微观模型配水系统的优化调度

研究了包括多水源和多水库的城市配水系统的优化调度。在给出24 h用水量预报,水库初始和最终水位,电费价格和供水管网的水力学约束条件后,追求能源费用最小的优化调度成为一个带非线性约束的非线性规划问题。由于该优化调度问题非线性约束很多,维数很高,求解时,用一些传统的优化方法,在计算时间和精度上达到统一的难度较大。采用广义简约梯度法对此求解,从计算结果和计算(时间)过程来看,都能够达到令人满意的程度。     

基于改进遗传算法的水电站优化调度模型与算法

基于整数的遗传算法编码规则,满足了染色体和解之间唯一映射的关系,极大的缩短了染色体的长度。引入退火罚因子设计动态罚函数处理约束条件和自适应的遗传算子的设计,建立了基于改进遗传算法的水电站优化调度的数学模型。算例研究表明,上述算法可以快速有效地得到水电站优化调度的全局优化方案,提高运算效率。     

基于遗传算法参数优化的供水管网模型研究

提出一种基于遗传算法参数优化的管网模型建立方法,将现代控制方法与传统力学模型相结合计算管网的局部水头损失和沿程水头损失。分别运用BP算法模型和基于遗传算法优化的海澄威廉模型对结构简单的供水管道网络实例进行管道仿真和比较,结果证实基于遗传算法优化管道模型参数方法既保证了模型的稳定性,又能提高模型的精度,同时降低了模型建立的复杂度。     

基于遗传算法的TOPMODEL参数优化

模型参数的确定是模型研制与应用成功与否的关键．一般采用人工经验率定和自动率定两种方法来确定．遗传算法和一般的优化算法不同,它具有全局寻优能力,是一类优秀的非线性函数优化算法．利用遗传算法来进行TOPMODEL参数优化,并和人工率定的计算结果作了简要的对比,明显地显示该方法的优点．采用遗传算法所得到的精度较高,可以类推到其他水文模型的参数优化中去．     

基于优化遗传算法的结构参数识别

将复合形算子引入遗传算法中,对遗传算法进行改造,提出一种优化遗传算法.并将该遗传算法与人工神经网络结合,用于结构参数识别问题,具有较好的全局性和收敛效率.     

基于遗传算法优化参数的新安江三水源模型研究

针对白盆珠流域地形地貌、气候特征及产流方式,采用新安江三水源模型模拟该流域的降雨产流过程,并引入遗传算法率定新安江模型的参数,模拟分析表明,遗传算法应用于率定模型参数是非常有效的,洪水流量模拟的效果较好,模型在研究区域应用比较成功。     

概念性水文模型遗传算法多目标参数优选研究

简要介绍了概念性降水—径流模型的多目标参数优选方法,以新安江模型为例,从Pareto支配法（Pareto Domination Approach）原理出发讨论了四目标函数情形下Pareto最优参数空间（Pareto Optimal Set）的Pareto优先排序（Pareto Preference Ordering）求解策略。通过对汉江上游江口流域降水—径流的新安江模型的模拟检验,证明该方法能够为模型提供全局最优参数,好于传统的单目标参数优选结果。     

基于广义简约梯度算法的落差指数法参数优选

传统落差指数法计算中存在多变量、非唯一解的问题,为此,提出了将落差指数法参数优选问题视为非线性约束优化问题。以长江大通水文站为例,利用广义简约梯度算法求解落差指数法中的参数,并将计算结果与传统方法进行了精度对比。结果表明：该算法准确度高且实用性强,实现了参数的全部优化并得到最优解,提高了流量整编精度,简化了计算步骤且不需要人工干预。该方法可为落差指数法的参数求解提供新思路。     

基于遗传算法的水质模型参数的确定方法

使用遗传算法对河流水质模型的参数进行最优化估值,同时确定模型中的各个参数.该方法充分利用了遗传算法的开放性和全局搜索能力,得到了较满意的结果.     

