水质模型参数计算方法研究

以O’Connor提出的S—P水质模型修改形式中的参数为研究对象，分别使用4种常用的参数估值方法，针对淮河水质实测资料进行参数估值。计算的结果表明，正交化方法是其中较好的一种水质模型参数确定方法。     

改进遗传算法在高非线性水质模型参数估值中的应用研究

在标准遗传算法的基础上,提出了一种采用精英保留策略、小生境技术、适应函数调整,同时又能自适应地改变交叉和变异概率的改进遗传算法,使得算法在高维复杂水质模型多参数估值搜索时,不丢失最优解空间和后期有效分辨最优适应度。以测试函数Rastrigin为验证,得到了已知的最优结果;最后,以下水道高非线性水质模型的参数优化估值问题为实例进行验证,将优化后的水质参数代入模型中,模拟所得结果与给定的实测值吻合良好,实现了高维复杂水质模型多参数的同时估值优化功能。该算法对其他高非线性水质模型参数优化问题同样具有较好的适用性。     

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.     

动态水权效益模型及其蚁群算法求解

本文提出了动态水权的基本概念及特征,研究了动态因素影响下水市场参与者活动及区域内水权交易的效益最优问题。以无定河流域陕西省境内水权配置为例,建立了其在丰枯期、节水潜力双因素变化下的动态博弈模型,并运用蚁群算法实现了模型最优求解。结果表明:枯水期靖边县、米脂县成为用水户,榆阳区、横山县和绥德县为转让户,转让户产生最大效益为1320万元,用水户及时弥补了缺水并产生效益为1850万元,区域总效益达到3170万元。模型能实现动态因素影响下的转让户、用水户及其区域总效益的最大化,为实现区域水资源的优化配置提供了重要的方法。     

蚁群算法在水文频率曲线参数计算中的应用

通过对标准蚁群算法进行修改,提出了一种可以应用于水文频率参数计算的基于网格划分策略的蚁群算法,并以渭河流域4个水文测站的年径流量数据为例,按照OLS准则对皮尔逊Ⅲ型分布参数进行了优化计算.结果表明,蚁群算法参数的估计精度及实际适线效果均优于其他几种常规方法,是一种可行的水文频率分析方法.     

证据理论融合蚁群神经网络的水质预测方法

为了提高水质指标预测的精度,提出了证据理论和蚁群神经网络相结合的组合预测方法。用蚁群神经网络作为单一模型对水质指标进行预测,再由BP、RBF网络对预测误差进行分析建模,获取每个模型的可信度。利用证据理论获取单一模型的权值,实现水质指标的组合预测。该方法克服了常规BP算法收敛速度慢、易陷入局部极值的缺陷,能有效提高预测精度。     

基于二进制蚁群时变灰模型的汛期水库安全预警模型

针对汛期水库安全监测数据短序列、贫信息、多突变的特征,提出了采用二进制蚁群时变灰模型构建水库安全监测预警分析模型。将二进制蚁群算法引入时变灰模型的参数优化中,既克服了蚁群算法在对组合优化的缺陷,又能避免传统灰模型参数固定导致模型适应性不强的缺点;同时采用等维新信息处理,可以进一步提高模型对新信息的利用,增加模型中长期预测能力。实际工程应用表明,基于二进制蚁群的时变灰模型对水库安全预警的非线性拟合是可行的,为汛期水库的安全稳定分析评价提供了一种较为有效的新方法。     

河流水质模型参数估计的逐次迭代算法

本文基于逐步最优化原理,提出了Streeter-Phelps模型参数估计的新算法——逐步最优算法。该方法是一种较有效的计算方法,单调收敛,可获得全局最优解,并且不受初始值影响。另外,该方法具有计算简单、快捷的优点。文中给出了实例计算及与其它方法相比较的结果。     

用模拟退火算法估计水质模型参数

本文采用BOD-DO耦合模型模拟水质。在获取参数最优化值时采用BOD和DO耦合模型计算值与实测值之差的加权平方和作为目标函数，将模拟退火算法(Simulated Annealing, SA)应用到多河段水质模型的多参数的同时估值中。采用30次重复估值试验，并记录所有试验中最优估计值的最大值和最小值，所得到的各河段BOD衰减系数的最优估值与真值的误差和河水复氧系数的最优估值与真值的误差均在允许范围内。说明了方法的可靠性。     

随机噪声干扰下水质模型参数的鲁棒估计方法

本文采用Dobbins-BOD-DO水质模型,用仿真试验模拟了随机噪声干扰对河流水质模型参数估计的影响。试验表明,最小二乘(LS)估计方法关于有色噪声和较高水平白噪声干扰不具鲁棒性,噪声干扰使估计参数漂离系统真实参数。为了克服随机噪声对河流水质模型参数估计的干扰,提出了一种水质模型参数的鲁棒估计方法,即基于M-估计的信赖域算法。通过对比试验和计算表明,M-估计对于有色噪声和白噪声干扰具有鲁棒性,无论是没有扰动情况还是有各种水平各种噪声类型的干扰情况,该方法能稳健可靠地搜索到真实值,且在估值精度、收敛性、抗噪性和鲁棒性方面均优于最小二乘(LS)估计方法。     

蚁群算法在水科学中的应用研究进展

蚁群算法是优化领域中相对较新的一种随机启发式搜索算法,通过模拟蚂蚁的觅食行为来解决复杂组合优化问题,是迄今为止昆虫算法中较为成功的例子。主要介绍了蚁群算法的生物原理及其算法的基本模型,对近些年来蚁群算法在水土资源新领域中的多种应用研究进行了分析与归纳,并指出了存在的问题及其研究展望。     

