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。     

基于遗传神经网络的入侵检测研究

入侵检测技术是计算机网络信息安全检测的重要手段之一,入侵检测作为一种动态的安全防护技术,提供了对内部攻击、外部攻击和误操作的实时保护,在网络系统受到危害之前拦截和响应入侵。对计算机网络数据进行特征提取,提出了采用遗传算法和神经网络相结合入侵检测技术。遗传算法具有计算简单、优化效果好的特点。利用遗传算法来避免BP算法的局部极小点,从而达到均方根误差全局最小点,也解决了BP算法的收敛慢的问题;同时也解决了单独利用GA往往不能在短时间内寻找到接近最优解的这一问题。通过计算机实验验证了入侵检测的效果,提高了识别率,使得误报率和漏报率降低。     

基于层次分析法—模糊综合评价(AHP-FCE)模型优化矿井通风系统的研究

矿井通风系统是一个复杂的非线性系统,具有随机性、模糊性和不确定性特征。应用层次分析法(AHP)和模糊综合评价(FCE)的基本理论建立的AHPFCE模型,可以全面考虑矿井通风系统的各种因素,既能体现评价过程的模糊性,又能尽量减少个人主观臆断带来的弊端,使优选的方案更符合实际,评价结果更可靠。应用加速遗传算法检验和修正判断矩阵的一致性,具有搜索效率高、计算时间短、求解精度高、计算结果稳定、适用性强等特点,是一种全局优化方法。采用AHPFCE方法确定权重,具有较强的逻辑性、实用性和系统性,并能准确地得出各评价指标的权系数,使计算结果更客观和稳定。实例计算结果表明:AHPFCE方法简便和通用,不仅能指导生产实际,而且为类似的方案优化工作提供了一种新的思路和方法。     

预测低温冷害的门限回归模型

提出用门限回归模型（TR）来描述低温灾害指标变量在灾害状况与非灾害状况的突变性。研制了TR建模的一套简便通用的方案，用笔者改进的遗传算法可同时优化门限值和回归系数，从而解决了TR建模过程所涉及的大量复杂寻优工作这一问题，为TR模型的广泛应用提供了有效工具。实例的计算结果说明了其可行性和有效性。该方案具有通用性，在各种自然灾害时序预测中具有广泛的实用价值。     

基于遗传算法与人工神经网络相结合的玉米估产研究

在遗传算法 (GeneticAlgorithm )与误差反传 (BackPropagation)网络结构模型相结合的基础上 ,设计了用遗传算法训练神经网络权重的新方法 ,并对吉林省梨树县的玉米进行了估产研究 ,同时与BP算法和灰色系统理论模型进行了比较。经检验 ,计算值与实际值接近 ,并优于灰色理论模型 ,具有良好的预测效果 ,从而为农作物估产提供了新方法     

基于遗传算法的人工神经网络在降水酸度预测中的应用

在误差反向传播(Back Propagation)算法的人工神经网络结构模型的基础上，应用遗传算法训练神经网络权重，实现网络结构的优化。用优化后的BP人工神经网络建立了江西省南昌市的降水酸度预测模型。并将该模型预测结果与BP算法和多元线性回归法的预测结果进行了比较。检验结果表明：基于遗传算法的人工神经网络优于BP算法及多元线性回归法，具有良好的预测效果。     

Cleaner production for continuous digester processes based on hybrid Pareto genetic altorithm

Pulping production process produces a large amount of wastewater and pollutant emitted ,which has become one of the main pollution sources in pulp and paper industry.To solve this problem,it is necessary to implement cleaner production by using modeling and optimization technology.This paper studies the modeling and multi-objective genetic algorithms for continuous digester process.First,model is established, in which environmental pollution and saving energy factors are considered.Then hybrid genetic algorithm based on Pareto stratum-niche count is designed for finding near-Pareto or Pareto optimal solutions in the problem and a new genetic evaluation and selection mechanism is proposed.Finally using the real data from a pulp mill shows the results of computer simulation.Through comparing with the practical curve of digester, this method can reduce the pollutant effectively and increase the profit while keeping the pulp quality unchanged.     

区域水资源开发利用程度综合评价的GPPIM

水资源开发利用程度评价是一个由多指标组成的复杂巨系统,其难点是如何合理地建立评价该系统的数学模型。当前的评价模型随着评价内容的不同而变化,精度较难控制。为解决单项水资源开发利用程度评价指标评价结果的不相容问题,提高水资源开发利用程度综合评价各层次的分辩力和评价模型的精度,论文采用大样本数据,利用投影寻踪、遗传算法、插值型曲线和水资源开发利用程度评价标准,为水资源开发利用程度综合评价建立了一种新的数学模型---遗传投影寻踪插值模型(GPPIM)。实例研究表明,GPPIM建模方法直观、可靠、精度高,既有较强的分类功能,又有较好的排序功能,可广泛应用于各种水资源问题的综合评价。     

A genetic algorithm based stochastic programming model for air quality management

This paper presents a model that can aid planners in defining the total allowable pollutant discharge in the planning region,accounting for the dynamic and stochastic character of meteorological conditions.This is accomplished by integrating Monte Carlo simulation and using genetic algorithm to solve the model.The model is demonstrated by using a realistic air urban-scale SO2 control problem in the Yuxi City of China.To evaluate effectiveness of the model,results of the approach are shown to compare with those of the linear deterministic procedures. This paper also provides a valuable insight into how air quality targets should be made when the air pollutant will not threat the residents‘ health.Finally,a discussion of the areas for further research are briefly delineated.     

基于粗集、遗传神经网络的环境质量评价

基于粗集、遗传神经网络的环境质量评价方法利用粗集对属性的归约功能将数据库中的数据进行归约，并将归约后的数据作为训练数据提供给BP神经网络；再用遗传算法和BP算法相结合的混合算法来训练网络预测模型的结构（在得到最优网络结构的同时也得到网络的最优权值和阈值）。通过实例表明该方法是有效的，为环境质量评价提供了一种新的研究思路和分析方法。