基于遗传算法给水管网优化模型的改进研究

目前基于遗传算法的给水管网优化模型存在很多缺陷,为提高其实用性,对优化模型进行了改进.在约束条件中,用流量约束代替最小管径约束,并加入了流速约束.在此基础上,采用罚函数法对目标函数进行改进,实现了给水管网多工况优化设计.通过实例计算对比了各种设计方案,验证了改进后的优化模型在供水安全性和经济性方面的优越性.     

基于权重理论的给水管网水质识别模型

本文提出了模糊数学识别模型,阐述了原理和计算方法,研究了几种权重理论,针对各种水质因子的多种赋权法对评价结果的不同影响,分别用几种权重方法对水质综合评价结果进行计算模拟,对给水管网水质状况及属性进行分析。最后用实例验证计算结果与实际情况的一致性。     

保护管网水质的几点措施

分析了影响供水管网水质的因素,介绍深圳市自来水公司为保护管网水质所采取的措施、取得的成绩及今后在此方面的发展方面。     

基于宏观模型的给水管网优化运行研究

采用分级寻优建立了大规模城市给水管网系统优化运行决策模型。第一级寻优以能耗、制水成本等为目标函数,以各泵站流量为决策变量建模,采用约束变尺度法(WHP)求解;第二级寻优是在满足第一级寻优所要求的泵站流量和出口压力的前提下,求解泵站内的水泵组合优化方案,采用简约梯度算法(RG)求解,并将水泵分为定速泵、调速泵和混合泵分别建立模型并求解各水泵运行方案,提高了计算速度和实用性。采用所建模型对天津市给水管网系统进行优化取得了较为可观的经济效益。     

基于遗传神经网络模型的水质综合评价

建立了用于水质综合评价的遗传神经网络模型.该模型运用遗传算法优化改进型BP神经网络的初始权值和阈值,具有快速学习网络权重和全局搜索的能力,有效解决了BP神经网络容易陷入局部极小点和训练结果不稳定的问题.采用苏帕河梯级电站的水质监测数据对该模型进行了测试,并与其他方法进行了比较.结果表明,该方法用于水质综合评价客观、合理、准确,有其独特的优越性.     

自来水管道内腐蚀对管网水质的影响研究

自来水管道内腐蚀对管网水质的影响研究罗岳平（长沙市自来水公司）１前言腐蚀是生物、物理和化学过程相互作用的结果，常见于各种输配水系统。严重的管道腐蚀不仅使管网水的浊度、色度、细菌种类和数量、有毒重金属含量等水质指标恶化，而且引起管壁变薄穿孔，增加水头损...     

市政供水管网水质探讨

分析了市政管网水质存在问题的表现及产生原因,通过具体事例探讨了改善供水管网水质的方法,以解决供水管网存在的水质问题,整体改善供水管网水质。     

城市给水管网的水质变化规律研究

给水安全输配是保障饮用水水质的重要环节，对管网水质变化规律进行研究可为改善管网水质、建立水质模型提供基础数据。以天津市的给水管网为研究对象，沿水流路径开启消火栓放水进行测试，考察了余氯、浊度、TOC和三卤甲烷等主要水质参数在管网中的变化规律。结果表明，管道属性对水质有较大影响，并呈现出明显的规律性；为防止水质恶化，应定期排放管网末梢的死水。     

基于风险评估的供水管网水质监测点优化模型研究

供水管网内源污染和外源污染协同监测下的水质监测点优化选址一直是供水领域的研究难点。为进一步提升监测点选址的科学合理性,采用模糊数学集法分析管网区域污染物、管道完整度以及管网低负压情况,量化确定管网的风险评估指数。将基于风险评估的节点监测用时期望值纳入监测点优化选址模型,结合监测失效率、水量覆盖度和监测点占比这3个优化目标,完善选址优化体系并建立多目标优化选址模型。使用MATLAB软件搭载基于参考向量的非支配排序多目标遗传算法(NSGA-Ⅲ)成功求解该多目标优化模型,得到帕累托(Pareto)前沿解集。最后,基于Modena算例管网进行研究,与传统复合监测目标优化模型选取的选址方案进行对比发现,基于风险评估的供水管网优化选址模型选取的方案能有效降低监测用时,提高了监测效率。     

改进遗传神经网络的大坝渗流监测模型

在对遗传算法的适应度函数改进并修改选择方法的基础上,用改进的遗传算法优化BP神经网络权值,提出一种改进遗传神经网络的大坝渗流监测模型。结合实例分析表明:预测模型合理,训练精度与检测性能得到提高。     

基于遗传算法的大型给水管网模型C值校核

针对给水管网模型建立过程中存在的偏差问题,通过收集管网运行中的实测数据及对管道合理分组,建立了给水管网的校核模型,运用遗传算法对不同管材、管径及铺设年代的管道的摩阻系数进行了校核.计算结果表明,该模型的模拟值与实测值基本吻合,可以达到预定的精度要求.     

