加速遗传算法及其在环境模型参数估计中的应用

提出了遗传算法的一种改进方法－－加速遗传算法，分析了该算法控制参数的优化特性，总结了这些参数的简便设置技术，并给出了它在环境模型参数估计中的几个应用实例。     

不同优化模型在餐厨垃圾厌氧消化中的应用与比较

采用正交试验设计,响应面设计以及基于BP神经网络的遗传算法模型,对餐厨垃圾厌氧消化产沼气的操作参数进行优化,并比较分析这3种模型的优化效果。结果表明,采用正交试验设计模型,当接种比、含固率、初始pH分别为3、8%和9时,沼气产量最大,实际产量为1 015 mL/gTS,并且这3个因素对产气量的影响顺序为接种比>初始pH>含固率;采用响应面设计模型,当接种比、含固率、初始pH分别为2.42、8.62%和8.49时,最大沼气产量为1 049.85 mL/gTS,实际产量为1 029.5 mL/gTS,接种比对产气量的影响极其显著;采用基于BP神经网络的遗传算法模型,当接种比、含固率、初始p H分别为2.66、8.06%和8.87时最大产气量的预测值和实测值分别为1 085.8 mL/gTS和1 067.25 mL/gTS,实测值分别比正交设计模型和响应面设计模型的实测值提高5.15%和3.67%,表明在餐厨垃圾厌氧消化产沼气参数优化实验中,采用基于BP神经网络的遗传算法具有更高的准确度。     

基于两种耦合方法的模拟-优化模型在地下水污染源识别中的对比

采用一种基于模拟-优化模型的方法对地下水污染源进行识别研究.模拟-优化模型分别采用响应矩阵法和状态转移方程法进行耦合,并利用遗传算法求解,经过多次迭代,使得模拟结果与观测数据的误差达到最小.最后,通过一个假想例子评估模拟-优化模型的性能,同时比较应用不同耦合方法的计算结果.研究表明:应用响应矩阵法耦合模拟-优化模型所得结果的绝对误差范围为0.1~1.6g/L,应用状态转移方程法时,绝对误差范围为0~5.2g/L,因此,采用遗传算法求解模拟-优化模型能够有效且准确地得到地下水污染源的释放量,可以应用于地下水污染源识别问题,并且采用响应矩阵法耦合模拟-优化模型优于状态转移方程法.     

正交实验设计在污水厂脱泥中的应用

污水厂脱泥控制常采用经验法。随着数控技术的应用,为实现精确控制参数提供了可能。通过对污水厂脱泥控制参数-絮凝剂浓度、进药泵转速、进泥泵转速等三个参数进行正交实验设计实验,找到了最优控制参数,絮凝剂浓度2‰,进药泵转速850mA,进泥泵转速160mA,证明正交实验设计可以较好地应用于污水厂脱泥,达到了高效脱泥的目的。     

基于SSA-BP与SSA的地下水污染源反演识别

应用基于SSA-BP神经网络替代模型的模拟-优化方法和SSA研究了地下水污染源位置及释放历史的反演识别问题。并在建立地下水水流模型时,应用Cholesky分解方法建立含水层渗透系数连续场,该方法相比于普通的参数分区方法更好地描述了水文地质参数的非均质性。结果表明:SSA-BP神经网络替代模型对模拟模型具有较高的逼近精度,其平均相对误差仅有3.21%。应用SSA求解优化模型,能够快速准确地识别出点污染源的位置及释放历史。SSA对污染源位置的反演识别相对误差在10%左右,对污染源源强的反演识别相对误差不超过4%。因此,本文所提出的方法是一种有效的地下水污染源识别方法,可为污染责任认定及污染修复方案的优化提供参考。     

