随机搜索算法在确定河流水质参数中的应用

将两种随机搜索算法应用于识别瞬时投放示踪剂、一维流动的条件下的河流水质数学模型参数.分别编写了原始随机搜索和受控随机搜索两种算法的运算程序,采用不同待估水质参数的初始输入值进行了数值实验.结果表明:①两种搜索方式均可成功地应用于河流水质数学模型的参数识别问题;②待估参数的初始值输入范围对算法的收敛性几乎没有影响;③控制搜索方向对随机搜索速度有一定的改进,但改进作用并不明显.与其它算法相比,随机搜索算法具有原理非常简单、易于编程运算、搜索速度和搜索结果与参数初始输入值范围基本无关且基本不需要预先给定算法控制参数等优点.     

水文地质参数反演的Hooke-Jeeves粒子群混合算法

水文地质参数寻优结果的好坏会直接影响到地下水数值模拟的精度,而参数寻优结果很大程度上取决于寻优方法的选择。粒子群算法是一种基于群智能的随机全局寻优方法,算法的缺陷是后期搜索效率低劣。基于随机寻优算法的混合策略,引入有效的约束处理手段和粒子群算法惯性因子的动态非线性调整技术,有机融合粒子群算法与Hooke-Jeeves方法,提出一种适用于水文地质参数反演的HJPSO混合算法。应用研究表明,HJPSO混合算法在参数反演计算中求解精度高、收敛速度快、寻优性能强,是一种值得推广的水文地质参数识别方法。     

基于免疫粒子群算法的马斯京根模型参数识别

目前在河道汇流计算中广泛应用的是马斯京根模型,该模型参数的优化求解是影响能否精确模拟实测水文过程的关键问题.以往的模型参数求解大多采用试错法、矩法等方法,计算过程繁琐,计算精度不高,影响到模型的模拟精度.针对此类问题,笔者将免疫原理与粒子群优化算法有机结合.提出了免疫粒子群优化新方法,有效解决了传统方法的计算结果精度不高的问题,并在马斯京根模型参数优化求解中得以应用,结果表明免疫粒子群算法的计算结果精度令人满意,为河道洪水演算方面研究提供了一种新的研究方法和研究模式.     

应用单纯形-模拟退火混合算法估计河流水质参数

将由单纯形法(SM)与模拟退火(SA)两种算法构成的混合算法(SMSA),应用于求解分析瞬时投放示踪剂情况下的一维河流水团示踪试验数据,估计河流水质参数的函数优化问题。分别就不同的降温指数、内循环次数与新状态产生函数中的扰动系数等算法控制参数对混合算法和改进模拟退火法的收敛速度的影响,进行了数值实验。结果表明,SMSA混合优化算法对于求解估计河流水质参数的函数优化问题是非常有效的。在实验条件下,与单一具有记忆功能的改进模拟退火法的水质参数计算结果相比较,SMSA混合算法具有:①混合算法的收敛速度明显优于改进模拟退火法;②降温指数和内循环次数对SMSA混合算法的收敛速度影响非常微弱;③新状态产生函数中的随机扰动幅度大小对算法收敛速度具有较为明显的影响等特点。     

改进量子粒子群算法在水电站群优化调度中的应用

针对量子粒子群算法求解水电站群优化调度问题存在的早熟收敛、寻优能力欠佳等缺陷,从种群初始化、进化和变异等方面提出了改进量子粒子群算法。该方法引入混沌搜索增强初始种群质量;通过加权更新种群最优位置中心改善种群进化模式并提升收敛速度;利用邻域变异搜索增加种群多样性避免早熟收敛。同时依据问题特点设计了矩阵实数编码方式与复杂约束处理方法。乌江梯级综合对比分析表明所提方法能切实保证快速获得高质量优化调度结果,有效提高梯级水能利用率,如长序列模拟调度较逐步优化算法分别减少8.9%的弃水和72.3%的耗时,是一种适用于大规模水电站群优化调度的高效实用方法。     

非保守示踪剂条件下的河流水质参数的确定

将描述示踪剂为非保守、瞬时投源条件下的一维河流水团示踪试验的解析表达式进行2次适当的变形,分别得到一个二元和一元线性方程。对二元线性方程应用相关系数极值法,可以推导出计算河流横断面平均流速的公式;利用直线图解法或一元线性回归法能够计算出一元线性方程中的2个常数值,据此可以计算河流的纵向离散系数D_L与示踪剂的一级反应速率常数k。与现有的数据分析方法相比较,该方法具有:(1)适用于示踪剂为非保守的情况;(2)利用一组野外试验数据可以同时计算河流离散系数D_L、河流横断面平均流速V与示踪剂的一级反应速率k常数3个参数值;(3)全部数据分析过程可以程序化,由计算机完成等特点。     

