度优化模型的决策变量(应急调度函数中的控制变量)进行多目标优化,得到了Pareto最优解集及相应的Pareto前沿,并探讨了水库群联合调度在应对突发性水污染事件的合理性与有效性。结果表明,在水位、库容允许的情况下,优先调用距离污染源较近的或与被污染河段直接相连的水库,启动应急调度最多可使污染物浓度达标时间减少80.4%。根据优化结果分析了应急调度过程中损失的电能与污染物达标所用时间之间的竞争关系,并定量模拟了突发水污染事件中污染物浓度的沿程变化与随时间变化的过程。     

基于有限次残差拟合的BP神经网络组合模型

关于BP神经网络的优化,鉴于大多数的思路都集中于提高单个预测器的预测精度,首次提出了基于有限次残差拟合的BP神经网络组合模型。结果显示,在经典BP神经网络适用的情境下,组合模型能够有效提高预测精度,此外,进一步证实其预测精度优于遗传神经网络(GA-BP),且建模效率比GA-BP提高99.2%。