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。     

遗传算法和人工神经网络在结构参数识别中的应用

以遗传算法和人工神经网络为基础,结合结构静力位移测量进行参数识别,从而判别工程结构的健康状况。     

基于遗传算法的地下厂房荷载参数反演识别

鉴于当前受水电站厂房振动测试的测点个数的限制,不能完整反映厂房结构振动的现状,本文利用水电站厂房现场振动测试少量测点的试验数据,基于水工结构流激振动反分析理论,提出采用遗传算法研究地下式厂房结构在机组运行过程中振动荷载反演问题的方法.通过实际工程应用表明:该方法能够很好地利用少量测点的实测数据反馈出厂房结构的振动位移变化.     

基于量子遗传算法的水轮机调速器PID参数优化

水轮机调速器PID的参数整定对水轮发电机组安全可靠运行具有重要作用,并直接影响电力系统向用户供电的质量及可靠性。为改善水轮发电机组的动态调节品质,利用量子遗传算法对水轮机调速器PID参数实施优化,并将量子遗传算法与传统遗传算法的计算结果进行了比较。仿真结果表明,量子遗传算法（QGA）不但提高了全局的搜寻能力,而且还避免了早熟收敛的问题,有效地解决了传统遗传算法中海明悬崖、计算精度等问题,为水轮机调速器PID参数优化研究提供了新的途径。     

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。     

基于遗传算法的水轮机调节系统 PID参数优化整定

应用基于实数编码的遗传算法,在整定水轮机调节系统最优调节参数的同时,进行遗传算子的设计,避免了根据经验公式不易获得最佳参数以及采用单纯形法易陷入局部最小值的缺陷,有效地解决了传统遗传算法中海明悬崖、计算精度等问题．由此获得的调节参数优于传统公式整定的调节参数,性能指标良好．     

基于自适应遗传算法的PID调速系统参数优化

针对遗传算法(SGA)存在求解精度与收敛速度间的矛盾,提出了一种自适应对称调和遗传算法(IASHGA),并将该算法应用于水轮发电机组PID调速系统参数的优化设计,以系统的上升时间和超调屠指标作为改进遗传算法的适应度甬数.以四川某水电站的真实数据对经过优化后的遗传算法PID控制规律进行计算机仿真,仿真结果表明,改进的算法与常规遗传算法(SGA)和粒子群优化算法(PSO)相比较,不但提高了全局的搜寻能力,而且有效避免了早熟收敛问题,为水轮机调速器PID参数优化研究提供了新途径.     

基于遗传算法和神经网络的结构损伤识别研究

应用遗传算法来优化神经网络的连接权值,在此基础上提出了基于遗传算法和神经网络的结构损伤诊断方法,并以一个矩形截面简支钢梁的损伤识别为例,进行了实例应用研究。该方法弥补了传统的BP神经网络收敛速度慢,易陷入局部极小点等缺陷。研究结果表明遗传算法和神经网络结合后兼有神经网络广泛的映射能力和遗传算法快速的全局收敛性能。     

基于遗传算法的田间尺度土壤水力参数与溶质运移参数优化

合理确定田间尺度土壤水力参数和溶质运移参数是保证农田土壤水盐动态模拟正确性的重要前提。本文开展了基于遗传算法(Genetic Algorithms,GA)与农田水文模型SWAP(Soil-Water-Atmosphere-Plant)耦合进行土壤水力参数和溶质运移参数优化的方法研究。在已有GA基础上引入了子体优生策略,并以完全嵌入方式耦合GA与SWAP模型。采用河套灌区曙光实验站的土壤剖面分层含水率(θi)和溶液浓度(cmli)、表土含水率(θsur)、实际腾发量(ETa)等观测资料,开展了田间尺度土壤水力参数和溶质运移参数优化的数值试验与相应分析。结果表明:(1)采用土壤分层信息(θi和cmli)作为观测数据,GA参数优化效果很好;(2)仅采用ETa作观测数据时,参数优化效果相对欠佳,需慎重使用,而结合ETa与θsur后可提高优化精度;(3)引入子体优生策略可提高GA的参数优化效率和精度。综上,结合GA与SWAP模型是优化田间尺度土壤水力参数和溶质运移参数的一种实用方法。     

