GSA法在水质模型参数估值中的应用

在传统遗传算法(Genetic Algorithms,GA)基础上引入模拟退火技术(simulated Annealing,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，克服了传统GA容易早熟的缺点，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。     

基于贝叶斯优化的三维水动力-水质模型参数估值方法

随着水质目标管理要求的提升,基于复杂的三维水动力-水质模型的决策成为流域精准治理的必需.水质模型通常具有复杂的结构,包含大量的方程和参数,而参数取值的准确性会影响模型对水体系统表征的可靠性,进而影响根据模型结果进行水环境管理的效果,因此,有必要探究适用于复杂水质模型的高效参数估值方法.传统的自动参数估值方法应用于复杂的水质模型时会面临计算瓶颈,而贝叶斯优化适用于高运算成本模型的优化问题.本研究提出基于贝叶斯优化的复杂水质模型参数估值方法,主要包括:①重要影响参数识别;②重要参数敏感性排序与筛选;③采用贝叶斯优化对筛选出的参数进行估值;④方法的适用性评估.同时,将该方法应用于云南异龙湖的三维水动力-水质模型的参数估值中,发现进行参数估值后模型lg(NSE)均大于0.65,表明模型达到了满意的级别.研究表明,当贝叶斯优化算法的采集函数为EI时,仅需要141次迭代lg(NSE)即可达到0.766,该方法对复杂水质模型的参数估值具有一定的借鉴意义.     

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。     

地下水硝酸盐污染抽出处理优化方法模拟研究

以北京某场地生活垃圾填埋场硝酸盐污染地下水为研究对象,针对抽出处理技术,利用遗传算法(GA)和模拟退火法(SA)对地下水硝酸盐污染羽治理区中布置18口备选井方案进行优化.优化目标函数最小化治理成本,确定最佳井数及其井的位置和抽水速率,同时达到在100 d内将研究区硝酸盐浓度降低至10 mg·L-1的治理目标.GA优化结果为8号井优化抽水速率为155 m3·d-1,14号井优化抽水速率为10 m3·d-1.SA优化结果为8号井优化抽水速率为82 m3·d-1,14号井优化抽水速率为39 m3·d-1.基于GA和SA优化抽水速率,硝酸盐总量去除率分别为76.89%和84.92%.优化结果说明,最佳井的位置应位于硝酸盐污染羽中游及中下游的中轴线上,且中游抽水速率比下游要大.两种优化算法对比表明SA优化系统治理成本比GA节省6.8%,且波动性小,更收敛.     

多孔介质非均质性空间变异估值方法的比较

本文以廊坊市为例,应用反距离平方加权法(IDSW)、趋势面法(CPI)、普通克立格法(OK)及协同克立格法(CK)对能够反映多孔介质非均质特性的参数进行了估值效果的比较分析.研究结果表明,克立格法是研究参数空间变异性局部最优估值方法.     

模拟退火法优化约束条件下造林规划设计的研究

模拟退火法是一种新的优化算法 ,文中首次提出用该法确定在资金、计划、苗木品种和数量等约束条件下小班造林规划设计最优方案 ,并阐述其数学模型和具体方法。笔者用97个造林小班资料 ,应用模拟退火法对在约束条件下的小班造林规划设计进行了方案优化 ,结果表明该法优化约束条件下造林规划设计效果很理想。     

基于粗糙集和支持向量机的标准农田地力等级评价

标准农田是耕地的精华,是确保国家粮食安全的关键。科学评价标准农田地力等级对标准农田培肥和土壤改良有着重要意义。将粗糙集(Rough Set,RS)理论和支持向量机(Support Vector Machine,SVM)相结合,提出了基于RS和SVM的标准农田地力等级评价方法,同时,利用遗传算法的并行搜索结构和模拟退火的概率突跳特性,提出了GASA优化SVM参数算法。该方法首先在确定标准农田地力等级评价指标的基础上,利用地力调查样本数据及传统的指数和法评价结果构建RS决策表,应用RS穷尽算法对决策表进行约简,剔除冗余的评价指标,然后用约简后的评价指标作为SVM的输入,运用GASA优化SVM参数算法对SVM进行训练,建立标准农田地力等级的RS-SVM评价模型。应用该方法对温州市鹿城区标准农田地力等级进行评价,与未用RS约简的SVM模型和BP神经网络模型评价结果进行对比,SVM模型和BP神经网络模型的输入指标数均为15个,其评价正确率分别为100%和90%;RS-SVM模型的输入指标数为14个,其评价正确率分别为100%,结果表明,该方法通过RS约简评价指标后,SVM评价精度并没有降低,但降低了SVM输入向量维数和计算复杂度,提高了训练效率;SVM 用于标准农田地力等级评价,具有比BP神经网络更高的评价精度,可有效用于标准农田地力等级评价,为耕地地力评价提供了新方法。     