基于改进遗传算法的水轮机调速器参数优化

本文提出了一种用改进的遗传算法优化水轮机调速器参数的新方法，通过引入自适应变化的变异概率和交叉概率，改善了遗传算法的寻优效率，并提出了分段加权的目标函数，能够改善水轮机调速器的反冲影响，通过仿真表明，改进遗传算法寻优效率较简单遗传算法有了大幅提高，具有很强的鲁棒性。     

区域营养盐管理模型在沙河流域的应用

应用基于经典广义流域负荷函数(GWLF)模式开发的区域营养盐管理模型,以天津市饮用水水源地于桥水库上游沙河流域为研究对象开展模拟实践研究.本研究基于我国可获得数据量的一般水平,实现了对沙河流域氮污染物环境行为过程的评估,包括对产流量和溶解态氮通量在月尺度上的模拟,以及对溶解态氮污染物的来源进行源解析,模拟精度可靠,结果能够满足管理需求,可作为该模型在我国的进一步推广应用的例证与参考.     

基于并行遗传算法的新安江模型参数优化率定方法

本文结合新安江模型参数的特点，以洪峰流量、峰现时间和洪水总量的合格率为评价目标，定义了评价洪水性能目标的模糊合格率，提出了新安江模型参数率定的并行遗传算法，并在微机集群环境下，利用JAVA语言进行了算法编程。串行和并行遗传算法计算结果的比较表明，本文提出的并行遗传算法可以大大缩短优化过程的时间，得到较为稳定的模型参数。     

基于粒子群算法的水文模型参数多目标优化研究

在改进的粒子群算法基础上通过引入存档群体和拥挤距离机制,建立了基于粒子群算法的多目标算法,并将该算法应用于新安江模型参数多目标优化计算中,得到了最优解的Pareto集合.通过多目标距离函数法从Pareto集中求出一组单一解.将多目标优选的结果与单目标优化结果进行比较分析.结果表明,多目标参数优选方法综合考虑了水文过程的各种要素,比单目标优选结果具有更高的模拟精度.     

基于QGA-SVM的堆石料离散元细观参数标定模型

针对堆石料离散元三轴试验中存在的细观参数标定影响因素多、耗时严重等问题,在总结分析堆石料细观模型现状的基础上,建立基于量子遗传算法(QGA)和支持向量机(SVM)的细观参数标定模型。模型采用拉丁超立方抽样生成细观参数组,并使用离散元计算其应力-应变曲线;采用QGA对SVM进行训练,使其达到最佳学习效果,以模拟细观参数与应力-应变曲线间复杂的非线性关系;依据堆石料室内三轴试验成果,发挥SVM计算速度优势,采用QGA搜索堆石料细观参数,实现堆石料的离散元细观参数标定。堆石料细观参数实例标定结果表明,所建立的模型可快速、精确地标定离散元细观参数,具有工程应用价值。     

基于GA-灰色波形预测模型的白洋淀天然入淀水量

白洋淀天然入淀水量在长期的时间序列上有着丰、枯水期交替演化的规律,灰色波形模型适用于这一规律发展趋势的研究。通过遗传算法(GA)对灰色一阶模型(GM(1,1))的迭代基值α与背景值系数β进行优化,利用遗传算法收敛效率高,选择范围广的优点,建立了以GA-GM(1,1)群为基础的GA-灰色波形模型,对白洋淀天然入淀水量趋势进行研究。最终得出结论:GA-灰色波形模型不仅在信息序列的拟合上明显优于传统灰色波形模型,且GA-灰色波形模型能更好的抓住信息序列发展特点,更为准确的预测白洋淀天然入淀水量演化规律。说明用GA-灰色波形模型进行白洋淀天然入淀水量研究是可行的,也为研究湖泊水资源量变化提供了一种新思路。     