基于遗传算法和GIS技术的灌溉决策支持系统

通过先进的科技手段提高灌溉管理水平是现代农业发展的必然趋势，本介绍了一个基于遗传算法优化模型和GIS技术的灌溉决策支持系统。该系统由灌区信息管理模块，田间灌溉模拟模块，优化配水模块和GIS模块等组成，具有一定的智能性，通用性和可扩展性，界面友好，易于操作，为提高灌溉用水效率和灌溉管理水平，发展节水农业和精确农业，实现农业的可持续发展提供了一个可行的途径。     

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。     

基于混合遗传算法的水电站经济运行

以水电站运行成本最小为目标,提出了一种用混合遗传算法实现大型电站最优运行计划的方法。该方法考虑了机组能量特性差异,并能在旋转备用、起停成本、空蚀振动区、机组可用性等约束条件下,制定出电站日内96段最优运行计划。该方法避免了动态规划等算法处理多约束、大型优化问题的困难,同时提高了遗传算法的精度。算例表明,方法精度高,计算速度快。     

基于遗传算法的支持向量机在径流中长期预报中的应用

支持向量机在径流中长期预报的应用中,普遍采用网格搜索法率定其参数,存在耗时较长、参数选取不当而导致预报精度低等问题,针对该问题提出了一种基于遗传算法的支持向量机模型,该模型结合遗传算法收敛速度快的特点对支持向量机参数进行优化选择,实现参数的全局自动化选取。应用乌江流域某电站的径流预报结果显示,相对于基于网格搜索参数寻优的支持向量机模型及神经网络模型,基于遗传算法参数寻优的支持向量机模型预报精度更高,泛化能力更强。更多还原     

基于遗传优化LMBP算法的变形分析与预报

本文针对传统BP神经网络存在收敛速度慢、计算量大、易收敛于局部最小点的缺点,引入遗传算法与LM算法优化BP神经网络,并对优化后的BP神经网络进行训练与预测。实验结果表明：优化后的模型具有训练速度快、预测精度高的特点,更适用于大坝的实时预报。     

改进的遗传算法在渡槽结构优化设计中的应用

传统的遗传算法存在寻优效率较低、精度不高等缺点。为了解决这些问题,对传统遗传算法进行了改进——采用Fortran语言编制结构优化程序,并将改进后的遗传算法应用于大型预应力矩形渡槽优化设计中。通过对比原设计方案与优化方案的结构安全性及经济性,验证了优化设计方案具有显著的经济效益。结果表明,改进后的遗传算法提高了计算性能和优化效果。     

基于加速遗传算法的堆石坝施工优化

为实现水电站施工资源优化配置,提高水电站建设的经济效益,提出了堆石坝施工优化模型;模型中考虑了日上升高程约束和相邻区的高差约束,并用加速遗传算法实现了优化计算。对国内某一在建堆石坝的计算结果表明．该方法是可行的,对大坝建设期间的资源配置和强度计划制定有一定指导意义。     

Genetic Algorithm Based Parameter Estimation of Nash Model

Unit hydrograph method is usually used to resolve surface runoff concentration process. Empirical unit hydrograph is sometimes jagged and not smooth because of estimation errors. Owing to the randomicity of correction method, there is some localization in its application. The application of instantaneous unit hydrograph is relatively wider. Generally, moment method is used to estimate the parameters of instantaneous unit hydrograph. However, the error is obvious between the observed flood process and the predicted flood process with moment method, especially near the flood peak. The genetic algorithm toolbox of matlab software is used to optimize the parameters of instantaneous unit hydrograph. The statistical function gamcdf(x, α, β) in matlab toolbox is used to calculate S(t) curve, which can avoid the errors caused by approximate formula method. The case study indicates that the weighted sum of absolute error applying the method in this paper is 25, the result applying moment method is 63, and the result of approximate formula method is 49. The results show that the method in this paper is more effectual than the other two methods.