基于可靠度分析的重力坝断面粒子群优化

提出了更加合理的重力坝断面可靠性设计优化方法,针对规范要求重力坝失效概率较小的特点,将马尔可夫链蒙特卡罗(MCMC)方法和子集(Subset)理论相结合用于重力坝可靠度的计算.并以结构初始成本和失效成本之和最小化为优化目标,利用粒子群算法(PSO)对重力坝断面设计方案进行优化.     

基于改进粒子群算法的重力坝断面优化研究

将粒子群算法与罚函数相结合,把非线性约束优化问题转化为无约束优化问题,解决工程上多约束优化问题。为了防止粒子群算法陷入局部最优,引入退火算法帮助粒子跳出局部最优解,从而避免粒子后期单一方向进化问题,改善粒子全局搜索能力,同时考虑到最优解一般在边界附近取得,故引入动态罚函数加强粒子对可行域边界搜索,加快最值的搜索速度。将上述方法应用于实际重力坝断面优化设计,结果表明:改进的粒子群优化算法不仅保持了良好的收敛性,而且动态罚函数还具有构造简单实用,同时退火算法减少了粒子群优化算法对大量粒子的依赖程度,验证了改进算法的有效性和可行性。     

基于C-PSO算法的混凝土面板堆石坝断面优化设计

针对基本粒子群算法(PSO)寻优过程中存在收敛速度慢、易陷入局部最优和计算精度差等缺陷,采用分簇思想和碰撞策略,提出了一种改进的粒子群算法(C-PSO),在该算法中,粒子通过分簇并行搜索,有效避免了群体过度集中现象,极大地增强粒子全局搜索能力。将C-PSO算法应用于混凝土面板堆石坝断面优化设计中,优化结果表明,该算法对解决复杂的多变量多约束非线性问题具有较好的适应性,为复杂的混凝土面板堆石坝断面优化设计问题提供了新的解决思路。     

基于TIPSO的水电站优化调度研究

针对水电站多目标联合优化调度问题,提出双层改进粒子群算法(TIPSO)。该算法通过动态廊道约束,提高粒子群算法中粒子初始解的质量;通过改进动态权重系数,增强粒子群算法在前期的全局寻优能力和后期的局部寻优能力,提高粒子群算法的收敛性。将该算法应用于求解河南省陆浑水电站多目标优化调度问题,计算结果表明双层改进粒子群算法具有较好的收敛性能;通过与动态规划算法计算结果对比,表明该算法求解高维、复杂、多约束问题的可靠性和有效性。     

基于改进鲸鱼优化算法的重力坝变形参数反演

针对利用位移实测资料对大坝坝体和基岩的变形力学参数进行优化反演时存在效率低、精度差等问题,通过对鲸鱼优化算法进行并行化改进,并引入权重因子,结合有限元计算,提出一种基于改进鲸鱼优化算法的力学参数反演方法。利用该方法对某混凝土重力坝坝体和基岩弹性模量进行反演,并与粒子群算法的反演结果进行比较。结果表明:在相同迭代次数的情况下,改进的鲸鱼优化算法比粒子群算法耗时更少,且反演得到的坝体、基岩力学参数比粒子群算法得到的更为准确。表明利用多核处理器对该方法进行并行计算,可大幅度缩短计算时间。基于改进鲸鱼优化算法的力学参数反演方法具有搜索能力强、收敛速度快和精度高等特点,合理可行,可推广应用于混凝土拱坝等其他坝型的力学参数反演。     

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。     

水库坝址区防渗帷幕措施方案优化分析

使用代理模型建立数学计算模型,代替有限元数值模拟模型,可以取得较好的精度,并满足工程设计要求。以新疆某重力坝坝趾区防渗帷幕优化设计为例,采用粒子群算法进行模型参数优化,通过引入交叉因子、学习因子、动态权值因子对粒子群算法进行改进,改进后的粒子群算法具有较好的全局搜索性。通过改进粒子群算法对代理模型进行迭代计算,获取最优的变量值。优化后的防渗帷幕在满足工程设计要求的同时,大大降低了混凝土使用量,经济效益和工程效果良好。     

混沌粒子群优化算法在确定含水层参数中的应用

以泰斯公式为例,将混沌粒子群优化算法应用于求解分析抽水试验数据,解决含水层参数的函数优化问题.通过在粒子群算法的初始化粒子位置及后续的细搜索过程中加入混沌序列,提高了算法的收敛速度和精度.数值实验结果表明:混沌粒子群算法能够有效地应用于求解含水层参数计算问题;粒子数的增多对混沌粒子群算法收敛性的影响不明显;待估导水系数选取不同的倍数均体现出混沌粒子群算法的收敛性明显优于粒子群优化算法.混沌粒子群算法应用于确定含水层参数是可行的.     

基于PSO-SVM的碾压混凝土坝变形预测模型

为提升大坝变形预测能力,提出了一种基于粒子群算法(PSO)优化支持向量机(SVM)的混凝土重力坝变形预测模型.通过粒子群算法对支持向量机惩罚函数C与核函数σ进行寻优,避免了拟合过程中易陷入局部最优解的问题,提高了模型的拟合精度.以新疆北疆某碾压混凝土坝2014年～ 2019年变形监测数据为例,建立了逐步回归、SVM、P...     

基于改进鲶鱼效应粒子群算法的电站优化调度

为提高梯级电站的综合效益、获得较优的调度方案,建立了基于改进鲶鱼效应粒子群算法(CE-PSO)的梯级电站优化调度模型。针对鲶鱼效应粒子群算法在制作鲶鱼粒子时容易陷入局部加速的局限性,考虑到鲶鱼粒子的空间分布位置对改善粒子的多样性具有重要影响,尝试通过一定的途径将鲶鱼粒子均匀分布于整个搜索空间,提高种群的搜索效率,弥补CE-PSO算法容易陷入局部加速的局限性。将改进后的算法应用于某河流梯级电站的优化调度,结果表明,改进后的鲶鱼效应粒子群优化算法与标准PSO和CE-PSO相比,在全局搜索能力和收敛速度方面均有改善。