基于改进多种群遗传算法的尾矿坝形变预测

针对遗传神经网络(GA-BP)建立的尾矿坝形变预测模型易出现早熟现象、预测结果不稳定、容易陷入局部最优值的不足,引入一种具有混沌局部搜索的多种群自适应遗传算法。该算法以双种群寻优为基础,改进了遗传参数的计算方式,分别以种群进化中染色体适应度值的集中程度和空间距离的分布作为自适应交叉率、变异率的计算依据应用于不同种群中,提高了种群的多样性和遗传算法全局搜索的能力;同时引入混沌局部搜索技术(CLS),完善了遗传算法局部搜索能力的不足。采用改进的遗传神经网络模型对贵州省白岩尾矿坝三维变形数据进行预测,并与传统的GA-BP和AGA-BP模型预测结果进行比较。结果表明:改进后的模型预测精度更高,结果更加稳定,具有良好的预测效果。     

城市群综合承灾能力评价的RAGA-PP模型

为解决已有模型普遍存在的难以动态评价非线性寻优的现实问题,引入投影寻踪(PP)模型进行城市群综合承灾能力评价,并运用基于实数编码的加速遗传算法(RAGA)优化辅助多维数据空间拓扑结构的投影方向,对长三角城市群(YRDUA)地区进行实证研究。结果表明：RAGA-PP模型与典型的熵权法(EWM)、灰色关联分析法(GRA)评价结果具有高度一致性,且RAGA-PP评价结果更符合实际,表明RAGA-PP模型具有较强的精确性、稳健性和抗干扰性,不仅能够聚焦于优秀个体的取值区间来实现全局搜索和加速评估,也在较大程度上避免传统方法长期存在的权重设置主观性较强、高维数据不易处理的现实问题;另外,各子系统维度的目标投影值平均水平排序为：抗灾维度>防灾维度>救灾维度>恢复维度,表明抗灾维度指标对综合承灾力影响程度最大。     

基于遗传-神经网络的电网流域面雨量预报方法研究

以重点水力发电厂和大中型水库为主要考量,并兼顾地形地貌和中小河流的分布特征,将广西划分为23个电网流域,研究了基于非线性的神经网络电网流域面雨量预报方法。以5-6月龙滩近库区、龙江流域等6个电网流域为例,利用遗传算法优化BP神经网络的连接权和网络结构,建立了各电网流域的遗传-神经网络电网流域面雨量预报模型。对独立样本的预报结果表明,基于遗传-神经网络的电网流域面雨量预报模型的预报能力要优于传统的逐步回归预报模型,也明显优于日本、德国数值模式预报产品所换算成的电网流域面雨量预报,并与气象部门同期制作的综合面雨量预报产品能力相当,因而,遗传-神经网络面雨量集合预报模型有较好的业务应用前景。     

回采工作面瓦斯涌出量遗传投影寻踪回归预测

为快速、准确预测回采工作面瓦斯涌出量,基于投影降维思想,建立一种遗传算法(GA)投影寻踪回归预测方法。选取煤层瓦斯原始含量、埋藏深度、煤层厚度、煤层倾角、工作面长度、推进速度、采出率、临近层瓦斯含量、临近层厚度、临近层层间距、岩层岩性、开采深度作为评价因子,对某矿15个学习样本进行训练,建立GA投影寻踪回归预测模型。利用该矿3个实测样本对模型进行检验,并与主成分分析和BP神经网络方法结果进行对比。研究表明:利用GA投影寻踪回归预测回采工作面瓦斯涌出量,平均误差为3.43%,最大误差为5.7%,精度优于其他2种方法。     

RBI技术应用于LNG设备上的改进研究

基于API581的风险评估技术(RBI)是近年来石化行业逐渐采用并得到认可的一种新的评估设备经济可行性和安全性的技术。但是由于LNG的温度一般低至-162℃,使得LNG设备在应用API581时受到了限制。低温脆性断裂是LNG设备需考虑的一项主要的失效模式,API在评估脆断损伤因子时的温度范围是-73~38℃。为了能够评估LNG设备在低温环境下的风险,通过遗传算法将温度扩展至-209℃。扩展得到的脆断损伤因子曲线同夏比冲击试验的冲击功随温度变化曲线的趋势基本一致,因此扩展的损伤因子可以满足低温环境下LNG设备的风险评估。     

