水文模型参数多目标优化率定及目标函数组合对优化结果的影响

针对水文模型多目标优化中目标函数组合难以合理构造与选取的难题,基于多目标智能优化算法的优化结果,提出了一种简便的不同目标组合优化结果性能比较方法,并以一种日径流预报模型为实例,构造了3组目标函数组合,采用经典多目标优化算法NSGA-II优化率定模型参数,在模型参数优化率定结果的基础上,应用作者提出的目标组合优化结果比较...     

概念性流域水文模型参数优选技术研究

简要介绍了概念性流域水文模型参数优选的目标函数与参数优选算法,应用江西省七一水库的汛期遥测雨洪资料,分析了新安江模型参数的灵敏度,深入研究了多目标参数自动优选问题的参数解空间,着重探讨了多目标函数的组合技术及其解法.实例研究结果表明,多目标参数自动优选方法能综合考虑水文过程的各种要素,优于传统的单目标优选结果.     

基于免疫进化的支撑矢量回归的参数优化

在对支撑矢量回归的参数性能进行分析的基础上，引入了免疫进化算法对支撑矢量回归的模型参数和核参数进行优化。免疫进化算法是一种集免疫机制和进化机制于一体的一种新的全局并行算法，它可以通过对进化环境的自适应和自学习，有针对性地抑制由原进化算子操作的盲目性而引起的退化现象。仿真实验结果表明，免疫进化算法优化支撑矢量回归的参数不仅是可行的，也是十分有效的。     

基于遥感信息的新安江模型参数率定方法

基于新安江模型参数的物理意义,研究了根据遥感信息提取的流域下垫面特征值来推求模型部分参数的方法.利用DEM(Digital Elevation Model)与土壤、植被、土地利用等遥感影像间接推算流域的蓄水容量;针对小流域的特点,基于土地覆被数据和Landsat水体数据叠置分析直接提取流域的不透水面积比.应用基于遥感信息的模型参数率定方法对高关水库流域的洪水过程进行了模拟.模拟结果表明,将推求出的模型参数进行流域水文模拟能取得较好的效果,从而为无资料或缺资料地区的参数率定提供了一种可行的方法.     

基于改进人工蜂群优化算法的PID参数整定

针对传统的PID控制器参数整定方法中存在的整体效率低、控制效果差等问题,提出了一种改进的人工蜂群算法,在标准算法的搜索方程中引入差分进化算法的变异算子,并添加自适应调整参数,提升算法的收敛速度、增强局部寻优效果的同时,平衡了算法的全局探索和局部开发能力。实验表明,改进后的算法对PID控制器的参数整定优化有明显效果。     

地下水的MIMO系统和参数识别方法

根据含水系统的输入输出特性，用时间差分方法逼近，可以获得较高精度的预报模型，无需得知含水系统的内部结构，建模统一。本文提出ＭＩＭＯ系统参数的三种识别方法：１．参数和阶的逐步回一次识别法；２．半递推识别法；３．逐步回归定参数定阶后递推识别法。     

粒子群算法在新安江模型参数优选中的应用

对粒子群算法进行了详细描述和分析,并将其应用于新安江模型的参数优选中.对于人工生成的理想水文资料,采用粒子群算法优化新安江模型,可以使全部参数收敛到真值;对于实测的水文资料,通过与单纯形混合加速遗传算法(SAGA)和单纯多边形进化算法(SCE-UA)进行比较,可以看出,粒子群算法全局收敛性能较好,计算效率和精度较高,是一种有效的新安江模型参数优选方法.     

参数有约束系统的自适应控制

在脑颅抽液系统中,我们可以把系统描写为自回归滑动平均模型,而该模型的参数是约束在一个超平面上的.本文给出了参数有约束系统的识别公式,讨论了参数有约束系统识别的收敛性,给出了参数有约束系统的自适应控制的一种算法.     

改进遗传算法在水文模型参数优选中的应用

为改善传统水文模型参数优选算法的性能,针对遗传算法的寻优效果明显依赖于模型参数的初始变化区间的大小,并且局部搜索能力较差、可能会出现过早收敛等问题,在遗传算法中加入局部搜索算子和加速算子,并引入了生物学中的小生境概念,提出了基于小生境技术的混合加速遗传算法(HAGA).该算法在广西合浦水库流域的洪水预报中得到成功应用.结果表明:基于小生境技术的混合加速遗传算法不仅有较好的全局优化性能而且精度较高,是一种既可以较大概率搜索全局最优解,又能进行局部细致搜索的优秀非线性优化方法.     

自适应免疫克隆选择算法的参数识别

提出了一种被称为是自适应免疫克隆选择算法的新型人工免疫算法,此方法可进行系统的参数识别,以解决结构的多目标优化问题.此种算法将二阶响应、适应性变异准则和疫苗因子这三种算子都引入到遗传克隆选择算法中,提高了运算的收敛速度及全局优化搜索能力.对动力系统参数识别的模拟识别结果证明了本文所提出算法的有效性与可行性.     