基于遗传模拟退火算法的频率指配算法研究

在复杂电磁环境中进行频率指配是频谱管理中极为重要且困难的研究课题。提出了一种基于遗传模拟退火算法的频率指配算法,以基本遗传算法为基础,采用自适应的交叉概率和变异概率,将遗传操作和模拟退火操作相结合,从而克服了一般遗传算法的不足,可有效避免陷入局部最优并最终趋于全局优化。理论分析和仿真结果表明,该算法能够给整个无线电网络合理地指配频率,同时能有效地控制算法自身的收敛速度,与传统的指配算法相比,新算法在指配效果上有了很大的提高。     

神经网络与模拟退火算法结合的锅炉低NOx燃烧优化

对某600MW燃煤电站锅炉进行了多工况热态NOx排放特性测量,在利用多层前向神经网络对该锅炉的NOx排放特性进行建模的基础上,将神经网络模型与模拟退火全局优化算法相结合,实现了锅炉的低NOx燃烧的优化,计算得到可获得低NOx排放浓度的具体燃烧配风方案.文中对2种不同退火参数的模拟退火算法进行了比较,结果说明采用T0=50K,α=0.6的参数可以获得较好的寻优效果.本文研究结果为实现大型电站锅炉低NOx燃烧控制的在线优化技术打下了基础.     

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.     

基于遗传算法的PLS分析在QSAR研究中的应用

将遗传算法和偏最小二乘法结合应用于定量结构活性关系研究中 ,进行变量选择和建立最终模型 .以较少的变量个数包含较多的变量信息 ,且变量间没有线性相关问题 ,因而得到较好的 QSAR模型 .将这种方法应用于氯代酚和单取代苯 2种系列化合物 ,可以得到几种常规多元回归分析方法不能得到的质量较高的 QSAR模型 .     

水质模型参数优化的遗传算法实现及控制参数分析

参数识别是数学模型应用的前提.遗传算法是一种通用的全局优化算法,结构简单.一个实际应用问题能否利用遗传算法解决,关键在于遗传算法的设计和控制参数的选取.本文结合水质模型参数优化的特点,提出采用正交试验设计的方法来考察遗传算法不同控制参数对参数优化性能的影响,结果显示,正交法较好地识别了关键影响因素,并提出可能的最优方案.表明遗传算法能较好地应用于复杂多参数水质模型的参数识别研究.     

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.     

大气污染总量控制GA方法中的多源模拟系统

大气污染总量控制的GA方法,是利用遗传算法(GA)的自适应全局搜索寻优功能,通过模拟的自然进化机制来求算经过全局优化的区域允许排放总量以及区域允许排放总量在区域内各污染源之间的分配方案的一种新的大气污染总量控制方法。在基于遗传算法的大气污染总量控制中,需要运用一个高效而可靠的大气污染多源模拟系统,以便根据源强分布快速计算出准确的浓度场。文章介绍了该大气污染多源模拟系统的设计与实现技术。     

改进遗传神经网络方法在大气环境质量评价中的应用

运用双极性压缩函数适应度定标和基于排挤方法的选择算子改进标准遗传算法(SGA),使其成为简单通用、快速收敛的并行全局搜索算法。利用该算法优化误差反向传播网络(BPN),克服了BPN收敛慢和不具有全局收敛性的缺陷,在此基础上,建立大气环境质量评价模型,并将该模型用于实例。结果表明,该方法用于大气环境质量评价是可行的。      

城市生活垃圾收运路线优化的数学模型与算法

给出了城市生活垃圾收运路线优化问题的一般描述,考虑时间窗、车容量等约束,以收运路线总行程最短为目标。建立了该优化问题的数学模型。设计了求解谊问题的单一组合邻域搜索算法。随机邻域搜索算法和变邻域搜索算法三种类型的邻域搜索算法。通过对多组算例的求解实验,结果表明变邻域搜索算法的优化效果明显优于其余类型的邻域搜索算法。     

环境模型参数优化方法的比较

模型参数优化是通过极小化目标函数使得模型输出和实际观测数据之间达到最佳的拟合程度.由于环境模型本身的复杂性,常规优化算法难以达到参数空间上的全局最优.近年来,随着计算机运算效率的快速提高,直接优化方法得到了进一步开发与广泛应用.本文比较了CRS、SCEUA、SA和Annealing-Simplex等4种算法应用于环境模型参数优化的结果和计算效率.     

Hybrid evolutionary computation for the development of pollution prevention and control strategies

Particle swarm optimization (PSO) is an evolutionary algorithm based on the behavior of social animals. Its key advantage is its computational efficiency compared to related techniques such as genetic algorithm (GA). Use of a modified PSO algorithm in selecting an optimal array of pollution prevention techniques for clay brick production is described. The model is formulated as a multi-constraint knapsack optimization problem. The optimization technique used in the study is a binary PSO augmented with a GA-based mutation operator.