改进灰狼算法优化GBDT在PM2.5预测中的应用

针对灰狼算法易陷入局部最优解和全局搜索能力不足的问题,通过霍尔顿序列(Halton Sequence)搜索算法初始化狼群位置,避免灰狼算法陷入局部最优解和重复运算;引入莱维飞行和随机游动策略对灰狼算法的寻优过程进行优化,以增加算法的全局搜索能力;利用粒子群算法模拟灰狼种群得出的最佳适应度以用于惩罚项改进灰狼算法中的头狼更新策略。使用改进算法优化的梯度提升树(Gradient Boosting Decision Trees, GBDT)模型对北京市大气污染物监测数据中PM_2.5质量浓度进行预测,采用3种评估函数对各模型以及混合模型预测效果得分进行评估。结果显示,本文改进的灰狼算法对梯度提升树的优化效果优于其他算法,均方根误差E_RMS为6.65μg/m³,平均绝对值误差E_MA为3.20μg/m³,拟合优度(R²)为99%,比传统灰狼算法优化结果的均方根误差减少了19.19μg/m³,平均绝对值误差降低了10.03μg/m³     

基于CSABC-ELM的采煤工作面瓦斯涌出量预测

为了提高煤矿工作面瓦斯涌出量的预测精度,研究一种将极端学习机(ELM)与利用混沌搜索策略改进的人工蜂群(CSABC)算法相结合的预测方法。改进后的人工蜂群算法有效解决了ABC算法易陷入局部最优、后期收敛慢等缺陷,利用CSABC优化ELM的输入层和隐含层参数,避免了随机产生ELM参数所造成的误差,建立基于CSABC-ELM的瓦斯涌出量预测模型。利用实际煤矿监测数据对该模型进行试验分析,并与ABC-ELM,ELM和BP神经网络的预测结果进行比较。结果表明,CSABC-ELM预测误差更小,精度更高,泛化性能也更强,能有效地对煤矿瓦斯涌出量进行预测。     

基于改进烟花优化算法的三维空间气体源定位

为探究三维空间中气体源定位及其源强反算问题,提出1种改进烟花爆炸算法(GWOFA)。将定位过程分为全局定位过程和局部定位过程。全局定位过程即结合灰狼优化算法和莱维飞行在三维空间中的全局搜索过程;局部定位过程是在全局定位的结果上的进一步开发过程,其通过引入边界条件的爆炸半径选取方式和选择策略更加高效地改进烟花优化算法实现。研究结果表明：本文算法相比于支持向量机回归模型(LinearSVR)、GWO算法和粒子群算法具有更高精确度,相比于GWO算法和粒子群算法具有更高稳定性和更低随机性;在气体源定位问题上,本文算法整体表现优于LinearSVR、GWO算法和粒子群算法。研究结果可为解决三维空间中气体源定位问题和相关参数估计问题提供新的思路方法。     

基于改进飞蛾扑火算法的应急资源调度研究*

为解决多灾害点应急资源调度问题,构建不同路况下运输消耗成本最低、装车时间最少的多目标应急资源调度模型,基于双自适应因子改进飞蛾扑火算法,克服传统飞蛾扑火算法存在的局部最优而早熟收敛、种群多样性低而全局寻优性能差的问题,提高算法的寻优性能和求解精度,并求解应急资源调度问题,获得各灾害点高效应急资源配置方案。研究结果表明:与经典飞蛾扑火优化（MFO）算法以及基于Levy飞行的飞蛾扑火优化（LMFO）算法相比,基于双自适应因子的改进MFO（DAMFO）算法模型求解精度更高,研究结果可为制定合理高效的应急资源调度方案提供依据。     

基于改进蚁群算法的应急救援最优路径选择

蚁群算法最早成功应用于解决著名的旅行商问题(TSP),但基本蚁群算法在解决大型优化问题时,搜索时间长,易陷入局部最优解.针对基本蚁群算法的不足之处,对该算法的数学模型以及参数组合选择方法进行了改进研究,将改进后的蚁群算法应用于事故应急救援各受灾点救灾物资的配送问题中,取得了较好的运行结果.     

