喀斯特地貌森林不同小生境的小气候特征研究

本文对喀斯特地貌森林中不同小生境的太阳辐射、温度、湿度等进行了多次的观测和研究，得出喀斯特地貌森林中的土面、石面、石沟、石缝等因所处的环境不同，它们的生态小气候差异明显；土面、石沟的生态气候条件好，好、热、湿变化缓好，有利于林木生长，石面、石缝的辐射、温度变化剧烈，不利于林木的生长。     

基于遗传算法与共轭梯度法结合的四维同化方法

对气象资料的四维同化，采用共轭梯度算法和遗传算法，可以使两种方法相互补充，实验证明两者的结合能够增强搜索能力和收敛速度。在编写此程序时，采用标准化编程方法，使程序能够接近全自动化，从而缓解了编程的繁重劳动，减少程序中出现的错误。     

基于遗传算法的神经网络短期气候预测模型

用遗传算法优化神经网络的连接权和网络结构,并在遗传进化过程中采取保留最佳个体的方法,进行短期气候预测建模研究。该方法克服了由于神经网络初始权值的随机性和网络结构确定过程中所带来的网络振荡,以及网络极易陷入局部解问题。作为应用实例,以广西全区4月份平均降水作为预报量及前期500hPa月平均高度场,海温场高相关区作为预报因子,建立基于遗传算法的神经网络短期气候预测模型。将这种方法与传统的逐步回归方法作对比分析,结果表明,该方法具有预报精度高,稳定性好的特点。     

基于遗传算法的暴雨强度公式参数计算

暴雨强度公式是城市排水防洪设计和规划的基础,收集陕西某县1961—2017年分钟降水资料,质量控制后按照年最大值法取样,对比分析不同分布曲线模拟误差,选择耿贝尔分布拟合实测资料,采用遗传算法求得暴雨强度公式,计算得到的公式精度满足国标要求。     

基于遗传算法的试题库智能组卷系统研究

采用自适应交叉率和变异率的生物遗传学算法，建立一个智能组卷的数学模型，并对该数学模型的编码方法和遗传操作进行了详细介绍和讨论。对该数学模型的应用求解表明，该方法是对以前的随机法和简单遗传算法组卷的一个显著改善。     

基于遗传算法的暴雨强度公式参数的优化

遗传算法是模型参数优化的一种有效方法。将遗传算法应用于北京市郊区不同重现期的暴雨强度与降雨历时关系式中参数的优化,并与传统回归法和优选回归法的优化效果进行了分析比较。实例计算结果表明：遗传算法用于暴雨强度公式中的参数估计精度高于传统回归法和优选回归法的参数估计精度。该方法具有直观、简便和实用特点。     

基于遗传算法与模式搜索的混合优化算法

为了更好地实现全局优化,提出一种遗传模式搜索(Genetic Pattern Search,GPS)算法,该算法结合了遗传算法(GA)的强全局搜索能力与泛化模式搜索算法(PS)的强局部搜索能力.算法流程分为两步:首先是GA与PS联合实现粗搜索;其次是PS实现细搜索.实验对Hump、Powell、Rosenbrock、Schaffer、Woods测试函数进行搜索,表明GPS算法的成功率明显优于改进遗传算法与改进模式搜索算法,可作为一种有效可行的全局优化算法.     

基于遗传算法的非高斯系统随机分布控制

传统的控制理论并未考虑工业过程中的一些不确定因素,而这些不确定因素在生产过程中对系统的能源损耗和精度都有很大的影响.为了解决上述问题,本文研究一种基于数据的非高斯随机分布系统优化控制策略,该策略采用核密度估计（KDE）方法完全基于输出数据估计输出概率密度函数（PDF）,根据控制目标建立性能指标函数,采用遗传算法优化性能指标函数,实现输出PDF对目标PDF的跟踪.以磨矿系统为模型进行仿真,采用PDF表征粒度分布（PSD）.仿真结果表明,基于遗传算法的非高斯随机分布最优控制算法能有效地实现随机分布控制系统的控制目标,为实际工业生产提供参考.     