基于蚁群优化的支持向量机风速预测模型研究

由于风速的随机性大,预测的准确度不高,针对这种现象,基于支持向量机理论建立了风速预测模型,同时针对支持向量机参数的选取尚无有效的方法,尝试应用蚁群算法来优化参数的选取。以某风场连续5 d的实测风速为研究对象,选取前4 d的实测风速(采样间隔30 min),应用风速预测模型对第5天的48个风速值进行预测,其预测的平均绝对百分比误差仅为9.77%,预测效果比较理想。验证了应用蚁群优化算法理论与支持向量机理论进行风速预测的可行性,可为风速的长期预测、风力发电功率预测和风电场规划选址等提供理论指导。     

基于混沌蚁群算法的辽宁中部地区农业灌溉水量预测研究

本文采用混沌蚁群算法对GM(1,1)模型计算结构进行优化,提高GM(1,1)模型计算效率和精度。并将基于该算法的GM(1,1)模型用于辽宁中部地区农业灌溉用水预测计算中。研究结果表明:相比于区域农业灌溉统计水量,模型预测的年灌溉水量误差小于20%,不同月份计算误差也小于25%,基于混沌蚁群算法的GM(1,1)模型在农业灌溉水量预测上具有一定精度和适用性。研究成果可为辽宁中部节水增量农业用水规划提供参考。     

改进蚁群算法及其在水利工程项目管理中的应用

为了更加有效解决水利工程项目管理中的多目标决策问题,提出了一种改进蚁群算法。该算法首先利用遗传算法的全局搜索能力将信息素初始化,然后在算法进行遍历过程中引入变异操作和交叉操作,提高算法的鲁棒性和有效性。水利工程项目多目标优化案例分析表明,较传统遗传算法和蚁群算法,本文提出的方法对于解的寻找速度更快,解的质量更高,该算法具有较高的全局寻优能力。该研究为水利工程项目管理多目标决策问题的解决提供了一种新的思路和方法。     

利用单纯形-混沌优化算法确定河流水质模型参数

针对混沌优化算法收敛速度较慢的缺点,将单纯形算法和混沌优化算法结合,构造单纯形-混沌优化算法,并将该方法应用于分析一维河流水团示踪试验数据,求解河流水质模型参数的函数优化问题。结果表明,该算法可以有效确定河流水质模型参数,较单纯形法具有更好的收敛性、较混沌优化算法具有更快的收敛速度。     

基于蚁群算法优化极限学习机模型的滑坡位移预测

采用高精度的优化算法对于提高滑坡位移预测模型的准确性具有重要意义,然而已有文献中很少对多种优化算法进行对比研究。以三峡库区的八字门滑坡为例,以极限学习机（ELM）理论为基础进行滑坡位移预测,同时运用多种算法对建立模型过程中的参数选择进行优化以期提高预测效果。为提高预测精度,以移动平均法为基础,将滑坡位移分解为趋势项和周期项,趋势项位移使用多项式函数进行预测,周期项位移使用MATLAB自编程序的极限学习机模型进行预测,两项预测值相加即可得到最终的累计位移预测值。计算结果表明：单一的ELM模型能够较为准确地预测具有阶跃式曲线的滑坡累计位移,预测结果的平均误差为23.5 mm,拟合优度为0.973。与粒子群算法和遗传算法相比,蚁群算法（ACO）在计算用时和优化效果上更优,蚁群算法优化极限学习机模型对位移的预测精度也最高,平均误差为10.1 mm,拟合优度为0.998,可在类似滑坡的位移预测研究中进行推广。     

利用单纯形-粒子群算法识别二维河流水质参数

将单纯形-粒子群混合算法应用于分析二维河流横向扩散情况下的水团示踪试验数据,估计河流的横向扩散系数、断面平均流速和污水排放位置。数值试验结果表明:(1)加速因子c_1,c_2和参数初值取值范围综合影响粒子的搜索能力,当加速因子c_1=c_2=1.72时,有利于保持粒子的搜索能力;(2)在同样的条件下,混合算法的时间性能指标值小于单一的粒子群优化算法;(3)参数初值的取值范围对混合算法收敛性几乎没有影响;(4)混合算法可以有效地应用于河流水质数学模型参数识别问题。混合算法能改善粒子群算法在迭代后期出现的收敛速度慢、早熟的不足,是分析河流水质模型参数的一种有效方法。     

基于连续蚁群算法和小波支持向量机的位移反分析

提出一种基于连续蚁群算法和小波支持向量机的位移反分析模型。一方面利用具有良好时域、频域分辨能力和非线性学习功能的小波支持向量机建立反演参数和位移之间的非线性关系,避免了大量的数值计算,提高了预测精度;另一方面利用全局优化的连续蚁群算法代替传统的优化算法,避免优化过程中目标函数陷入局部最优,提高了反演的精度。应用该模型对三峡工程永久船闸高边坡4种介质弹性模量进行位移反分析,并利用反演所得参数进行监测点位移预测,计算值与监测值吻合较好,表明该方法适合解决具有非线性和不确定特性的岩土工程问题,在位移反分析中具有良好的实际应用价值。     

蚁群算法求解梯级电站短期优化调度改进研究

本文提出一种改进蚁群算法(Improved ant Colony Optimization Algorithm)求解梯级水库群短期优化调度问题。该算法的改进主要包括嵌入邻域搜索的单库轮换寻优、基于出力反推的初始解生成技术和约束优先的目标函数比较方法。以四川某中型流域梯级三级电站联合运行为背景,对蚁群算法和改进蚁群算法的求解质量和收敛性进行比较,实例验证表明,改进蚁群算法可以获得较好的优化调度结果。