改进PSO算法在水位流量关系拟合中的应用

粒子群算法(PSO)是一种基于群智能的全局优化方法。将改进PSO算法应用于水位流量关系拟合优化问题,通过对结果的比较分析,验证了改进PSO算法在提高精度方面的有效性,说明了改进PSO算法在水位流量关系拟合中应用的可行性。     

拉格朗日乘子法在水位流量关系拟合中的应用

针对传统方法在水位流量关系拟合中线性化后存在的不足以及未考虑拟合函数的显著性水平的局限性,以流量残差平方和最小为目标函数,以显著性水平为约束条件,结合拉格朗日乘子法对水位流量关系进行优化处理。通过算例对比分析了水位流量关系在传统算法、自适应加速遗传算法及本文优化算法下的拟合结果。计算结果表明:提出的优化理论能更精确地模拟实际工程中水位流量关系,其基本思想可为类似的水文分析提供借鉴作用。     

多方案加权模型在拟合复杂水位流量关系中的

目前,水位流量关系受单一因素影响的拟合,已有了比较成熟的方案,但对于受多因素影响的水位流量关系的拟合,尚没有理想的方案。多方案加权模型就是基于多因素影响的水位流量关系而建立的,本文运用了系统理论方法和数理统计理论对多方案加权模型从理论上进行了分析,并通过对湖南省朗梨水文站的实测水位流量资料的拟合,对其有效性进行了探讨。     

洪水期水位流量关系绳套曲线的直接拟合

受洪水涨落影响的水痊流量关系通常为时序型绳套曲线,现有的校正因数法在电算整编中存在一定的困难,通过对校正因数法公式的幂级数展开,提出了水位流量关系绳套曲线的计算机直接拟合数学方法,并对该法原理、步骤作了较详细的介绍。实例验证结果表明,该法能有效地模拟受洪水涨落影响的水位流量关系绳套曲线、且具有计算速度快,推流精度高等优点。     

三峡工程坝址水位流量关系分析检验

长江三峡水利枢纽坝址位于葛洲坝水库常年变动回水区,水位流量关系较为复杂。分别从水文学和水力学途径分析了坝址水位流量关系,并用１９９６￣１９９７年汛期和截流期实测资料进行了检验。结果表明,与实测点据吻合较好。     

浅析糙率曲线在单值化水位流量关系测站的应用

浅析糙率曲线在单值化水位流量关系测站的应用李林华（湘潭水文水资源勘测局）１问题提出湖南省水文水资源勘测局于１９９０年１０月编辑出版了《湖南省河渠糙率》（以下简称《糙率》）一书。该书对我省湘、资、沅、澧四大流域不同水文站、不同河渠的糙率分门别类进行了分...     

水位流量关系曲线的计算机辅助率定与应用

水位流量关系曲线的率定与应用是流量资料整编的一个重要环节,传统的手工方式工作量繁重,读数易出错,而且绘制出来的曲线因人而异.计算机软硬件技术的飞速发展为水位流量关系线的计算机辅助率定与应用提供了可能.文章比较了手工方式与计算机辅助方式的优劣,分析了目前已有的几种软件之间的差别,着重分析了德国KISTERS公司的产品SKED在应用的上的有效性与可靠性.     

层状介质大地电磁的自适应量子遗传反演法

将量子遗传算法引入到层状介质大地电磁数据的反演, 得到了层状介质的大地电磁量子遗传反演法.数值试验结果发现该算法仍然存在较严重的早熟收敛现象.为此, 将自适应思想引入到量子遗传算法中来, 通过动态调整量子遗传算法的模型搜索空间, 建立了一种新的改进型量子遗传算法——自适应量子遗传算法, 使算法在迭代过程中能自适应地寻找模型最优值.通过典型测试函数和层状介质大地电磁模型数值试验, 结果表明, 改进算法有效压制了常规量子遗传算法的早熟收敛性, 提高了算法的搜索效率和反演效果.采用该算法对实际的大地电磁资料进行了处理, 取得了较好的地质效果.      

基于遗传算法的新安江模型日模拟参数优选研究

在概念性水文模型的参数率定中,目前还没有一个传统优化方法能够提供保证足够高效和稳定性的算法。为了克服传统优化方法中局部收敛性的缺点,近年来利用遗传算法通过计算机准确稳定地进行概念性水文模型的参数优选的尝试得到越来越多的重视和发展。目前优选水文模型待定参数,大多是从次洪模型的方面去讨论,有关日模拟模型的遗传算法参数优选讨论的较少。本文系统分析了基于遗传算法的新安江模型日模拟参数的自动优选,同时针对遗传算法在模型参数众多的情况下时间效率低下问题,通过利用新安江模型参数分层原理与模型参数敏感性分析对优选结果影响,提出一套简化的日模型参数遗传算法优选方案。经过流域模拟检验,该优选方案可行,运行效率高,可以作为类似模型遗传算法参数率定快速、有效的方案。     

混合加速遗传算法在流域模型参数优化中的应用

在实编码遗传算法中加入单纯形搜索算子和加速搜索算子,提出了混合加速遗传算法.通过实例对该法与其它一些遗传算法进行了比较.并在大坳流域模型的参数优选中得到成功的应用.结果表明,混合加速遗传算法具有直观、简便、快速及适用性强等特点,是一种既可以较大概率搜索全局最优解,又能进行局部细致搜索的优秀非线性优化方法.     

