粒子群优化适线法在水文频率分析中的应用

水文频率分析就是给各种水利工程提供具有概率含义的水文设计数据,以确定工程的规模、投资和效益.传统的水文频率计算方法一般都是假定总体服从P-Ⅲ型分布,然后采用适线法根据样本估计参数,进而推求设计值.因此,在概率分布线型确定的前提下,水文频率计算实际上就是根据样本资料估算其中包含的参数.从充分利用样本信息、增强参数估计方法的精确性和减少人为因素影响等方面考虑,本文提出了基于粒子群优化算法的优化适线法,并将该方法应用到年最大流量频率分析中.为了进一步了解该方法的统计特性,还将其与传统参数估计方法(矩法、权函数法、概率权重矩法)作了比较.实例表明,该方法能快速的完成参数寻优过程,并较好的寻找出参数的全局最优解.     

群居蜘蛛优化算法在水文频率分析中的应用

水文频率分析在参数估计过程中常采用智能优化适线法,如蚁群算法、遗传算法、粒子群算法、模拟退火算法等,但这些算法模型参数难以有效确定,导致寻优结果存在不稳定的不足。为了克服传统优化适线法的缺陷,在系统阐述群居蜘蛛优化算法基本原理的基础上,将群居蜘蛛优化算法用于水文频率曲线的参数确定中,并与传统的参数估计方法(矩法、权函数法、概率权重矩法、遗传算法)加以比较。实例结果表明,该方法搜索效率高,寻优结果稳定,能较好获得参数的最优解。     

广义极值分布及其在水文中的应用

广义极值分布,包括Ｉ型、Ⅱ型和Ⅲ型,是一套完整的统计分布。以往,由于研究不足,常常只能采用极值Ｉ型分布,使应用受到了限制。本文中,详细地探讨了广义极值分布的统计特性,首次研制了该分布的离均系数表,并给出了水文频率计算中的示例。分析表明,应用广义极值分布,也能得到较好的适线结果。特别是有了离均系数表,对水文频率分析和各类统计计算是十分方便的。     

水文频率分布模型的异同性与参数估计问题

回顾了20世纪50年代对水文频率分布模型异同性的认识,分析了分布模型在统计特征上的相异性与共通性。在分布的几何形态相同的条件下,目前所用的分布模型中,仅3个参数的模型基本上是相异的。通过观察与实例分析,初步发现,取4个参数,有可能使模型有统一的求解结果。用数学方法能得到参数的唯一解,但多数方法是先计算出不确定性较大的C_S值,继而据此算得其它一个或两个参数,故这种结果是一种初值,有待通过合理性分析,才能得到最终取用值。     

水文计算中的模糊优化适线法

我国在水文计算中广泛应用适线法估计频率曲线参数。本文建议了一种模糊优化适线法。这一方法能较好地考虑经验点据的不确定性，和传统方法相比具有明显的特点。     

水文频率计算成果的合理性分析

强调了水文频率计算中对统计参数和设计值进行综合平衡和合理性分析的重要性.文中主要取降水量资料为例,发现用数学方法计算的Cv和cs/Cv有不同程度的不规则性趋势,须经适当调整后才能取用.对目前采用的适线法的思路和方法作了说明,并指出在同一张概率格纸上绘制不同历时水文系列频率曲线的必要性,以更清楚地看到曲线有否相交和其他不合理的情况.本文只对时间上的合理性分析做了叙述,尚需在空间上做出分析,才能使计算结果更为完善.     

Excel在水文频率计算中的应用

为了完善现有水文频率计算软件，针对该软件存在的不足，巧妙地应用Excel表格及图形处理功能，首次开发了Excel水文频率计算软件。该软件的最大特点是根据水利水电工程设计的不同需求，在A3、A4、B5等不同规格的打印纸上，输出横向或纵向的各种比较的水文特征值频率曲线图，操作简单易学，而且输出的成果可以直接制版，成品制作的效果很好。     

水文频率分析中参数估计SAGA-ML方法的研究

建立基于模拟退火遗传算法(Sjmualted Annealing Genetic Algorithm,SAGA)的改进极大似然法,即将似然函数相反数求解极小值的表达式作为目标函数,依据矩法估计参数取值范围作为约束条件,然后应用SAGA进行参数估计.与常规极大似然法思路有本质不同,改进极大似然法通过遗传算法进行参数优化.通过蒙特卡罗试验,验证了改进极大似然法在参数估计和不同频率设计值估计两个方面均具有很好的准确性,与基于最大熵原理的方法效果相当,优于其他方法;同时该方法不受线型类型、参数数目和约束条件的限制;可以避免应用常规极大似然法时出现似然方程无解等情况;且求解过程简便快捷,使极大似然法在理论上和实际应用中都成为有效的方法.     

广义极值分布的适线法应用

广义极值分布频率曲线,也可采用均值、变差系数和偏态系数等三个统计参数来进行计算。通过建立离均系数表,可以方便地进行频率分析计算。现以澧水某站年最大流量系列为例,采用广义极值分布的适线法进行频率分析计算,成果表明广义极值分布具有一定适应性。     

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。     

利用混沌粒子群算法确定河流水质模型参数

将混沌寻优思想引入到粒子群优化算法中,提出了混沌粒子群算法,这种方法利用混沌运动的随机性、遍历性和规律性等特性对当前粒子群体中的粒子进行混沌寻优。通过这种处理使得粒子群体的进化速度加快,从而改善了粒子群优化算法摆脱局部极值点的能力,提高了算法的收敛速度和精度。并将混沌粒子群算法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以及确定河流水质参数的函数优化问题,结果表明,混沌粒子群算法的收敛性能明显优于粒子群优化算法。     

流域水文模型参数识别的现代优化方法研究进展

水文参数优化是水文模型发展中的一个重要部分,针对水循环过程模拟中的流域水文模型参数识别的复杂优化问题,回顾了水文模型优化算法的发展历程,对国内外水文模型参数识别算法的最新进展进行了阐述.介绍了模拟退火算法、遗传算法、SCE-UA、粒子群算法等常用算法的参数设定及一般流程,并对编码遗传算法、单纯形混合加速遗传算法和运用融合技术的几种遗传算法以及其它几种常用算法在新安江模型中的优化结果进行了比较,认为混合加速遗传算法是一种较好的方法.在系统研究现代优化算法与传统优化算法的基础上,建立各种优化算法的融合技术和法则可能是进一步提高参数优化算法性能的方向.     

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。     

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。     

基于HPSO算法的岩石非定常蠕变本构模型辨识

复合微粒群优化(HPSO)是一类随机全局优化技术,具有搜索能力强、收敛速度快、搜索精度高的优点.针对岩石蠕变本构模型非定常参数的辨识问题,利用FLAC软件自带的fish语言实现了HPSO算法对非定常参数的辨识.该方法从非定常参数的随机值出发,以蠕变过程中试件变形的实验值与计算值的误差大小作为适应度函数来评价参数的品质,...