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。     

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.     

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.     

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...     

粒子群神经网络及其在非线性系统辨识中的应用

介绍了一种新的神经网络权值优化算法——粒子群优（Particle Swarm Optimization，PSO）算法，提出了用粒子群神经网络对非线性系统进行系统辨识的构思。仿真实验结果表明，粒子群算法具有比BP算法更强的非线性系统辨识能力和更好的泛化能力。     

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.     

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。     

人工神经网络在大气环境质量评价中的应用

应用人工神经网络理论，建立了城市大气环境质量的Ｂ－Ｐ网络评价模型。该模型应用于宜宾市１９８５～１９８９年大气环境质量评价结果表明，人工神经网络用于大气环境质量评价是一种新的评价方法。     

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。     

基于支持向量机的水资源预测模型

水资源信息的预测可以为水资源的合理调配、管理和规划提供依据,为提高拟合和预测精度,建立基于支持向量机的水资源信息预测模型,采用捕鱼算法对其参数优化,并应用于地下水水位预测的实例分析,且拟合及预测精度均较高,与神经网络模型方法所取得的结果进行比较,能取得更好效果,表明将回归支持向量机用于水资源信息的拟合、预测是可行的.     

基于改进小波神经网络的GPS高程拟合研究

针对小波神经网络存在的局限性,采用粒子群算法对小波神经网络进行优化,并在此基础上建立GPS高程异常值的拟合模型.为了避免粒子群算法陷入局部极小值和收敛速度慢等问题,采用惯性权重非线性递减和自适应学习因子相结合的策略对粒子群算法进行改进,从而提高模型的训练精度.以某矿区实测GPS数据为例,对所建模型的拟合性能进行验证.结...     

基于改进RBF神经网络的GNSS高程拟合

针对传统的RBF神经网络模型在GNSS高程拟合中拟合精度较低、稳定性较差、相关因子需提前人为设置等问题,通过将改进的自适应权重粒子群优化算法与MATLAB RBF神经网络函数newrb相结合,实现RBF神经网络函数模型中隐含节点数和SPREAD值的自动优化选取,提高算法在GNSS高程拟合中的精度和稳定性。通过实例分析,该方法拟合精度高,可达到mm级精度,相对于传统的二次多项式模型精度提高17%,稳定性良好。     

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RBF的指标规范化的水安全评价模型

为了建立科学合理、计算简便和普适通用的水安全评价模型,在适当设定指标参照值cj0和指标值的规范变换式基础上,提出了基于径向基函数网络的指标规范化的水安全评价模型。采用具有全局优化的猴王遗传算法对模型中的参数进行优化,得出优化后对任意m(1≤m≤23)项水安全指标共同适用的水安全评价模型。应用模型对山东省水安全状况进行了评价分析,其评价结果与其它方法的评价结果基本一致,从而表明:指标规范值的径向基函数网络模型为水安全评价提供了一个简单实用、结果可靠的新方法。     

基于支持向量机的水资源预测模型

水资源信息的预测可以为水资源的合理调配、管理和规划提供依据,为提高拟合和预测精度,建立基于支持向量机的水资源信息预测模型,采用捕鱼算法对其参数优化,并应用于地下水水位预测的实例分析,且拟合及预测精度均较高,与神经网络模型方法所取得的结果进行比较,能取得更好效果,表明将回归支持向量机用于水资源信息的拟合、预测是可行的。     

基于人工神经网络的多特征因子路网匹配算法

在综合考虑多个特征因子的线要素匹配时,根据经验知识确定各特征因子的权值会造成人为误差。针对该问题,本文提出了基于人工神经网络的多特征因子路网匹配算法,根据线要素的几何和拓扑特性选取长度、方向、形状、距离及拓扑5个特征因子的相似度作为路网匹配参考因子。首先,分别在参考图层和待匹配图层中选取样本数据组成样本对,计算样本数据的5个特征因子相似度,用样本数据的5个特征因子相似度和样本的匹配度组成学习模式对;然后,利用BP神经网络的误差反向传播机制自动学习调整各神经层之间的连接权值;最后,输入全部数据,计算参考图层的弧段和待匹配图层的弧段间的匹配度,实现综合多特征因子的路网匹配。实验结果表明,利用人工神经网络进行综合多特征因子的路网匹配可以提高匹配效率和匹配准确度。     

基于遥感和BP人工神经网络的城乡气象站点划分分析

城市热岛是城市环境和全球变化研究的重要组成部分,利用气象观测资料研究城市热岛的影响一般采用城市和乡村气象站的同步实测气温,并计算其平均气温差,因此,城乡气象站点划分的准确性,将直接影响城市热岛研究的科学性。鉴于以行政单元统计人口为依据的划分方式未考虑人口在行政单元内的实际空间分布,本文以安徽省为例,利用从遥感影像上提取的土地利用信息,采用BP人工神经网络方法,建立站点缓冲区内土地利用类型比例的城乡站点划分模型,并利用空间化后的人口格网数据对该模型的精度进行了验证。结果表明,该模型有效地建立了气象站点周边缓冲区内的土地利用类型比例与城乡站点类型之间的定量关系,避免直接采用行政单元统计人口数据的不足,客观地模拟了缓冲区内土地利用对气象站点的综合作用,科学地划分出城市和乡村气象站点,为城市热岛研究提供科学、可靠的数据保障,并可用于大区域研究。另外,本文利用划分出的乡村站点建立背景温度场,得出2000年安徽省各城市站点平均热岛强度为0.4℃。     

基于熵变加权法的水安全综合指数评价

为了构建水安全综合评价的模型,采用熵变加权法对水安全评价体系的各子系统进行赋权,得到水安全的综合评价指数公式。将方法应用于山东省区域水资源安全评价,并与其它方法的评价结果进行了比较分析。结果表明：基于熵变加权法的水安全综合指数能反映出样本与评价标准之间的远近程度,并且可以同时评价多个样本;熵变加权法的应用减少了评价的主观性,使评价结果客观、合理,具有良好的实用性。