基于粒子群算法的地下水水质评价模型

提出了基于s型生长曲线函数的地下水水质评价的污染损害率公式,并采用粒子群优化算法对水质污染损害率公式中的参数进行优化.将优化好的水质污染损害率公式用于某地20个采样点地下水水质评价,并与其它评价方法的评价结果进行了比较,结果表明公式能较好地用于地下水水质的综合评价,有明确的物理意义,简单适用,并具有一定的普适性.     

基于粒子群算法的湖泊营养状态指数公式

提出了适用于16个富营养化指标的湖泊营养状态指数公式,并对指数公式中的参数采用粒子群算法进行优化,得到对16项指标都适用的营养状态指数公式.实例分析表明,优化后的湖泊营养状态指数公式计算简单、实用,具有客观性、可比性和通用性.因而,能够对湖泊富营养化进行较好的评价.     

改进的粒子群优化算法

针对粒子群优化算法易陷入局部最优并难以跳出的缺陷,提出了一种改进的算法。算法在采用自适应惯性权重基础上,引入粒子群局部收敛判断机制,对陷入局部最优的粒子采取新的进化模型以增加群体的多样性,进而降低了群体早熟收敛。通过新进化模型的粒子群优化算法对4个基准函数反复试验,仿真结果表明改进的粒子群算法具有更好的收敛精度并且可以有效避免早熟收敛问题,寻找到全局最优解。     

粒子群优化的半监督入侵检测算法

为解决无监督入侵检测算法检测率低,有监督的入侵检测不能有效的检测未知攻击的问题,提出了一种粒子群优化的半监督入侵检测算法,算法对少量的约束信息进行基于密度的扩展获得潜在约束得到聚类模型,以此指导未标记数据聚类,对仍没有确定类别的未标示数据使用粒子群优化的K均值算法进行聚类实现对异常的检测。改进的算法检测率达到83.7%,误报率减少至3.13%,总体效果优于无监督和有监督学习的入侵检测算法。     

基于粒子群算法的GM(1,1)在经济发展预测中的应用

采用粒子群算法对GM(1,1)模型中的参数进行优化求解,然后将得到的模型应用于四川省经济发展预测,并和传统采用最小二乘法求解参数的GM(1,1)的预测结果进行了对照.结果表明,采用粒子群算法优化参数的GM(1,1)模型预测效果明显优于传统采用最小二乘法求解参数的GM(1,1)的模型预测效果.     

叶绿素a浓度反演模型：堆栈自编码器粒子群优化BP神经网络

内陆水体叶绿素a浓度是衡量水体富营养化程度的主要指标,是影响水体反射率光谱特征的重要因素之一。本文以白洋淀烧车淀、圈头乡各村庄等水域为研究区,采集了高光谱数据和水样,并在实验室测定叶绿素a等水质参数,应用于白洋淀区域的叶绿素a高光谱遥感反演。针对线性降维方法特征提取能力不足和神经网络构建叶绿素a遥感反演模型时学习效率低、泛化能力差的问题,提出了堆栈自编码器粒子群优化BP神经网络模型。该模型利用堆栈自编码器强大的非线性变换能力,通过最小化重构误差来学习高光谱数据特征,在实现数据降维的同时最大程度保留原始光谱数据中的水体辐射信息,提取出实测水体光谱的深度特征,将BP神经网络初始权重作为粒子的位置向量,通过粒子群算法搜寻网络初始权重的最优值,降低出现局部极值的概率,提高模型的稳定性和反演的精确度。堆栈自编码器粒子群优化BP神经网络模型(R²=0.82,RMSE=2.65μg/L,MAE=1.89μg/L)相较于对高光谱数据不降维的BP神经网络模型(R²=0.75,RMSE=3.16μg/L,MAE=2.39μg/L)、基于主成分分析法降维的BP神经...     

粒子群算法在克里金三维地质建模中的应用

变差函数是克里金法中反映区域化变量空间变化特征的有效数学模型,由其确定的拟合模型参数直接影响插值精度.采用基于线性递减权值的粒子群算法估计变差函数参数,实验对比发现:所提方法比传统的最小二乘法和手工拟合法更精确,采用某油田小层数据进行地质建模,插值得到的数据点与实际离散数据拟合更好,能够体现该地区地质特征,取得较好应用...     

基于粒子群算法的神经网络在水资源评价中的应用

为了改善传统的人工神经网络,在训练过程中容易陷入局部最小导致应用于水资源评价时存在对训练样本的拟合精度不高的缺点,采用粒子群算法优化人工神经网络的权值和阈值,然后将其应用于中国12个地区的水资源可持续利用系统评价实例中,并和传统的人工神经网络进行了对照。结果表明,基于粒子群算法的人工神经网络和传统的人工神经网络相比,能较好的提高对训练样本的拟合精度,表明基于粒子群算法的人工神经网络,用于水资源可持续利用系统评价是可行的。     

Multi-Objective Weather Routing Algorithm for Ships Based on Hybrid Particle Swarm Optimization

Maritime transportation has become an important part of the international trade system.To promote its sustainable de-velopment,it is necessary to reduce the fuel consumption of ships,decrease navigation risks,and shorten the navigation time.Ac-cordingly,planning a multi-objective route for ships is an effective way to achieve these goals.In this paper,we propose a multi-ob-jective optimal ship weather routing system framework.Based on this framework,a ship route model,ship fuel consumption model,and navigation risk model are established,and a non-dominated sorting and multi-objective ship weather routing algorithm based on particle swarm optimization is proposed.To fasten the convergence of the algorithm and improve the diversity of route solutions,a mutation operation and an elite selection operation are introduced in the algorithm.Based on the Pareto optimal front and Pareto optimal solution set obtained by the algorithm,a recommended route selection criterion is designed.Finally,two sets of simulated navigation simulation experiments on a container ship are conducted.The experimental results show that the proposed multi-objective optimal weather routing system can be used to plan a ship route with low navigation risk,short navigation time,and low fuel consumption,fulfilling the safety,efficiency,and economic goals.     