基于遗传算法的汽车零部件渐变可靠性演化分析

传统的汽车零部件渐变可靠性演化分析方法在分析上准确度较低,为此设计一种基于遗传算法的汽车零部件渐变可靠性演化分析方法。建立可靠性指标以及故障类型分布函数,选取合适的疲劳理论,判断零件形变的等效应力,并采用累积损伤法预测某一汽车零部件所产生的疲劳损伤,计算零部件临界失效状态,采用遗传算法确定汽车零部件剩余寿命,以此完成基于遗传算法的汽车零部件渐变可靠性演化分析。实验对比结果表明,此次设计的基于遗传算法的汽车零部件渐变可靠性演化分析方法比传统分析方法分析准确度高,很好的反应车辆在磨损状态下可靠性变化情况,为车辆零件的磨损渐变可靠性提供理论参考。     

基于遗传算法的袋式除尘器脉冲喷吹清灰自适应模糊控制

针对当前主流的袋式除尘器定时、定压差脉冲喷吹清灰控制技术所表现的控制效果不理想、压缩空气消耗高以及无法自动调节清灰周期等问题,提出了一种基于控制规则可调的脉冲喷吹清灰自适应模糊控制方法。研发了一种脉冲喷吹清灰控制结构模型及自适应模糊控制器,将模糊控制规则按阻力偏差的大小分为4个等级并分别引入调整因子,以阻力偏差的时间误差绝对值积分(ITAE)作为目标函数,通过遗传寻优得到最优调整因子,进而得到能够根据不同工况条件自适应调节清灰周期的模糊控制规则。实验结果表明:相较于优化前的模糊控制器,该自适应模糊控制器超调量小、响应速度提升39.5%;与定时、定压差控制相比,自适应模糊控制能够维持过滤阻力的稳定性,分别节省耗气量34.0%、5.4%。在脉冲喷吹清灰控制系统中,该自适应模糊控制方法使控制效果得到较大提高。     

AHP与GA-SVM耦合模型在滑坡预警中的应用*

为了减少滑坡造成的损失，提高滑坡预测的准确性，通过搭建灾害模拟平台获得滑坡的实验数据，在获得多组模拟实验数据后，分析各变量的特性。首先，通过层次分析(Analytic Hierarchy Process，AHP)算法，对滑坡进行危险度划分；然后，通过支持向量机(Support Vector Machine，SVM)建立模型，遗传算法(Genetic Algorithm,GA)再优化SVM参数，提出1种层次分析法与GA-SVM相耦合的模型。研究结果表明:AHP方法划分后的数据，通过GA与SVM结合建立的模型精度较好，实验预测结果与实际结果较为吻合，与单一SVM相比，精度更高，结果更好，更加适用于多变量的复杂非线性滑坡预警。     

一种求解铁路应急供应车站选址问题的优化算法

针对铁路应急物资供应车站的选址问题,采用遗传算法并引入免疫系统中抗体多样性的维持机制的策略,提出了一种新的进化算法——免疫遗传算法。首先,确定各个需求车站的实际需求,然后在保证应急救援尽快展开的前提下,以区域中各个应急供应车站到需求车站的需求量与路程之间的乘积之和最小为目标,建立了一个铁路应急供应车站选址的模型,运用免疫遗传算法求解。最后,通过算例表明了模型的可行性和有效性。     

基于遗传算法的支持向量机预测有机物自燃点的研究

根据定量构效关系(QSPR)原理,研究自燃点(AIT)与其分子结构间的内在定量关系。以265种有机化合物作为样本集,随机选择238种作为训练集,27种作为测试集,用遗传算法(GA)进行变量选择,分别建立多元线性回归(MLR)模型和支持向量机(SVM)模型研究有机物的自燃点与其分子结构间的关系。通过分析,发现造成模型预测效果不佳的原因是试验数据本身存在问题。通过对2个模型的比较,结果为GA-SVM模型明显优于GA-MLR模型,说明自燃点与其分子结构间具有很强的非线性关系。