基于遗传算法的最优证券投资组合模型

为了研究能使风险损失率最小、收益最大的最优证券投资组合问题，首先提出了多目标规划模型，并采用模糊优选法将多目标模型单目标化。随后尝试采用遗传算法来对其求解，给出了模型的遗传算法编码规则和算法步骤。最后通过实例论证了模型的合理性及遗传算法的有效性。     

基于遗传算法的四维变分资料同化技术的研究

将遗传算法应用于四维变分资料同化问题,提供一种新的较为有效的数值预报初始场优化方法,给出了相应的理论依据和详细算法,并结合变分问题本身的特点,设计合理的遗传编码、遗传操作和遗传参数.同时,以二维的浅水方程模式为例建立基于遗传算法的变分同化模型,并从多方面与伴随模式变分同化方案进行分析比较.数值试验结果表明,基于遗传算法的变分同化方案取得了比较满意的同化效果.     

基于改进遗传小波神经网络的雷暴预报方法

为了进一步提高雷暴预报的准确率,在分析研究雷暴预报方法的基础上,提出了一种了基于改进遗传算法优化小波神经网络的雷暴预报方法(IGA-WNN).该方法利用聚类分析和牛顿迭代法对多种群遗传算法的收敛方向和精度进行改进,避免了种群同质化与局部最优问题,采用改进的遗传算法对小波神经网络的初始权值阈值进行了优化.选用南京地区2008—2009年6—8月的探空和闪电定位资料,使用灰关联法挖掘出关联程度较大的对流参数作预报因子,归一化处理后输入模型,采用独立样本进行预报检验.结果表明,与BP神经网络等方法相比,IGA-WNN预报准确率更高,具有更好的非线性处理能力和泛化性.     

A Variant Constrained Genetic Algorithm for Solving Conditional Nonlinear Optimal Perturbations简

A variant constrained genetic algorithm （VCGA） for effective tracking of conditional nonlinear optimal perturbations （CNOPs） is presented. Compared with traditional constraint handling methods, the treatment of the constraint condition in VCGA is relatively easy to implement. Moreover, it does not require adjustments to indefinite pararneters. Using a hybrid crossover operator and the newly developed multi-ply mutation operator, VCGA improves the performance of GAs. To demonstrate the capability of VCGA to catch CNOPS in non-smooth cases, a partial differential equation, which has ＂on off＂ switches in its forcing term, is employed as the nonlinear model. To search global CNOPs of the nonlinear model, numerical experiments using VCGA, the traditional gradient descent algorithm based on the adjoint method （ADJ）, and a GA using tournament selection operation and the niching technique （GA-DEB） were performed. The results with various initial reference states showed that, in smooth cases, all three optimization methods are able to catch global CNOPs. Nevertheless, in non-smooth situations, a large proportion of CNOPs captured by the ADJ are local. Compared with ADJ, the performance of GA-DEB shows considerable improvement, but it is far below VCGA. Further, the impacts of population sizes on both VCGA and GA-DEB were investigated. The results were used to estimate the computation time of ~CGA and GA-DEB in obtaining CNOPs. The computational costs for VCGA, GA-DEB and ADJ to catch CNOPs of the nonlinear model are also compared.     

激光衍射法测量粒子群窄分布反演优化算法

针对激光衍射法中粒子群窄分布反演普遍存在峰位粒径定位不准及峰值偏差较大的问题,提出了一种适合粒子群窄分布的二次分环反演遗传优化算法.大量数值模拟计算结果表明:应用优化算法反演的粒度分布曲线与实际粒度分布曲线的一致性得到显著提高,在1~140 μm量程内,粒子群窄分布的峰值粒径定位准确,与实际值相比差值小于1 μm,且峰值的精度得到大幅提高,相对误差减小到10％左右.     

