自适应遗传神经网络模型(IAGA-BP)及其在坝体结构损伤识别中的应用

针对基本遗传算法(SGA)收敛速度慢、计算稳定性差、效率低下和易陷入局部收敛等问题提出了一种改进的自适应交叉和变异算子,采用十进制编码并建立改进的自适应遗传神经网络模型(IAGA-BP),同时建立基本遗传神经网络模型(SGA-BP)。将两者同时运用于坝体结构损伤识别,分析结果表明:IAGA-BP模型在收敛速度、精度方面明显优于SGA-BP模型。     

基于遗传算法的模糊优选BP网络模型及其应用

在模糊优选BP神经网络模型的基础上，引入遗传算法，提出融入遗传算法的模糊优选神经网络预测模型，是对模糊优选BP神经网络模型的进一步发展。其基本思路是：在BP算法训练网络出现收敛速度缓慢时启用遗传算法优化网络的运行参数，把优化的结果作为BP算法的初始值再用BP算法训练网络，这样交替运行BP算法和遗传算法，直到达到问题要求的精度。在新疆雅马渡站年径流量的预报中，预测模型在预报精度和算法的收敛速度方面都达到了较好的效果。     

基于遗传神经网络和证据理论融合的水电机组振动故障诊断研究

针对水电机组振动故障诊断中的故障误诊、漏诊以及诊断的可靠性低等问题,提出了适用于水电机组的神经网络局部诊断和证据理论融合决策诊断的故障诊断方法。在神经网络中应用遗传算法来提高网络的收敛速度,应用提出的诊断方法对水电机组振动故障进行仿真,诊断结果表明对故障征兆信息的有效组合,充分利用机组各部位的信息,可以减少诊断的误诊、漏诊问题,从而有效地提高诊断的可靠性。应用MATLAB7.0开发出故障诊断系统界面。     

基于人工鱼群算法的冰情预报神经网络模型

在分析凌汛成因的基础上选取合适的预报因子,针对BP神经网络收敛速度慢、易陷入局部极小值的缺点,利用改进的人工鱼群算法训练BP神经网络,以黄河宁蒙河段封开河日期数据进行建模,给出了人工鱼群算法训练神经网络的基本原理和步骤,并对人工鱼群算法神经网络模型、遗传算法神经网络模型、粒子群神经网络模型的预测结果进行了对比分析。结果表明:人工鱼群算法神经网络模型对黄河内蒙古段凌汛期的封开河日期预测比较准确,预测结果优于遗传算法神经网络模型和粒子群神经网络模型。     

遗传-神经网络算法在水下隧道涌水量预测中的应用

水下隧道涌水问题受到多种因素的综合影响,具有非线性和高度复杂性。本文应用遗传算法和BP神经网络,结合工程实例,选用隧道围岩裂隙发育情况、上覆含水体富水性、上覆水压、隧道埋深、隧道围岩上覆相对隔水层强度和上覆基岩破碎带与隧道顶板的距离作为影响水下隧道涌水的主要因素,以调查的数据作为训练样本,使用遗传算法优化BP神经网络的初始权值和阈值,建立了水下隧道涌水量的遗传-神经网络预测模型,并进行了计算分析。结果表明:该模型收敛性能好,预测精度高,简单可行。该方法为水下隧道涌水量的预测提供了一条新思路。     

基于遗传算法的机组组合研究

针对遗传算法应用于机组组合问题的具体实现技术进行了深入的研究，实现了采用不同采样空间、不同选择策略、不同适值函数和不同交叉率/变异率的遗传算法的机组组合计算程序，并对10机系统和110机系统的仿真计算进行了分析和比较。结果表明各种不同实现技术的遗传算法应用到机组组合问题具有不同程度的有效性，另外，遗传算法的不同实现技术对收敛时间、收敛代数和收敛值也有较大的影响。文中在计算研究的基础上提出了适用于机组组合问题的遗传算法的具体实现技术，为遗传算法应用到机组组合问题的实用化研究奠定了坚实的基础。     

混合遗传神经网络算法研究及其在径流预报中的应用

 根据流域径流预报的特点,针对神经网络原有固定结构学习方法的缺陷,通过对人工神经网络、遗传算法进行组合利用和加以改进,建立了混合遗传神经网络模型,并对其神经网络的结构和权值阈值同时进行了优化。然后以某灌区径流预报为例,分别利用BP(back propagation)算法、本文方法进行仿真试验,验证方案的可行性和有效性,结果表明本文算法既克服了神经网络结构选取的盲目性,给出了优秀的初始权值,又克服了遗传算法耗时的缺点,最终达到了提高网络收敛性能和收敛速度的目的。     

水火电系统短期经济调度的遗传算法

本文研究探讨了用遗传算法进行水火电系统短期经济调度的方法。为了提高运算速度和避免不成熟收敛，对遗传算法进行了改进。算例表明，改进后的遗传算法具有较好的运算速度和收敛特性。     

基于遗传神经网络的城市用水量预测研究

介绍了BP(误差反向传播算法)和GA(遗传算法)及GA-BP 3种神经网络,并以此分别对城市用水量进行预测.实验结果表明,基于GA-BP算法的神经网络方法应用于城市用水量的预测问题,能采用遗传学习算法优化BP神经网络模型的初始权重,即先利用遗传学习算法进行全局训练,再用BP算法进行精确训练,使网络收敛速度加快和避免局部极小.GA-BP神经网络在收敛速度和预测精度等方面均优于BP和GA网络,从而为未来短期城市用水量负荷的准确预测提供了新的思路与方法.     

