Forecasting of dissolved oxygen in the Guanting reservoir using an optimized NGBM (1,1) model

An optimized nonlinear grey Bernoulli model was proposed by using a particle swarm optimization algorithm to solve the parameter optimization problem. In addition, each item in the first-order accumulated generating sequence was set in turn as an initial condition to determine which alternative would yield the highest forecasting accuracy. To test the forecasting performance, the optimized models with different initial conditions were then used to simulate dissolved oxygen concentrations in the Guanting reservoir inlet and outlet (China). The empirical results show that the optimized model can remarkably improve forecasting accuracy, and the particle swarm optimization technique is a good tool to solve parameter optimization problems. What's more, the optimized model with an initial condition that performs well in in-sample simulation may not do as well as in out-of-sample forecasting.     

Forecasting of dissolved oxygen in the Guanting reservoir using an optimized NGBM (1,1) model

An optimized nonlinear grey Bernoulli model was proposed by using a particle swarm optimization algorithm to solve the parameter optimization problem. In addition, each item in the first-order accumulated generating sequence was set in turn as an initial condition to determine which alternative would yield the highest forecasting accuracy. To test the forecasting performance, the optimized models with different initial conditions were then used to simulate dissolved oxygen concentrations in the Guanting reservoir inlet and outlet(China). The empirical results show that the optimized model can remarkably improve forecasting accuracy, and the particle swarm optimization technique is a good tool to solve parameter optimization problems. What's more, the optimized model with an initial condition that performs well in in-sample simulation may not do as well as in out-of-sample forecasting.     

改进BFO优化BPNN的自来水混凝加药预测

本文给出一种量子粒子群（QPSO）算法、改进菌群觅食（IBFO）算法优化反向传播神经网络（BPNN）的混凝投药预测模型,利用量子粒子群的个体极值与群体极值更新细菌觅食算法趋化过程中细菌位置;通过细菌协同改进趋化算子提高优化精度,结合差分算法改进繁殖算子解决部分维度退化问题,加入轮盘赌方法作为选择机制改进迁移算子来克服优化过程中优秀解消失的缺陷;进而优化BP神经网络的权值、阈值以此预测混凝剂投药量.对云南某自来水厂的数据进行离线训练和模型测试,结果表明,所提算法预测结果的均方误差（MSE）达0.0116mg/L,平均绝对误差百分比（MAPE）达1.36%,在预测精度和稳定性上优于BFO-BPNN、PSO-BPNN等模型.     

蛙跳算法优化的地下水质评价的参数化组合算子模型

传统的参数化多元组合算子模型在进行对数变换后,采用最小二乘法求解模型参数。在满足构建的优化目标函数条件下,直接用基于群集智能的混合蛙跳算法对参数化组合算子模型中的参数进行优化,避免了传统解法过程中需要进行的对数变换,因而使参数求解变得简化。改进后的参数化组合算子模型被应用于地下水水质评价,其评价结果与用其他多种方法的评价结果基本一致。从而表明:混合蛙跳算法优化得出的地下水水质评价参数化组合算子模型为地下水水质评价提供了一种简便和实用的新方法。     

ABC算法优化SVR的磨损故障预测模型

目的为了提高故障预测的精度,针对支持向量回归SVR(Support vector machine for regression,SVR)参数选择困难的问题,提出一种采用人工蜂群(artificial bee colony,ABC)算法优化支持向量回归(SVR)的故障预测模型(ABC-SVR)。方法该模型先对样本数据进行重构,然后将故障预测误差(适应度)作为优化目标,通过ABC算法寻优找到最优的SVR参数,建立故障预测模型。最后通过实例仿真验证模型的优越性。结果采用ABC算法优化的SVR故障预测模型进行时间序列预测,能够较好地跟踪发动机滑油金属元素浓度的变化过程,并且能够提前2个取样时间预测异常情况的出现。结论 ABC-SVR模型有效解决了SVR参数选择难题,能够更加准确地表现故障变化规律,提高了故障预测精度。     