遗传算法求解最大预报误差的可行性研究

利用条件非线性最优扰动（conditional nonlinear optimal perturbation,CNOP）可以实现最大预报误差的上界估计。CNOP通常由基于梯度信息的约束优化算法进行求解,且其中的梯度信息由伴随模式提供。然而当非线性模式中含不连续＂开关＂时,传统伴随方法不能为优化过程提供正确的梯度方向,从而导致优化失败。为此,采用自适应变异和混合交叉的遗传算法,联赛选择机制和小生境技术的约束处理方法来求解最大预报误差上界。为检验新方法的有效性,以修改的Lorenz模型作为预报模式,对3个初始态分别用新方法和传统伴随方法进行比较,数值试验结果显示新方法求解出的最大预报误差的上界更加精确。     

基于遗传优化BP神经网络的水稻气象产量预报模型

利用1951—2010年江苏省水稻产量及同期14个气象站点的逐日平均气温、降水资料,采用因子膨化及相关分析,研究了水稻气象产量的影响因子及影响时段。在此基础上建立了逐步回归、PCA-BP神经网络以及PCA-GA-BP神经网络3种产量预报模型。结果表明:(1)7—9月份是水稻产量形成的关键时期,对气温、降水的变化最为敏感,气温对气象产量的影响大于降水;(2)两种神经网络模型预报效果好于回归模型;(3)遗传优化的神经网络模型比未优化模型的训练速度提高了70%左右,预报精度也提高了4.3%。     

基于GA参数辨识的直流伺服电机PID调节器的设计

针对数控火焰切割机自动调高系统的特点和要求,采用遗传算法对其位置调节器PID参数进行全局优化辨识,有效地解决了直流伺服电机的控制精度和快速性的问题.仿真结果表明,与传统的参数辨识法相比,遗传算法参数寻优使自动调高系统的动态性能大幅提高,具有很强的鲁棒性.     

On the Application of a Genetic Algorithm to the Predictability Problems Involving "On-Off" Switches

The lower bound of maximum predictable time can be formulated into a constrained nonlinear opti- mization problem, and the traditional solutions to this problem are the filtering method and the conditional nonlinear optimal perturbation (CNOP) method. Usually, the CNOP method is implemented with the help of a gradient descent algorithm based on the adjoint method, which is named the ADJ-CNOP. However, with the increasing improvement of actual prediction models, more and more physical processes are taken into consideration in models in the form of parameterization, thus giving rise to the on-off switch problem, which tremendously affects the effectiveness of the conventional gradient descent algorithm based on the ad- joint method. In this study, we attempted to apply a genetic algorithm (GA) to the CNOP method, named GA-CNOP, to solve the predictability problems involving on-off switches. As the precision of the filtering method depends uniquely on the division of the constraint region, its results were taken as benchmarks, and a series of comparisons between the ADJ-CNOP and the GA-CNOP were performed for the modified Lorenz equation. Results show that the GA-CNOP can always determine the accurate lower bound of maximum predictable time, even in non-smooth cases, while the ADJ-CNOP, owing to the effect of on-off switches, often yields the incorrect lower bound of maximum predictable time. Therefore, in non-smooth cases, using GAs to solve predictability problems is more effective than using the conventional optimization algorithm based on gradients, as long as genetic operators in GAs are properly configured.     

中国地区集合预报产品自适应递减平均偏差订正法的改进研究

基于中国地区T213集合预报产品2 m温度预报数据,采用卡尔曼滤波类型的自适应递减平均法进行偏差订正处理,原方案在剧烈降温天气订正效果表现不理想。通过对递减平均参数w的重新构建得到改进的订正方案w(i,p)(i为站点信息,p为天气过程信息),在此基础上进一步优化对历史信息的有效提取,得到改进的方案w(i,p)相似法和w(i,p)统计法,并进行效果检验。结果表明:改进为包含空间和天气过程信息的函数w(i,p)后方案的订正效果得到不同程度的提高,其中24 h剧烈降温预报各成员预报均方根误差平均减小了0. 15℃;而进一步改进的w(i,p)统计法在当前几种剧烈降温预报中订正效果最优,其集合平均偏差与w(i,p)方案相比减小2. 54℃。     

基于五点加权平均法的耕地复种指数遥感监测研究

应用NASA（美国国家航空和宇宙航行局）提供的MODIS归一化植被指数（NDVI）数据,采用五点加权平均法对NDVI时间序列曲线进行平滑,由于NDVI时间曲线的波动变化能够反映1a内作物群体生物量的变化,曲线波峰所对应的是农作物群体生物量最大时相,因此可以通过提取1a内耕地NDVI时间序列的波峰频数,计算得到耕地的复种指数。监测结果与统计资料的计算结果比较表明,采用五点加权平均法监测耕地复种指数是可行的。