遗传算法在水电站优化调度中的应用

将遗传算法用于求解水电站优化调度问题。与经典优化算法不同的特点在于,遗传算法是从多个初始点开始寻优,沿多路径搜索实现全局或准全局最优。计算过程中不需要存储状态或决策变量离散点,大大减少了计算机内存,不必求导运算,编程简单,是一种有效的自适应随机搜索算法。     

遗传算法在边坡数值计算中的应用

改进了进化方向的遗传算法与有限元数值法，结合并研制了相应的软件。应用该软件对多类型岩土边坡进行弹性模量、内聚力、内摩擦角等参数反演分析，显示误差很小，收敛速度也很快，这说明改进进化方向遗传算法这种新型的优化算法在多类型岩土参数优化估计中具有独特的优势。     

基于谐振子遗传算法的高效地下水优化管理模型

在传统遗传算法和模拟谐振子算法的基础上,结合两者的优点,提出了一种新型快速高效的谐振子遗传算法。通过一个理想的水资源管理模型的算例和一个华北平原典型区地下水资源优化的实际算例,从寻优结果和寻优效率两个方面对谐振子遗传算法、传统遗传算法和模拟谐振子算法进行了对比分析。在两个地下水管理模型中,与传统的遗传算法和模拟谐振子算法相比,新型的谐振子遗传算法搜索效率达到模拟谐振子算法搜索效率的2倍以上,得到的最优解比遗传算法所得到的最优解分别增加供水量1.1×10³ m³/d和0.47×10⁸ m³/a,说明谐振子遗传算法具有更强的全局搜索能力和更好的寻优效率。     

基于遗传算法优化的小波神经网络在地下水位预测中的应用

地下水位是衡量生态环境优劣和地下水资源的一个重要指标.地下水位下降,将引发地面沉降、地面塌陷和降落漏斗等.因此,地下水位预测对保护地质生态环境和实现地下水资源严格管理至关重要.由于BP算法存在极易收敛于局部极小点与过拟合等缺点,导致网络泛化能力不足,本文在构建小波神经网络基础上并引入遗传算法加以优化,以解决上述不足,并与BP和WNN对比预测了天津市深层承压水水位.预测结果表明,GA-WNN模型拟合精度较高,模型的预测能力有较大幅度提高.     

Nonlinear Inversion of Potential-Field Data Using an Improved Genetic Algorithm

The genetic algorithm is useful for solving an inversion of complex nonlinear geophysical equations. The multi-point search of the genetic algorithm makes it easier to find a globally optimal solution and avoid falling into a local extremum. The search efficiency of the genetic algorithm is a key to producing successful solutions in a huge multi-parameter model space. The encoding mechanism of the genetic algorithm affects the searching processes in the evolution. Not all genetic operations perform perfectly in a search under either a binary or decimal encoding system. As such, a standard genetic algorithm (SGA) is sometimes unable to resolve an optimization problem such as a simple geophysical inversion. With the binary encoding system the operation of the crossover may produce more new individuals. The decimal encoding system, on the other hand, makes the mutation generate more new genes. This paper discusses approaches of exploiting the search potentials of genetic operations with different encoding systems and presents a hybrid-encoding mechanism for the genetic algorithm. This is referred to as the hybrid-encoding genetic algorithm (HEGA). The method is based on the routine in which the mutation operation is executed in decimal code and other operations in binary code. HEGA guarantees the birth of better genes by mutation processing with a high probability, so that it is beneficial for resolving the inversions of complicated problems. Synthetic and real-world examples demonstrate the advantages of using HEGA in the inversion of potential-field data.     

基于遗传算法优化的BP神经网络在密度界面反演中的应用

BP神经网络方法在二维密度界面的反演中取得了较好的效果,但在反演三维界面时,由于模型更复杂、参数更多,BP神经网络的收敛速度和反演精度都有一定程度的下降。为了改善反演效果,本文利用遗传算法对BP神经网络的权值、阈值选择过程进行优化,获得了更好的网络模型;并将此模型应用于密度界面模型的反演中,预测误差从上百米减小到数十米,同时迭代计算步数减少了近2/3,有效减少了计算时间,反演结果更准确。利用基于遗传算法优化的BP神经网络反演了法国某地区莫霍面深度,预测相对误差仅为1.8%,取得了较好的应用效果。基于遗传算法优化的BP神经网络在密度界面的反演中具有良好的应用价值和研究前景。