基于三维数据的微粒群反演汶川地震同震滑动

采用2008-05-28汶川大地震的GPS三维同震形变数据,运用微粒群算法,结合位错理论模型,反演龙门山断裂的三维滑动速率。结果表明,龙门山主山前边界大断裂、龙门山后山大断裂、龙门山主中央大断裂均呈现逆冲特征,其中,龙门山主中央大断裂还具有右旋走滑趋势;龙门山主中央大断裂的滑动速率最大,且断层的滑动速率与地表同震位移具有同步响应特征。     

�ϲ���ά�������ʷ��ݵ��㷨�Ա�

?????????????λ????????????????????????????????????????????????????????????????????巨???????????????????ú???????2001~2004???GPS?????????????????????????????з????????????????б?????????????????????????Ч??????????????????????????????     

基于GPS和水准数据的微粒群算法联合反演祁连山北缘断裂三维滑动速率

将微粒群算法与位错理论模型相结合,采用中国地壳运动观测网络提供的青藏高原地区2001~2004年GPS测量数据和2000~2006年水准测量数据,通过常规定权和附有相对权比的方法对祁连山北缘断裂的三维滑动速率进行联合反演,并与蚁群算法反演结果进行对比。结果表明,微粒群算法收敛速度快、稳定性高,结合经典位错理论模型,是一种可以有效求解断层三维滑动速率反演问题的优化算法,在大地测量反演领域极具应用潜力。     

基于离散粒子群算法的2种新型水体提取方法的对比与验证

随着遥感技术在水体提取与监测方面的广泛应用,更多的研究者致力于提高遥感水体提取的精度.离散粒子群算法在遥感图像分类研究中获得了较高的精度和更稳健的分类效果,已经被应用到遥感水体提取领域,但其在水体提取中的适用性和精度还有待对比与验证.本文采用最新提出的2种基于离散粒子群算法的水体提取方法,即光谱匹配耦合离散粒子群算法(...     

通过改进自适应PSO优化BP网络预测大坝变形

提出自适应粒子群神经网络（ADPPSO-BP）算法,并加入自适应变异算子,提高粒子跳出局部搜索的能力,实现对坝体位移的精准预测。以丰满大坝为例进行验证,建立PSO-BP（粒子群神经网络）、LPSO-BP（线性粒子群神经网络）、改进ADPPSO-BP（改进自适应粒子群神经网络）3种模型,对大坝进行变形预测。结果表明,ADPPSO-BP预测误差最小。     

水资源空间优化配置的群智能算法改进与仿真

本文尝试用群智能算法中的Pareto蚁群算法(PACA)求解复杂的水资源空间优化配置问题。首先,建立了以社会、经济和生态综合效益最大的目标函数,以水质、需水和供水为约束条件的水资源空间优化配置模型,并采用局部信息素强度限制,全局信息素动态更新等策略,对PACA进行改进,使蚂蚁向信息素浓度大的优化边界移动,以提高PACA的全局搜索能力和收敛速度。本文以河南省镇平县为仿真对象,借助RS和GIS,利用改进的PACA求解水资源空间优化配置模型,得到地表水、地下水、外调水的最优配置方案和最佳经济、社会、生态效益方案。通过对PACA性能指标的分析,以及对PACA改进前后解的寻优对比,表明了PACA经过改进后能有效地求解多目标、大规模的水资源空间优化配置模型,提高了寻优性能、收敛速度和全局搜索能力。     

基于粒子群算法的神经网络在水资源评价中的应用

为了改善传统的人工神经网络,在训练过程中容易陷入局部最小导致应用于水资源评价时存在对训练样本的拟合精度不高的缺点,采用粒子群算法优化人工神经网络的权值和阈值,然后将其应用于中国12个地区的水资源可持续利用系统评价实例中,并和传统的人工神经网络进行了对照。结果表明,基于粒子群算法的人工神经网络和传统的人工神经网络相比,能较好的提高对训练样本的拟合精度,表明基于粒子群算法的人工神经网络,用于水资源可持续利用系统评价是可行的。     

近海水质综合评价模型的构建及其应用——以九龙江口为例

【目的】研究水质质量综合评价模型的构建及应用。【方法】根据我国近海海洋环境监测指标和《国家海水水质标准》,运用PCA法,构建近海水质质量的综合评价模型,并给出四类水质综合指数F的量化区间值。【结果】在九龙江及毗邻海域,利用该评价模型开展示范应用研究,计算并绘制水质质量F值的空间分布和平面分布,筛查出污染的关键区域和指标,九龙江口水质质量综合指数F值区间为-1.875～2.570,以三类或四类为主。【结论】评价结果较好反映了九龙江口水质环境实际情况,水质质量综合评价模型可为该海域海洋环境综合治理及利用提供参考。