基于PSO优化逻辑斯蒂曲线的水资源安全评价模型

论文引入“压力-状态-响应”框架模型构建区域水资源安全定量评价的指标体系,采用逻辑斯蒂（Logistic）曲线模拟区域水资源安全评价,公式中的参数采用粒子群算法（PSO）进行优化,并用灵敏度分析的方法对公式进行了可靠性分析。优化好的Logistic指数公式用于安徽省16个地级市水资源安全评价,计算得到各地级市评价指数和相应的评价等级,并对压力层、状态层、响应层子系统进行分析。评价结果表明,基于粒子群算法优化的Logistic指数公式用于区域水资源安全评价,具有合理性和可行性,能为区域水资源规划与管理决策提供科学依据。     

基于气象相似准则的城市空气质量预报模型

为提高城市空气质量预报准确率,文章在传统BP神经网络的基础上提出了基于气象相似准则的样本优化方法,建立了三层样本筛选优化机制,确定了阀值及权重矩阵,从而建立了城市空气质量动态预报模型。将模型应用在广州8个空气质量监测站点的预报上,并与传统的BP神经网络空气质量预报模型进行了对比分析,效果良好。分析结果表明,广州8个空气质量监测站点的SO2、NO2、PM10/2.5的实测值与预报值的平均绝对误差分别为0.016 mg/m3、0.014 mg/m3、0.020 mg/m3,级别预报准确性评分分别为89.6、92.6和84.6,预报准确度综合评分达81.6,并且比传统神经网络模型具有更高的预报精度。     

基于人工免疫算法的离散隐马尔科夫故障诊断模型优化

目的解决离散隐马尔科夫模型在行星齿轮箱故障诊断中的自适应性和泛化性问题。方法建立人工免疫优化模型,将包含易被误判样本的多样本集作为抗原,以其正确识别率为适应度函数,不断对初始观测矩阵进行增殖、变异和选择,获得识别率最高时的初始观测矩阵,利用人工免疫算法对隐马尔科夫故障诊断模型的初始观测矩阵进行优化。结果将该方法应用于行星齿轮箱的故障诊断中,通过不同工况下的对比试验、单样本和多样本优化对比试验,验证了优化后的隐马尔科夫故障诊断模型的诊断效果。结论优化后的隐马尔科夫故障诊断模型具有更好的适应性,诊断精度显著提高。     

基于替代模型的地下水DNAPLs污染源反演识别

应用基于核极限学习机替代模型的模拟-优化理论和方法研究解决了地下水DNAPLs污染源及含水层参数的同步反演识别问题.结果表明：1）核极限学习机替代模型对模拟模型有较高的逼近精度,能够识别并模仿模拟模型的输入-输出关系,绝大部分相对误差小于5%,平均相对误差仅有2.98%;2）以替代模型代替模拟模型,大幅度地减小了模拟-优化过程的计算负荷,将反演识别时间由传统方法的83天减少到3小时,并能够保持较高的计算精度;3）应用基于模拟退火的粒子群优化算法求解优化模型,能够以较快的速度搜寻到全局最优,同时避免搜索过程陷于局部极小解.     

基于粒子群算法的城市垃圾中转站的空间布局研究

随着城市化的进程，垃圾处理设施成为影响城市化质量的重要指标。依据人们实际所关注的垃圾处理设施的总成本和负效应两个因素，在前人研究的基础上，建立了垃圾收运多目标模型，使得总成本和负效应最优化。根据模型设计了粒子群算法，该算法属于智能算法，且精度高，收敛快，在许多领域也得到广泛应用。用设计的粒子群算法并结合案例求出了Pareto最优解，给出三种决策方案，验证了模型和算法的有效性和可行性，为决策者提供了一种理论参考。     

基于TSA-BP模型的温州站台风风暴潮增水预测

台风风暴潮灾害通常会对沿海地区造成巨大损失,因此,准确预测台风风暴潮增水对沿海地区的防灾、减灾工作具有现实意义。本文根据现有风暴潮增水预测研究的成果,建立了基于被囊群算法（tunicate swarm algorithm）优化的BP神经网络模型,将该模型应用于台风风暴潮增水预测研究中。本文选取影响温州验潮站的3个台风作为研究对象,收集并建立了3个台风影响验潮站过程的129个逐时数据样本。利用新模型对温州站进行风暴潮增水预测,结果表明,该模型与BP神经网络相比克服了陷入局部最优解的缺陷,与粒子群优化的BP神经网络模型相比,提升了模型收敛速度,具有更好的预测精度及稳定性。     