SWAT模型在我国流域水环境模拟应用中的评估验证过程评价

模型评估验证是模型开发和应用过程中的重要环节,是管控模型应用于管理决策风险的重要手段.近年来,以SWAT模型为代表的流域水环境模型在我国流域水环境管理中得到广泛应用,但模型评估验证过程尚缺乏规范性指导.结合SWAT模型建模过程和模型评估验证的基本步骤,梳理总结SWAT模型评估验证过程的评价方法,针对确定研究或决策目标、获取输入数据、构建模型、模型率定验证、展示模型结果等5个阶段分别设计评价指标.筛选中国知网收录的2015—2017年发表的以SWAT模型为主题的428篇学术论文作为研究对象,评价现有研究的模型评估验证过程,分析我国SWAT模型评估验证的现状以及存在的问题和不足.评价结果表明,我国现有的SWAT模型应用研究总体比较重视模型评估验证过程,能够清晰定义研究区域、建模目标和期望产出,说明输入数据来源和质量以及模型概化、参数灵敏度分析、参数识别、不确定性分析的方法和结果,模型模拟效果较好.但是,针对SWAT模型评估验证方法的研究较少,在模型参数识别方面还存在参数选取未考虑研究区域特征、参数识别结果不合理等问题.建议在SWAT模型应用研究中关注参数灵敏度分析和参数识别,结合研究区域特征建立本地化应用数据库,加强模型评估验证方法研究.当模型应用于流域水环境管理决策时,应完整地开展模型评估验证,并分析模型不确定性对决策的影响.      

基于U-D分解卡尔曼滤波地下水污染源溯源辨识

采用基于U-D分解的卡尔曼滤波与非线性规划优化模型相结合,溯源辨识出地下水污染源的个数、位置与释放强度.基于一个假想例子,建立地下水污染质数值模拟模型,运用灵敏度分析筛选出对模型影响较大的参数作为模型中的随机变量.然后,应用基于U-D分解的卡尔曼滤波辨识出污染源的个数与位置.在此基础上建立辨识污染源释放强度的优化模型,应用克里格插值法建立地下水污染质运移数值模拟模型的替代模型,代替模拟模型,作为约束条件嵌入优化模型中,运用遗传算法求解优化模型辨识出地下水污染源源强.结果表明：采用基于U-D分解的卡尔曼滤波方法能够保证滤波的稳定性,有效识别出污染源的个数和位置;非线性规划优化模型,可以辨识出污染源释放强度.在优化模型的求解过程中,应用克里格方法建立模拟模型的替代模型嵌入优化模型,能在保证一定精度的情况下,大幅度减少计算负荷和计算时间.     

三维铝型材挤压模多参数优化

以一个导流组合模为例,利用神经网络建立模具参数的数学模型,用遗传算法对参数优化。其中由正交法设计得到实验样本,由软试模提取模具的SDV值,将其作为优化目标。最终实验结果与优化值吻合,为建立和控制挤压模参数提供了一种行之有效的手段。     

优化、RSA和GLUE方法在非线性环境模型参数识别中的比较

参数识别是数学模型应用的前提,本文对非线性环境模型常用的3种参数识别方法进行了比较分析.优化方法是出现最早、应用最广泛的参数识别方法之一.但在观测误差存在的情况下,采用优化方法识别的最优参数进行模型预测,存在很大的决策风险.考虑到这种不足,RSA方法和GLUE方法摒弃了识别单一最优参数的传统思维,而把识别参数扩大到多点组成的参数集.RSA方法与GLUE方法不同的是,RSA方法把可行的参数点看成是同等接受的,而GLUE方法则根据模拟值与实测值的差别,确定其似然度,代表参数的可信度水平.除参数识别以外,RSA方法和GLUE方法也是全局灵敏度分析的重要工具.     

基于正交试验直积法的曝气池柔性设计

为了设计出能够应对水质水量等不确定性参数变化的污水处理过程,提出了一种基于正交试验设计直积法的曝气池柔性设计方法。该方法用正交表分别安排不确定性参数和控制参数,用直积法进行分析计算,通过分析柔性瓶颈寻找改进设计方案的策略。从案例研究可以看出:用传统的设计方法设计出的曝气池在水质水量等不确定性参数的变化范围内,可能存在着无法正常运行的情形,而用该方法有助于避免这一缺点。     

HSY算法在水质模型参数识别中的应用探讨

参数识别是水质模拟中的技术核心，数据稀缺是水质模型经常面临的问题。采用HSY算法可求得模型参数的分布，而不再是一个单一的最优参数，从而在一定程度上避免了由于“最优”参数失真带来的决策风险，本文以南水北调一期工为例，讨论了在稀疏数据条件下如何应用HSY算法识别CSTR水质模型的参数，并对识别的模型参数进行了检验。模型检验采取了2种方法：分别用动态和稳态计算方法得出的参数进行比较；用模拟结果分布于实测值进行比较。结果表明，HSY算法为稀疏数据条件下进行识别、建立数学模型提供了一条有效的途径。     