河流水质预测中的模型选择和源强估算

论述了在水质规划和预测中水质模型的选择原则及不同模型的功能,指出COD一级降解模型在理论上的明显缺陷。同时探讨了由COD_Cr和COD_Mn法两种测定方法所引起的在源强计算中存在的问题,提出了较为合理和实用的BOD₅的源强估算方法。     

基于粒子群算法的水资源优化配置

本文基于可持续发展理论,以社会、经济和环境的综合效益最大为目标,建立了区域水资源优化配置模型.根据模型的特点,采用粒子群算法(PSO)对模型进行求解.针对粒子群算法的迭代原理,通过对粒子编码方法、适应度函数构造和约束条件处理等环节的改进,构成了用于多目标有约束条件模型求解的粒子群优化算法.不仅拓展了粒子群优化算法的应用领域,同时也为复杂多目标模型的求解提供了一种新途径.本文以北京市为例,借助本文提出的模型,得到了该市2010、2020和2030年三个水平年在50%保证率下的水量配置方案.优化结果表明,该算法应用于水资源优化配置中是合适的.     

干旱地区河流动态水质模型研究

依据干旱地区河流水文、水力特性,合理简化对流扩散方程,给出瞬时突然排污条件下的动态解析解.建立了有干旱地区特点的、含有碳化BOD₅、氨氮和溶解氧三水质要素的河流水质模型,推导出水质模拟矩阵,并应用于新疆乌鲁木齐地区水磨河动态水质模拟计算.     

基于粒子群支持向量机的三维含水层渗流参数反馈识别

实际岩土体含水层渗流一般是三维、空间各向异性的。针对三维渗流参数识别的数值正算时间过长,易限于局部最优解的问题,提出了一种基于支持向量机和粒子群优化算法的含水层渗流参数反馈识别方法。采用正交试验设计和有限元程序生成学习样本,利用支持向量机高度非线性映射能力,建立水头与渗流参数之间的映射关系,进而以识别误差目标函数为适应值,通过粒子群优化算法反馈搜索得到渗流参数。该方法可直接利用现有大规模渗流有限元程序进行三维含水层渗流参数识别。算例表明,该方法具有良好的效率和精度。     

基于鱼群算法优化的水质指数普适公式

在选取各项指标的“设定值”基础上，提出了一个适用于多项污染指标的水质评价的幂函数加和型综合指数公式。采用鱼群算法优化公式中的参数，得出优化后适用于多项指标的水质综合评价普适指数公式。公式被应用于多个实例分析计算，并与其它多种评价方法评价结果相比较，结果表明：该公式不受污染物种类和数目多少的限制，计算简便、快速，具有可比性、通用性和实用性。     

基于投影寻踪和粒子群优化算法的洪水分类研究

洪水分类实际上是洪水强度大小辨别的优化问题。洪水分类不仅影响着水库的实时调度，而且也影响着洪水灾害危险评估。对利用降水预报进行洪水资源利用的水库来说，洪水分类对水库实时调度规则的建立有着重要的作用。因此，洪水分类是一个重要的理论和实践问题。本文以长江三峡水库代表性水文站——宜昌站为研究对象．基于投影寻踪方法建立了洪水分类的优化模型，并利用粒子群优化算法对所建模型进行求解。结果表明了投影寻踪方法和粒子群优化算法在洪水分类研究中的有效性和合理性．     

基于平均线性粒子群算法的人工神经网络在径流预报中的应用

人工神经网络具有很强的非线性处理能力,能够有效地模拟复杂的非线性径流预报过程。传统的基于BP训练算法的人工神经网络具有训练时间较长,容易陷于局部最优值等缺陷,本文对训练算法加以改进,分别使用平均线性粒子群,粒子群和BP算法来优化人工神经网络的各项参数,首先使用标准函数测试了3种算法的全局优化性能,然后用它们对三峡水库的入库径流进行预报,以比较它们的预报性能。结果表明,在3种算法中,平均线性粒子群算法全局寻优的速度最快,稳定性最高,基于平均线性粒子群算法的人工神经网络的径流预报的精度也最高。     