基于IPSO-DE-MH算法的突发水污染事件预测模型参数识别

预测模型是有效应对突发水污染事件的前提与基础。为了提高预测模型的准确性,提出了一种新的参数识别方法。首先从反问题与贝叶斯估计的视角构建突发水污染事件预测模型;然后在Metropolis-Hastings抽样方法的基础上,引入混沌理论、粒子群算法、微分进化算法等的思想,设计了一种新的参数识别方法,即IPSO-DE-MH算法;最后通过数值分析验证所设计方法的有效性和准确性。结果表明:新方法能较好地识别模型参数,为突发事件应急预测模型的快速构建提供了新思路。     

一种紫外-可见光谱检测水质COD预测模型优化方法

针对紫外-可见光谱法检测水质COD预测模型的精度低和收敛速度慢等问题,研究了一种基于粒子群算法联合最小二乘支持向量机(PSO_LSSVM)的水质检测COD预测模型优化方法,并引入主元分析(PCA)算法对模型输入光谱数据进行降维预处理,借以提高模型的收敛速度.结果表明,利用粒子群(PSO)算法收敛速度快和全局优化能力,优化了最小二乘支持向量机(LSSVM)模型的惩罚因子和核函数参数,避免了人为选择参数的盲目性,克服了传统LSSVM预测模型的精度较低、稳健性较差等缺点.通过以收敛时间、预测平均相对误差(MRE)和均方根误差(RMSE)为评价标准进行评估,输入样本经过PCA降维预处理的PSO_LSSVM模型的预测能力和输入样本未经过降维预处理的LSSVM模型与PSO_LSSVM模型进行了比较分析,输入样本经过PCA降维预处理的PSO_LSSVM模型预测效果最优,且此算法使用C语言实现,易于移植,这为紫外-可见光谱水质COD在线、实时性检测奠定了基础.     

基于贝叶斯公式的地下水污染源及含水层参数同步反演

针对非均质地下含水层污染源识别及含水层参数反演过程中监测方案优化问题,提出一种基于贝叶斯公式及信息熵最小的累进加井的多井监测方案优化方法.首先,构建假想案例下的二维非均质各向同性潜水含水层水流及溶质运移模型,运用GMS软件进行数值模拟求解.采用最优拉丁超立方抽样方法和Kriging法建立数值模拟模型的替代模型.然后以参数后验分布的信息熵最小为目标函数,采用累进加井的方式进行多井监测方案优化设计.最后根据优化后的监测方案,采用差分进化自适应Metropolis算法进行污染源及含水层参数的同步反演.算例研究表明：在兼顾反演精度及监测成本,并保证每个参数分区内至少有1眼监测井的条件下,5眼井组合监测方案（6,5,1,2,8）为最优监测方案.与信息熵最小的10眼井组合监测方案（1,2,3,4,5,6,7,8,9,10）的参数反演结果相比,5眼井组合监测方案对11个参数α=（X_S,Y_S,T₁,T₂,Q_s,K₁,K₂,K₃,DL₁,DL₂,DL₃）的后验均值偏离率的平均值虽增大1.2%,但监测成本却是10眼井组合监测方案的50%.     

Development of a method for comprehensive water quality forecasting and its application in Miyun reservoir of Beijing, China

Water quality forecasting is an essential part of water resource management. Spatiotemporal variations of water quality and their inherent constraints make it very complex. This study explored a data-based method for short-term water quality forecasting. Prediction of water quality indicators including dissolved oxygen, chemical oxygen demand by KMnO₄ and ammonia nitrogen using support vector machine was taken as inputs of the particle swarm algorithm based optimal wavelet neural network to forecast the whole status index of water quality. Gubeikou monitoring section of Miyun reservoir in Beijing, China was taken as the study case to examine effectiveness of this approach. The experiment results also revealed that the proposed model has advantages of stability and time reduction in comparison with other data-driven models including traditional BP neural network model, wavelet neural network model and Gradient Boosting Decision Tree model. It can be used as an effective approach to perform short-term comprehensive water quality prediction.     

