时间尺度对平原感潮河网水动力水质模拟精度的影响

为探究不同时间尺度边界入流条件对平原感潮河网水动力水质模型模拟精度的影响,以典型平原感潮河网地区的张家港市中部为研究区域,结合野外同步监测数据、自动高频监测数据、常规监测资料等构建了水动力水质模型进行模拟分析。结果表明:时间尺度、开始取值时刻以及调度情况均会影响模拟精度;研究区域边界入流条件、水动力模拟结果和水质模拟结果可信的最大时间尺度为1 h,水质模拟精度优于水动力模拟精度。     

大型复杂跨流域调水工程电站-水库-泵站群多目标优化调度

考虑调水量、发电最大和耗能最小3个目标,建立电站-水库-泵站群多目标优化调度模型。基于参数调整策略、邻域变异和加速策略,提出了求解多目标优化调度模型的综合改进布谷鸟新算法并求解模型,获得了发电、调水、泵站耗能多目标Pareto解集。以引汉济渭大型复杂跨流域调水工程为实例,将该模型与模拟调度模型和NSGA-Ⅱ算法多目标优化调度模型的结果进行比较,结果表明,该优化调度模型的发电、调水、耗能、弃水等各项指标合理,具有相对优势。     

An automatic parameter calibration method for the SWAT model in runoff simulation

Runoff simulation is highly significant for hydrological monitoring, flood peak simulation, water resource management, and basin protection. Runoff simulation by distributed hydrological models, such as the soil and water assessment tool (SWAT) model which is the most widely used, is becoming a hotspot for hydrological forecasting research. However, parameter calibration is inefficient and inaccurate for the SWAT model. An automatic parameter calibration (APC) method of the SWAT model was developed by hybrid of the genetic algorithm (GA) and particle swarm optimization (PSO). Multi‐station and multi‐period runoff simulation and accuracy analysis were conducted in the basin of the Zhangjiang River on the basis of this hybrid algorithm. For example, in the Yaoxiaba Station, the calibration results produced an R² of 0.87 and Nash Sutcliffe efficiency (NSE) index of 0.85, while verification results revealed an R² of 0.83 and NSE of 0.83. Results of this study show that the proposed method can effectively improve the efficiency and simulation accuracy of the model parameters. It can be concluded that the feasibility and applicability of GA‐PSO as an APC method for the SWAT model were confirmed via case studies. The proposed method can provide theoretical guidance for many hydrological research fields, such as hydrological simulation, flood prevention, and forecasting.     

基于多层注意力机制—柔性AC算法的机器人路径规划

针对行动者—评论家（AC）算法存在的经验学习样本维度高、策略梯度模型鲁棒性低等问题,依据多代理系统的信息协作优势,构建注意力机制网络并作为代理体,引入多层并行注意力机制网络模型对AC算法进行改进,提出一种基于多层并行注意力机制的柔性AC算法。将其用于解决动态未知环境下的机器人路径规划问题,可增强行动者的策略梯度鲁棒性并降低评论家的回归误差,实现机器人路径规划最优方案的快速收敛。实验结果表明,该算法有效克服机器人路径规划的局部最优,具有计算速度快、稳定收敛的优点。     

全局优化的蝴蝶优化算法

针对基本蝴蝶优化算法中存在的易陷入局部最优值、收敛速度慢等问题,提出一种全局优化的蝴蝶算法,引入limit阈值来限定蝴蝶优化算法陷入局部最优解的次数,从而改变算法易陷入早熟的问题,结合单纯形策略优化迭代后期位置较差的蝴蝶使种群能够较快地找到全局最优解;将正弦余弦算法作为局部算子融入BOA中,改善迭代后期种群多样性下降的缺陷,加快算法跳出局部最优。在仿真模拟实验中与多个算法进行对比,结果表明改进算法的寻优性能更好。     