改进微粒群算法在梯级电站长期优化调度中的应用

微粒群算法是一种简洁高效的智能优化算法，但基本算法容易陷入局部最优，并且搜索精度不高。本文在基本算法的基础上引入锦标赛选择机制和自适应惯性权重因子，提出了改进微粒群算法（MPSO）。将MPSO算法应用到黄河上游梯级电站的长期调度中，并与动态规划法和基本算法的调度结果相比较。实例表明了MPSO算法的有效性和可靠性，从而为梯级电站水库（群）长期优化调度提供了一种新的、有效的优化方法。     

地下水污染源反演的Hooke Jeeves吸引扩散粒子群混合算法

根据污染物质量浓度监测数据进行地下水污染源反演是一类典型的地下水逆问题,该问题可转化为决策变量为污染源位置和强度的最优化问题进行求解。基于Hooke-Jeeves粒子群混合算法,引入吸引扩散粒子群(ARPSO)算法的粒子群发散算子,保证混合算法的种群多样性,并提出HJ-ARPSO混合算法,再结合地下水污染物迁移模型MT3DMS反演地下水污染源的位置和强度信息。在已知污染源位置和未知污染源位置两种情形下,分别利用HJ-ARPSO算法、HJ-PSO算法和GA算法进行地下水污染源反演。在两种情形下,HJ-ARPSO算法均具有较高的寻优成功率(分别对应为100%和90%);与之相比,未引入粒子群发散算子的HJ-PSO算法在未知污染源位置情形下其寻优成功率迅速降为60%;GA算法寻优效率则最低。算例结果表明,HJ-ARPSO算法是一种有效的地下水污染源反演优化算法。     

群智能优化算法在水文频率曲线适线中的应用

根据不同适线准则,研究群智能优化算法在水文频率曲线适线中的计算问题,为水利工程规划、水资源优化配置等提供依据。以陕北地区12个主要测站的年径流系列为例,选取五大分布类共12种分布线型,根据我国现行水利水电工程设计洪水计算规范,按照离(残)差平方和最小准则(OLS)、离(残)差绝对值和最小准则(ABS)、相对离差平方和最小准则(WLS),以MATLAB7.6为计算平台,研究模拟退火算法、遗传算法、粒子群算法和蚁群算法进行水文频率参数的估计。在不同适线准则下,陕北地区年径流最优频率分布模型为广义Logistic分布(Generalized Logistic Distribution,GLO),粒子群算法进行参数估算偏差最小。与传统优化方法相比,群智能优化算法对优化目标函数要求低,是一种推求年径流频率曲线统计参数的新途径。     

基于粒子群优化相关向量机的岩层可钻性预测

本文提出了一种基于粒子群优化相关向量机（PSO-RVM）的岩层可钻性预测方法。该方法选取岩层埋深H、声波时差AC、电阻率ρd、岩层密度ρ和泥质含量Vsh等5个参数作为评价岩层可钻性的基本参数。以某油田Du4钻井为例,采用PSO-RVM方法、多元回归方法和RVM方法对岩层可钻性进行评价。计算结果表明,PSO-RVM模型的预测结果与实测数据非常接近,其预测精度明显高于多元回归方法和RVM方法,说明本文提出的方法具有一定的优越性和较高的精度,可以较好地应用于钻井工程中岩层可钻性预测。     

二维磁异常的粒子群快速成像方法及其应用

通过将地下介质划分为一定规模的网格单元,并构造一个与磁性体中心网格位置有关的指数函数模拟地下介质磁性分布特征,利用粒子群算法反演该函数参数,根据求得的函数表达式,推算各网格单元磁化强度,由此实现磁化强度的快速成像。理论模型试验显示:该方法不仅能将一个求解20×10网格规模的物性分布问题简化为求解指数函数的10个参数值的问题;而且,当在不同模型地质体磁异常中加入20%的随机噪声时,也能取得理想的效果,且需要调整的参数少,算法通用性强。利用该算法处理老挝爬立山铁矿区某磁测剖面,得到厚度近140 m的强磁性体;钻孔证实,实际钻遇矿体累积最大厚度达130.6 m,且矿体中心与成像中心相对应:由此证明该方法应用于实际资料处理与解释的可行性和有效性。     

河水样品中硼的分离及其同位素组成测定

对河水样品中低含量硼的分离方法及硼同位素组成的测定进行了研究。将约1000mL河水样品分别用硼特效树脂，混合树脂富集和纯化后，紫外灯照射去除有机质，蒸发浓缩至小体积，采用正热离子质谱法进行硼同位素组成的测定。全流程回收率在95％以上，同位素稀释法测得全流程空白为41ng。经该方法处理后的样品能满足同位素质谱测定的需要。不产生同位素分馏，测试精度基本在0.6‰以内。