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。     

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 GA -ANN 算法的层状路基土参数预测模型

将BP神经网络和遗传算法两种智能方法结合起来,建立起自适应遗传算法-BP神经网络系统。利用土工试验得到的不同土层物理力学参数汇总整理形成的试验数据作为样本值,对路基土层物理力学参数进行了预测,将预测结果和单独使用BP神经网络时的预测结果进行了对比分析。结果表明：当样本数据离散性小时,这两种预测方法均能取得理想的预测效果,自适应遗传算法-BP神经网络系统还具有有效防止“过训练”和提高网络自身的泛化能力;当样本规模大,且样本数据具有一定的离散性时,网络系统的预测优势能更好地体现出来。     

基于DGA的BP神经网络及其在一维河网模拟中的应用

考虑到BP神经网络的计算精度和稳定性依赖于初始权、阈值,首先对标准遗传算法进行改进,然后用改进的遗传算法优化BP神经网络的初始权、阈值。将遗传算法和神经网络结合起来建立河网BP模型,把实测资料或者水动力数学模型的计算结果作为学习样本对模型进行训练。将河网BP模型运用于西江三角洲河网,发现该模型与水动力模型的计算结果吻合较好,表明优化后的BP网络用于河网水力模拟是可行的。     

基于遗传算法与神经网络的水库水沙联合优化调度模型

针对一维泥沙数学模型维数高、求解耗时长以及水沙联合调度模型多目标难以求解的问题,结合遗传算法与神经网络的特性,以发电量最大和有效库容最大为基本目标,构建了水库水沙联合优化调度模型。利用约束法和权重法,将多目标模型转化为单目标模型,采用加速遗传算法进行求解,其中泥沙冲淤量使用自适应BP神经网络进行拟合预测。三峡水库实例计算结果表明:运行20 a,与原设计运行方式相比,采用该优化调度模型优化运行年均发电量增加7.732%,泥沙淤积量增加0.044%,在淤积量增加很小的情况下能大幅度增加发电量,模型能较好地解决水库水沙联合调度问题,在工程实际中是有效可行的。     

基于GA的BP神经网络智能PID控制在水力发电机组中的应用

水力发电机组是一个非线性、时变系统,常规PID控制不能达到较好的控制效果。提出了一种基于GA遗传算法、BP神经网络和RBF神经网络的智能PID控制方法。分别讨论了智能控制系统的结构,如GA,BP,RBF以及水电机组的数学模型;对水电机组采用智能PID控制器和常规PID控制器的动态特性进行分析。结果表明,采用智能PID控制器的水电机组具有更好的控制精度和动态特性。     

流域水安全智能评价方法的理论基础探讨

常规方法难以处理实际流域水安全复杂系统的综合评价问题。本文在提出流域水安全评价方法论及其数学表达形式的基础上，探讨了用遗传算法、人工神经网络方法、模糊数学方法和蒙特卡洛方法等智能方法进行流域水安全评价的理论基础和这几种方法的适用范围。分析结果表明，采用智能方法进行流域水安全评价，有助于揭示流域水安全系统的复杂特征。推进这方面的研究将有助于发展和完善水资源综合评价理论，是水资源系统工程新的发展方向，具有广泛的应用前景。     

求解复杂工程优化问题的一种实用方法

本文将遗传算法与神经网络相结合，构成ＧＡ－ＡＮＮ法，协同求解复杂工程中的优化问题．该法既利用了神经网络的非线性映射、网络推理和预测的功能，又利用了遗传算法的全局优化特性，可广泛地应用于目标函数难以用决策变量的显函数形式来表达的众多复杂工程问题中．     

CPSO-NN模型在大坝安全监控中的应用

针对大坝安全监控中传统BP神经网络模型由于采用最速下降法求解网络权值而存在的计算过程复杂、易陷入局部极值点等缺点,提出大坝安全监控神经网络权值的协同粒子群优化求解方法。该方法先把网络权值的计算问题转化为粒子群的寻优问题,然后通过粒子群协同寻优实现对网络权值的计算。工程实例分析结果表明:基于协同粒子群算法的神经网络模型计算简单、收敛速度快、拟合精度高,为大坝安全监控分析提供了一种有效的新方法。