基于脆弱性的地下水污染监测网多目标优化方法

区域地下水监测井的优化布设对于区域地下水系统管理有很重要的作用.为了以最少的监测费用最大化地获取区域污染风险和污染现状信息,以监测井数量最小、区域污染监测有效性最大、监测到的区域脆弱性分值最大为目标,建立了基于脆弱性评价的地下水污染监测网多目标优化模型.通过地下水脆弱性评价和溶质运移模型计算得到不同点位地下水脆弱性分值和污染物浓度,针对不同脆弱性等级提出区域监测井初设密度,采用改进非劣支配遗传算法（NSGA-Ⅱ）基于初设监测网求解该多目标优化模型,结合质量误差分析确定监测网优化方案.结果表明,阿什河漫滩区和樊家沟流域地下水硝酸盐氮污染相对较严重;地下水脆弱性高和较高等级区域分别分布在抽水井群影响范围和河漫滩;结合NSGA-Ⅱ Pareto最优解及质量误差分析结果,得到该区域地下水监测井最优数量（12口）及其最优布设位置.研究显示,该优化监测网与初设监测网插值所得污染羽的质量误差小于15%,满足监测精度要求.      

多尺度分割与特征优选下的盐碱地提取

土地盐渍化作为一种土壤灾害,严重制约着社会经济与农业的发展。对盐碱地进行实时监测,可为盐碱地的评价改良提供科学依据。由于盐碱地的信息复杂、提取精度不高,因此本文以高分六号（GF-6）卫星遥感影像为数据源,采用分形网络演化算法（fractal net evolution approach,FNEA）进行影像对象的多尺度分割,从面向对象的角度减少高分影像分类结果中的椒盐噪声问题,通过计算图像对象的局部方差和变化率来确定适宜的盐碱地分割尺度。利用基于特征选择的相关性算法（correlations-based feature selection,CFS）与Relief F算法分别对由光谱、纹理、形状、遥感指数构成的初始特征空间进行特征优选,精简特征子集,解决特征数量冗余问题,以此来优化随机森林对盐碱地提取精度。结果表明：CFS约简后的特征子集更小,精度更高,说明在盐碱地提取过程中,筛选特征数目能够减小冗余数据对提取精度的影响。CFS优化后的随机森林对盐碱地的提取效果较好,该方法总体分类精度达到83.7%。     

基于信息熵与KPSO聚类法滑坡敏感性分析

选取南京地区滑坡为研究对象。基于DEM及遥感影像数据,选取样本,提取滑坡影响因素,计算影响因素熵值。利用K折粒子群优化(K PSO)方法,在GIS环境下针对地质资料缺乏情况,生成一个可靠的南京地区滑坡敏感图。自组织特征映射网络(SOM)法用作一个并行研究,结果作为K PSO法结果对比。结果表明,K PSO法聚类准确率为85%,自组织映射(S OM)法聚类结果准确率为80%,由此说明K PSO聚类法在地质资料不足前提下形成滑坡敏感区是一种行之有效的方法。     

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.     

CMAQ模式及其修正预报在珠三角区域的应用检验

为检验CAMQ空气质量数值预报模式对区域性空气质量的预报准确度,通过对珠江三角洲地区16个监测站点数据进行聚类分析,对划分的评价区域进行预报误差分析。结果表明,CMAQ模式输出的污染物浓度水平存在明显偏低的现象,且可吸入颗粒物的浓度偏离最大,这与污染源清单削减程度有关。污染物浓度时变规律分析表明,CMAQ模式能较好地模拟可吸入颗粒物、二氧化氮和臭氧小时浓度的日变化特征,但对二氧化硫的模拟能力较弱,反映污染源时间分配因子存在不适应性。为提高预报的初始浓度值,采用预报日前一天的监测数据作为修正项,并考虑CMAQ模式预报的浓度变化趋势,从而进行修正预报。误差统计表明,修正预报的准确度显著提高,反映了引入实际监测数据对空气质量数值预报模式进行修正的研究意义和可行性。