基于多权重相似度的随机漫步推荐算法

在传统个性化推荐算法的基础上,提出了一种基于多权重相似度的随机漫步推荐算法。为了解决传统协同过滤算法中忽略了社交网络、热门项目以及共同评分项目之间影响等问题,通过引入万有引力公式计算社交网络中的用户相似度,并对传统协同过滤算法中的相似度进行改进,采用权重因子结合这两者相似度,最后开拓性地结合随机漫步算法进行商品推荐。实验结果表明,提出的算法具有比其他推荐算法更好的推荐性能。     

动作识别中基于深度神经网络和GA合并算法的分类决策方法

针对人体动作识别中传统方法在分类决策方面存在问题和缺陷,提出了一种新颖的基于深度神经网络(DNN)和遗传算法(GA)合并算法的非线性分类决策方法。首先,提出的合并算法在整个训练集合上对特征提取器进行组合,进而组合成不同的两个独立网络;再利用DNN对两个独立网络进行初始化,进一步利用GA对两个网络进行合并。然后将网络的偏差和权重表示为每层网络间的一个矩阵;最后,利用DNN对网络的偏差和权重进行训练,并在合并过程中将矩阵中的每一行当作一个染色体。实验采用了标准MNIST数据集对提出算法的性能进行评估。评估结果显示实验过程中的交叉和突变操作增加了神经元节点,提高了识别性能,并且弱化了不相关和相关神经元节点。因此,提出算法的错误率更低,网络性能更优异。     

基于遗传蜂群算法的运动想象BCI系统导联选择*

在运动想象脑-机接口系统中,常采用高密度导联获取脑电信号,导致实验准备时间长,系统运行速度慢,性能变差等问题。针对上述不足,本文提出了一种基于遗传算子的蜂群算法用于导联优选,引入交叉和变异算子以提高蜂群算法的邻域搜索能力。通过对第四届国际BCI 竞赛 Dataset 1中四名被试者(a,b,f和g)的59导联运动想象数据进行导联优选,用多类CSP算法和支持向量机对优选导联数据进行特征提取和分类识别。结果表明所提出的算法在大大降低了导联维数的同时,也得到了比采用全部导联更高的分类识别率,验证了本文所提算法的实用性和有效性。     

电磁超声相控阵激励源高频隔离驱动电路

为了进一步提高电磁超声相控阵激励源的工作效率,基于半桥拓扑放大结构提出了一种电磁超声相控阵激励源高频隔离驱动电路的设计方法.根据金属氧化物半导体场效应晶体管(metal oxide semiconductor field effect transistor,MOSFET)的简化模型,分析了MOSFET在开通和关断过程中的开关损耗,从而给出了高频隔离驱动电路所必须满足的条件.通过采用光纤器件隔离脉冲信号和DC-DC隔离电源对参考电位进行转换,有效解决了驱动电路的高频"浮栅"问题,并利用RC微分电路和施密特反相器设计了驱动信号死区时间可调电路.实验结果表明:设计的驱动电路能够输出频率为1.1 MHz、死区时间为0.32μs、驱动电压为18.8 V、占空比为26%的互补驱动信号,并且在驱动MOSFET栅极的实际应用中,有效降低了功率开关管的功率损耗.     

考虑停车位不足的出发时刻选择问题

针对目的地停车位不足,出行者如何选择出发时刻的问题,在有限理性视野下综合考虑道路拥堵状况、出行者个人感知差异、目的地车位供给状况以及无法停入合法停车位后将受到惩罚等因素对出行者出发时刻选择的影响.依据前景理论设计实验,通过调查获取出行者出发时刻选择意向数据,构建出行者出发时刻选择模型.研究结果表明:停车位剩余状况影响出行者对出行结果的满意程度以及下一次出行决策.出行者出行结果满意度随着目的地剩余车位的减少而降低,当出行者的出行结果为满意时,出行者下一次出行由倾向于早到逐渐变为倾向于晚到.在车位不足,不能合法停车的情况下,不同的惩罚措施会影响到出行者下一次出发时刻的决策结果,惩罚越严重,出行者越倾向于早出发.