基于GA优化的地下水水质评价模型的应用

在设定了地下水各污染物的"基准"浓度情况下,用污染物的实测浓度相对值替代水质污染损害率公式中的浓度监测值,采用遗传算法(GA)对公式中的参数优化,得到了38项指标都适用的水质污染损害率和污染损害指数公式,提出用广义模糊对比法对污染损害分指数进行赋权的新方法,计算水质综合污染损害指数。利用该法对河池市4个水厂的地下水水源进行水质综合评价分析,取得了较好的效果。     

新安江模型参数优选的改进粒子群算法

借鉴竞争演化和多种群混合的思想,对粒子群算法(PSO)进行改进,建立并行种群混合进化的粒子群算法(PMSE-PSO)和序列主-从种群混合进行的粒子群算法(SMSE-PSO)。数值模拟结果表明,这两种改进的粒子群算法具有较高的计算效率、较强的自适应性和稳定性。将PMSE-PSO和SMSE-PSO应用于新安江模型的参数优选中,通过与PSO和SCE-UA的比较可以看出,PMSE-PSO和SMSE-PSO不仅具有较好的全局优化性能和稳定性,而且在调用目标函数次数相同的情况下精度较高,是一种有效的新安江模型参数优选方法。     

基于遗传算法的堤坝反压优化设计

堤坝反压设计采用试算法或图解法时,存在试算工作量巨大或图表繁杂等局限,精度受限。针对上述局限性,尝试采用具有高度并行、随机、自适应搜索的遗传算法建立堤坝反压优化设计模型。该方法和模型参数不发生直接联系,其求解过程中控制一个解群,从而大大提高了搜索效率,并且可以避免陷入局部极值。实例分析表明 ,该模型精度较高,为堤坝反压优化设计提出了一种全新算法。     

Effect of calibration data series length on performance and optimal parameters of hydrological model

In order to assess the effects of calibration data series length on the performance and optimal parameter values of a hydrological model in ungauged or data-limited catchments (data are non-continuous and fragmental in some catchments), we used non-continuous calibration periods for more independent streamflow data for SIMHYD (simple hydrology) model calibration. Nash-Sutcliffe efficiency and percentage water balance error were used as performance measures. The particle swarm optimization (PSO) method was used to calibrate the rainfall-runoff models. Different lengths of data series ranging from one year to ten years, randomly sampled, were used to study the impact of calibration data series length. Fifty-five relatively unimpaired catchments located all over Australia with daily precipitation, potential evapotranspiration, and streamflow data were tested to obtain more general conclusions. The results show that longer calibration data series do not necessarily result in better model performance. In general, eight years of data are sufficient to obtain steady estimates of model performance and parameters for the SIMHYD model. It is also shown that most humid catchments require fewer calibration data to obtain a good performance and stable parameter values. The model performs better in humid and semi-humid catchments than in arid catchments. Our results may have useful and interesting implications for the efficiency of using limited observation data for hydrological model calibration in different climates.     

基于随机森林-投影寻踪法的生物滞留系统多目标评价方法

生物滞留系统性能受植物和介质土的影响显著,且各性能指标具有多样性和不相容性,而传统评价方法具有较强的主观性易导致评价结果出错。采用随机森林模型对原始数据进行特征筛选以降低数据维度,构建投影寻踪模型对不同植物和土壤的水力渗透性能和污染物去除性能进行多目标评价,并利用高鲁棒性的遗传算法（GA）和粒子群算法（PSO）进行模型求解。植物评价结果表明,风车草为生物滞留系统的最佳植物,且评价结果与层次分析模型和BP神经网络模型方法相似;介质土评价结果表明,RST2（9.8%壤砂土+88.2%细砂+2%蛭石）为生物滞留系统的最佳介质土配置方案,且评价结果与传统投影寻踪法相似。研究结果证实了随机森林-投影寻踪（RF-PP）模型适用于生物滞留系统多目标评价。