An improved self-adaptive membrane computing optimization algorithm and its applications in residue hydrogenating model parameter estimation

In order to solve the non-linear and high-dimensional optimization problems more effectively, an improved self-adaptive membrane computing(ISMC) optimization algorithm was proposed. The proposed ISMC algorithm applied improved self-adaptive crossover and mutation formulae that can provide appropriate crossover operator and mutation operator based on different functions of the objects and the number of iterations. The performance of ISMC was tested by the benchmark functions. The simulation results for residue hydrogenating kinetics model parameter estimation show that the proposed method is superior to the traditional intelligent algorithms in terms of convergence accuracy and stability in solving the complex parameter optimization problems.     

萤火虫算法优化SVR参数在短期电力负荷预测中的应用

由于萤火虫算法(FA)具有全局性能好、收敛精度高等优点,因此将萤火虫算法用于SVR的惩罚系数C和核参数σ的优化选取中。为提高迭代收敛速度和寻优精度,对萤火虫算法加以改进,在迭代过程中对亮度最亮的萤火虫位置施加随机扰动;将参数经过优化选取的SVR用于短期电力负荷预测,并将预测结果与采用网格搜索法、遗传算法、粒子群算法得到的结果做比较。其结果表明,采用改进萤火虫算法作参数寻优的SVR的负荷预测精度高,效果最好。     

基于遗传算法的时间决策系统标定优化方法

针对由多延时电路并联而成的时间决策系统,提出了新的标定优化方法。综合考虑系统精度和可靠度,将标定问题转换为多目标优化问题,并建立了相应的优化目标函数。利用遗传算法对该问题进行求解,采取自适应交叉和变异策略,改善了遗传算法的收敛性能。仿真算例和工程实际应用表明,新方法具有近似最优的精度和较高的可靠度,具有较高的工程实用价值。     

Variable Parameter Self-Adaptive Control Strategy Based on Driving Condition Identification for Plug-In Hybrid Electric Bus

A variable parameter self-adaptive control strategy based on driving condition identification is proposed to take full advantage of the fuel saving potential of the plug-in hybrid electric bus (PHEB). Firstly, the principal component analysis (PCA) and the fuzzy c-means clustering(FCM)algorithm is used to construct the comprehensive driving cycle, congestion driving cycle, urban driving cycle and suburban driving cycle of Chinese urban buses.Secondly, an improved particle swarm optimization (IPSO) algorithm is proposed, and is used to optimize the control parameters of PHEB under different driving cycles, respectively. Then, the variable parameter self-adaptive control strategy based on driving condition identification is given.Finally, for an actual running vehicle, the driving condition is identified by relevance vector machine (RVM), and the corresponding control parameters are selected to control the vehicle. The simulation results show that the fuel consumption of using the variable parameter self-adaptive control strategy is reduced by 4.2% compared with that of the fixed parameter control strategy, and the feasibility of the variable parameter self-adaptive control strategy is verified.     

基于正交极差分析的青龙河流域HSPF模型参数寻优模式

为评价桃林口水库水文水质状况,建立其上游青龙河流域的BASINs/HSPF水文水质模拟模型.以Nash-Sutcliffe效率系数作为评价标准,联合正交设计和极差分析法进行参数寻优研究和可靠性分析.结果表明:BASINs/HSPF模型参数寻优的正交极差联合分析模式可大幅减小参数的寻优次数和寻优区间,是获得模型灵敏度参数和参数满意解的高效模式,可为模型参数寻优算法开发提供借鉴;应用正交极差分析的参数率定结果,以青龙河流域下游桃林口水库监测点2011年实测径流数据对模型进行验证,验证期(2011年)的Nash-Sutcliffe效率系数为0.79,稍低于率定期(2012年)的Nash-Sutcliffe效率系数(0.81)以及PEST自动校准的Nash-Sutcliffe效率系数(0.84),水质模拟结果也基本吻合;针对青龙河流域BASINs/HSPF模型,应用正交极差分析方法识别出6个高灵敏的BASINs/HSPF模型参数(IRC、INFILT、AGWRC、DEEPFR、AGWETP和LZSN);应用正交极差分析方法获得的BASINs/HSPF模型参数满意解取值区间依次为:LZSN[2.0,6.3],INFILT[0.084,0.167],AGWRC[0.90,0.95],DEEPFR[0.209,0.333],BASETP[0.067,0.199],AGWETP[0.067,0.199],CEPSC[0.14,0.27],UZSN[1.35,2.00],IRC[0.392,0.483].     

跟驰模型参数标定及验证方法

为解决跟驰模型建模过程中参数标定问题及确定合适的模型效果评价方法,首先介绍了应用遗传算法对参数进行标定的过程,并以GM模型为例,利用实测数据对其参数加以具体确定。在此基础上,从检验跟驰模型与实际情况在整体上的契合程度出发,综合考虑模型效果,提出了对跟驰模型的具体检验方法,并对标定参数后的GM模型进行了验证。研究结果表明,本文提出的模型检验方法克服了以往常用跟驰模型验证方法的片面性,对绝大多数跟驰过程,GM模型的模拟输出与实测值间的综合误差在15%以内,而非仅通过加速度对比得到的较大误差。     

第三方物流企业的物流中心选址模型与算法

文章通过分析物流中心的选址对第三方物流企业的发展的重要影响,指出了物流中心的选址应该以提高物流企业的物流能力为目标,并在此基础上建立了基于优化物流能力的多目标的选址模型,在模型求解中,利用带自适应移动线的遗传算法较好地解决了多个目标函数合并中人为的主观性。