变尺度混沌-遗传算法在复杂河流水质模型参数优化中的应用

将变尺度混沌-遗传算法(MSCGA)应用于复杂河流水质模型参数优化.采用湘江衡阳段水质监测资料,以二维河流水质数学模型反演结果的均方误差为适应度函数,估计横向扩散系数Dx、纵向弥散系数Dy和污染物衰减系数κ.数值实验结果表明,MSCGA寻优过程具有明显的分级特征,级级收敛;在同样的条件下,MSCGA的收敛速度较快,为遗传算法(GA)的1.36倍;同时,MSCGA克服了GA早熟收敛的问题,其最优适应度函数值为7.6×10-4,而GA的最优适应度函数值9.6×10-4.将MSCGA应用于研究河段,求得Dx、Dy分别为0.1335、0.0011,BOD5、As、Cr的衰减系数κ分别为0.0229、0.0100、0.0107.     

基于GA优化的SVR水质预测模型研究

针对污水中BOD₅参数不易直接测得的特点,提出了基于遗传算法（Genetic Algorithm,GA）优化参数的支持向量机回归（Support Vector Regression,SVR）水质预测模型。采用机器学习的方法,通过建立污水中COD等参数与BOD₅的数学关系模型的方式对BOD₅进行测定。使用遗传算法对SVR中的关键参数进行寻优,解决了传统SVR预测模型参数选择的问题。以北京市污水处理厂进水污水作为研究对象进行实验,结果表明,与BP神经网络与SVR相比,使用GA-SVR方法进行预测的结果更优,其平均误差与均方根误差分别降至0.009443与16.88 mg/L。     

基于遗传算法的次级河流回水段水质模型多参数识别

根据长江次级河流临江河回水段的实际情况,建立一维水质模型,模型中的各变化项采用有限差分法(FDM)进行离散,以回水段水体中COD和NH3-N的实测资料为基础,利用自适应遗传算法(AGA)对2种污染物的纵向离散系数及一级降解系数进行反演计算,得出回水段COD和NH3-N的纵向离散系数分别为0.5227,0.5196km2/h,一级降解系数分别为0.0342,0.0367h-1;计算值与实测值吻合较好,表明FDM-AGA方法能较好地运用于次级河流回水段水质模型的多参数识别.     

水质模糊贴近度模型中权值的遗传算法解

按照模糊综合评价中贴近度最小的原则,采用加速遗传算法优化权值。经过实例分析及对模型的验证、比较表明,用该法优化权值并进行水质评价,其结果与实际水质级别具有较高的一致性,评价方法更趋合理。     

遗传模拟退火算法在水质模型参数估值中的应用研究

在传统遗传算法 (GeneticAlgorithms,GA)基础上引入模拟退火技术 (SimulatedAnnealing,SA) ,提出了遗传模拟退火算法 (GSA) ,并将其应用到水质模型参数估值中。计算结果表明 ,GSA法综合了 2种优化方法各自的优点 ,不但克服了传统GA容易早熟的缺点 ,还加强了算法的收敛速度 ,因而具有良好的优化性能。不同的参数估值方法比较进一步验证了新方法的有效性。GSA法在环境优化领域中将具有广阔的应用前景     

遗传梯度法在水质数学模型参数估值的应用

介绍一种混合遗传算法－－遗传梯度法，并将其应用于水质数学模型参数估值，较一般优化算法能稳定得到的全局最优解。     

基于GLUE法的多指标水质模型参数率定方法

目前对水质模型进行参数率定通常利用计算机算法来实现,但由于水质模型日趋复杂的非线性结构往往会导致"异参同效"现象,无法通过单个似然度判断参数的取值是否能够取得真值.为避免这一情况,本文提出了一套基于GLUE法的多目标模型参数率定方法,并以WASP水质模型的应用为例,通过Sobol方法确定模型的敏感参数,并利用DO、CBOD、氨氮、硝态氮4项指标的似然函数对参数同时进行率定.结果表明,该方法既可以有效地避免因追求"过拟合"而造成模型参数取值不当,也可以减小模型参数的不确定性,为具有"异参同效"现象的复杂模型的参数率定工作提供了一个更为可靠的方法.     

基于改进遗传算法率定水质参数的研究

提出一种新的优化准则函数,结合改进的加速遗传算法,能够求得全局最优的水质参数。实例计算结果表明,新算法具有较高的精确度和良好的优化性能。