共查询到19条相似文献,搜索用时 15 毫秒
1.
2.
3.
5.
6.
针对梯级电站优化调度具有多阶段、非线性和组合性的特点,采用改进粒子群算法来求解。针对目前采用的基本粒子群算法在求解时存在易陷入局部最优和早熟的缺点,改进粒子群算法以混沌变量生成机制来增加种群的多样性,以逐步优化和随机生成相结合的方法生成初始种群,以增加粒子生成的有效性。实例计算结果表明,改进粒子群算法可以取得较好的效果,并为梯级电站优化调度提供了一种有效的方法。 相似文献
7.
干旱预测是提高防旱抗旱能力的重要非工程措施。在评价不同时间尺度标准化降水蒸散指数(SSPEI)对河南省干旱识别能力的基础上,以能有效表征河南省干旱状况的SSPEI为模型输出,以基于信息变化率和条件互信息的特征变量选择方法(ICR-CMIFS)筛选得到的河南省主要致旱气候系统指数为模型输入,构建了基于粒子群算法优化极限学习机(PSO-ELM)的干旱预测模型,通过对比该模型与标准极限学习机(ELM)、差分进化算法优化极限学习机(DE-ELM)模型的干旱预测结果,验证PSO-ELM模型在河南省干旱预测中的适用性。结果表明,SSPEI-3能有效识别河南省典型干旱事件,从时间和空间上可较准确地反映河南省干旱状况;ICR-CMIFS筛选出的河南省主要致旱气候系统指数为西太平洋副高面积指数和NINO指数;PSO-ELM模型能较准确地预测河南省干旱,且预测精度优于DE-ELM模型和标准ELM模型,在河南省干旱预测中具有较好的适用性。 相似文献
8.
为了探讨广义塑性模型在土石坝仿真分析中的适用性,分别采用广义塑性模型和邓肯E-B模型对卡基娃堆石坝进行三维有限元静力计算,并结合现场监测资料,对比分析了不同本构模型下堆石和面板应力变形的差异。结果表明,两种模型计算的堆石应力变形规律相似,广义塑性模型计算的水平位移和沉降远小于邓肯E-B模型,更符合实际观测资料;第一主应力比较接近,第三主应力相差较大;竣工时面板变形规律基本一致,蓄水期时面板坝轴线方向位移分布差别较大,邓肯E-B模型计算的面板挠度大于广义塑性模型。与广义塑性模型相比,邓肯E-B模型计算的面板压应力偏大、拉应力区域较大。 相似文献
9.
改进粒子群算法在管壳式换热器优化设计中的应用 总被引:2,自引:0,他引:2
以管壳式换热器每年的总费用作为目标函数,采用含随机扰动算子的改进粒子群算法(IPOS)对其进行了优化.在优化设计模型中,采用Bell-Delaware法描述壳侧流体,优化变量选择管程数、换热管内径和外径及间距、管布置方式、封头类型、流体分配方式、密封条数、壳程压降和管程压降.对采用IPOS算法得到的优化结果与相关文献的结果进行了比较.结果表明:IPOS算法具有全局收敛、计算精度高、稳定性好的特点,并能获得约束条件下管壳式换热器的最优设计方案. 相似文献
10.
11.
12.
针对标准粒子群算法在迭代过程中容易陷入局部最优而过早收敛的缺陷,对算法的粒子速度更新公式做了如下改进:首先将更新公式中惯性权值的线性递减策略改为非线性动态递减策略,更好的平衡粒子群算法全局搜索和局部搜索的性能;其次在更新公式中引入了所有粒子个体极值的平均值,使得粒子能够利用更多的参考信息来调整自己的搜索速度.在输电网扩展规划中的应用结果表明,上述两个改进可以有效改善粒子群算法的收敛特性,最终使算法找到全局最优解,从而证明了该改进粒子群算法具有一定的可行性和有效性. 相似文献
13.
14.
针对近年来西安市用水量变化的特点,采用改进的GM(1,1)模型用于用水量预测,并与传统的GM(1,1)预测模型进行了比较.结果表明,改进的GM(1,1)模型可取得较好的预测结果. 相似文献
15.
16.
改进的GM(1,1)模型在城市用水量预测中的应用 总被引:1,自引:1,他引:0
针对GM(1,1)模型对原有数据信息利用不充分、模拟序列首项固定不符合最小二乘法要求两个问题,以原始序列与模拟序列差值平方和最小为条件,利用最小二乘法确定了GM(1,1)白化权函数的时间响应函数中的常数,构建了改进的GM(1,1)模型,并应用于宁波市用水量预测中.结果表明,改进的GM(1,1)模型预测精度大幅提高,具有较好的可行性和实用性,可用于预测城市未来用水量. 相似文献
17.
18.
针对不恰当地选取RBF神经网络的网络结构和参数会使网络收敛慢的问题,采用粒子群优化算法对RBF神经网络参数进行优化,建立了基于粒子群优化算法的RBF神经网络模型(PSO-RBF模型),对泾惠渠灌区地下水位埋深进行了模拟和预测。结果表明,与单一的RBF神经网络相比,PSO-RBF模型具有较高的预测精度。再根据时间序列预测法预测的降水量、径流量、蒸发量、渠灌引水量、地下水开采量、气温等模型的输入变量,用训练好的PSO-RBF模型预测了泾惠渠灌区2009~2020年地下水位埋深,发现该灌区地下水位埋深呈下降趋势。 相似文献
19.
针对传统GM(1,N)模型求解时假定相关因素为线性相关与实际不符的问题,提出改进的GM(1,N)非线性优化方法,并将其应用于邯郸市2010~2015年地下水矿化度的拟合预测中,对比改进的GM(1,N)模型、传统GM(1,N)模型、多元线性回归分析、BP神经网络模型的拟合预测结果,验证改进的GM(1,N)模型的有效性。结果表明改进的非线性GM(1,N)模型拟合精度最好,其预测精度略低于BP神经网络模型。 相似文献