混沌局域法与神经网络组合供水量预测

城市供水量是非线性、非平稳时间序列,组合预测模型能获得更高精度预测结果。通过深入分析混沌局域法与神经网络预测模型特点,提出了一种新的组合预测模型。首先,应用混沌局域法对城市日供水量进行初预测,然后,应用神经网络对预测结果进行修正。由于所提出的组合模型利用了混沌局域法及神经网络进行优势互补,能同时提高预测精度与计算效率。为验证所提出组合预测模型的可行性,采用某市7a实测供水量数据,对混沌局域法、BPNN、RBF及GRNN神经网络4种单一预测模型及相应的3种组合模型预测精度进行定量分析,结果表明,组合预测模型精度都高于对应单一预测模型,混沌局域法与GRNN神经网络组合模型预测精度最高,且运算时间远低于单一神经网络模型运算时间。     

BP神经网络方法在大坝基岩变形监测中的应用

结合工程实例,利用上游水位,下游水位和气温建立BP神经网络预报模型,应用Matlab神经网络工具箱,采用traingdx算法进行模型训练,对大坝基岩变形进行预测,结果表明,建立的BP神经网络预测大坝基岩变形的模拟值具有较高的精度。     

基于神经网络的蔷薇河水质综合评价

基于BP神经网络的改进算法,提出了以Matlab7．0为平台的算法程序的人工神经网络水质评价模型。参照《地表水环境质量标准》（GB3838-2002）,确定了神经网络学习和训练的样本以及模型的相应参数,并以流经连云港市蔷薇河的六个断面的水质数据为样本,进行水质综合评价分析。     

神经网络在渤海湾富营养化模型中的研究

以环境污染、富营养化严重的渤海湾为研究对象,建立了基于混沌遗传BP网络的渤海湾富营养化预测模型,模型建立与验证的数据采用渤海湾的监测资料,研究表明,模型能较好地预测富营养化。     

一种基于神经网络的机动目标轨迹预测方法

提出了一种利用神经网络技术对机动目标的轨迹进行预测的方法,并给出了具体的实现算法和仿真实例.在BP神经网络和遗传算法的基础上作了改进,提出优劣基因重组的思想,克服了遗传算法中所存在的种群内过早收敛的缺点,极大地提高了预测算法的准确度.     

基于遗传算法的市政管网优化设计的开发应用

介绍了遗传算法的原理及其在管网优化设计中的适用性,对遗传算法在管网优化设计中的应用进行了阐述,从而节约了大量的建设资金,改善了供水系统的工作效率。     

基于均匀设计及遗传神经网络的大坝力学参数反分析方法

将均匀设计理论、BP神经网络和遗传算法三者结合起来,应用于大坝力学参数反分析中。首先对基本遗传算法进行改进,使得改进后的遗传算法具有很好的全局和局部寻优能力,将它作为BP神经网络的学习算法,形成遗传神经网络。然后利用均匀设计方法设计大坝坝体和坝基的材料力学参数样本,通过有限元正分析得到坝体的计算位移样本,训练遗传神经网络映射坝体计算位移值与材料力学参数之间的复杂非线性关系。最后将实测位移值输入训练好的遗传神经网络,即可得到各参数的反演值。本文以清江隔河岩水电站重力拱坝为例,反演分析了坝体混凝土的弹性模量、线膨胀系数以及坝基主要岩体的弹性模量等参数。经检验、评价与对比验证,结果表明该方法可以大大地缩短反分析时间,提高反分析效率和准确性。     

基于优化神经网络模型的隧道变形预测研究

神经网络预测技术一直是隧道学术界和工程界关注的关键课题.传统的神经网络对初始权值的依赖性很大,不同的初始值会导致差异很大的预测结果,并且初始值选择有很大的随机性和盲目性,往往导致网络振荡或不收敛.根据经典遗传算法的优势,对神经网络初始值进行优化,完成PB训练样本并建立非线性预测模型,避免了神经网络对初始权值的依赖性过大而引起计算误差.研究表明,GA-BP神经网络遗传算法适用于预测高速公路隧道断层破碎带围岩变形量,与现场试验数据相吻合,验证了GA-BP神经网络遗传算法工程应用的可行性,提高了预测的精度及避免人为误差.隧道洞周变形主要集中在开挖后12天,在此时间内应加强监控量测频率,以避免隧道过大变形引起坍方事故.