基于火场预测和多出口决策的协同进化救援路径优化方法

为给深入火场救援的消防员提供最佳救援路线,掌握营救和自救时机,通过改变涟漪规则、动态调整扩散速度、多出口决策设置来改进基于涟漪扩散算法(RSA)协同进化路径优化方法(CEPO)。基于火场预测和多出口决策提出协同进化救援路径优化(CERPO)方法,并以湖北某校教学楼火灾扩散仿真模拟为背景,在不同时间节点情境下规划最佳救援往返路径并比较路径异同,与D^*算法对比验证CERPO有效性和灵活性。研究结果表明：CERPO能基于火灾预测提前避障规划最佳路径,并在第500 s情境下及时启动多出口决策,规划新的撤离路径;CERPO与传统算法相比可避免绕路,提高消防救援效率,研究结果可为救援路径规划提供参考。     

基于SSO的铀尾矿库无线传感器网络定位算法

为提高铀尾矿库无线传感器网络(WSN)定位算法的定位精度和收敛速度,利用优化的麻雀搜索算法(SSA)改进基于信号强度指示(RSSI)的定位算法。首先,引入混沌映射和精英方向学习初始化麻雀种群,丰富种群多样性,提高算法的全局寻优能力;其次,采用莱维飞行策略改进搜索者的位置更新方式,避免陷入局部最优;然后,采用优化的SSA代替最小二乘法来定位未知节点,并将定位算法应用于铀尾矿库放射性核素污染监测定位;最后,在不同的锚节点数、通信半径以及噪声标准差条件下,对比麻雀搜索优化定位算法(SSOLA)与加权质心定位算法(WCLA)、接收信号强度指示差定位算法(RSSID)、麻雀搜索定位算法(SSA)、粒子群定位算法(PSO)以及樽海鞘群定位算法(SAP)的性能。结果表明：SSOLA与其余5种算法相比定位误差平均下降41.9%、45.2%、26.8%、39.9%和36.9%,定位精度更高,收敛速度更快。     

基于IAOA-KELM的储气库注采管柱内腐蚀速率预测

针对储气库注采管柱的内腐蚀速率预测问题,建立了基于阿基米德优化算法(Archimedes Optimization Algorithm, AOA)与核极限学习机(Kernel Extreme Learning Machine, KELM)相结合的模型提高腐蚀速率预测精度。通过引入佳点集、改进密度降低因子、采用黄金正弦算法缩小搜索空间,提高局部开发能力,利用改进阿基米德优化算法(Improved Archimedes Optimization Algorithm, IAOA)优化KELM正则化系数(C)和核函数参数(γ),进而建立IAOA-KELM储气库注采管柱内腐蚀速率预测模型;使用MATLAB软件运用该模型对某注采管柱内腐蚀数据集进行学习与预测,将IAOA-KELM模型与KELM、粒子群优化算法(Particle Swarm Optimization, PSO)-KELM、AOA-KELM结果进行预测误差对比。结果表明,IAOA-KELM模型的预测值与实际值较为拟合,其E_RMSE为0.65%,E_MAE为0.39%,R²...     

考虑货车-无人机协同的灾后应急响应策略及调度优化

为了弥补现有货车-无人机应用策略在灾后应急响应调度过程中的不足，进一步提高城市应急响应效率，提出了面向灾后救援的货车-无人机协同策略，并对其调度算法进行研究。在对两种货车-无人机协同响应策略进行分析的基础上，考虑城市应急场景道路密度高、中断点多、需求规模大的特点，提出了货车-无人机飞行伙伴响应策略，并以响应时间最小化为目标建立了其调度优化的混合整数规划模型。同时，设计了基于禁忌搜索的三阶段求解算法，并通过试验对该调度策略及算法的应用效果进行了仿真验证。     

基于风险和成本的化工园区供电网络优化设计

化工园区供电网络优化设计是国家综合管理部门、电网工程项目法人及融资方进行项目决策的重要依据。化工园区内企业在生产活动中极易释放易燃易爆气体,供电危险极大。主要目的是运用程序优化方法,找到一种既经济又安全的供电线路布局方案,最终得到基于风险和成本的安全决策。基于前人在计算机智能算法优化数学模型得到的经验,运用图论Floyd算法和GA遗传算法研究了图论算法和人工智能算法在基于风险和成本的化工园区供电网络优化中的设计和应用。设计了一个化工园区,总降变电站为源点,8个可选择的化工园区内具有火灾或爆炸高危险性生产企业位置为网络节点。建立了无浓度约束范围和有浓度约束范围两种模型,并在有浓度约束范围模型的优化中运用广度优先遍历和深度优先遍历相结合的思想。给出了3套方案并且得到了理想的优化结果。首次应用计算机智能算法优化的方法研究了化工园区供电网络安全性,研究表明,图论算法和人工智能算法在化工园区供电网络优化上的应用是可行的。对于网络节点较多的实际化工园区供电布局,GA遗传算法一般能得到比Floyd算法更快更好的全局最优解。     

基于自适应蚁群算法的化工园区毒气泄漏事故疏散路径规划*

为了降低人员在化工园区毒气泄漏事故中的伤亡风险,提出1种综合考虑疏散路径距离和毒性负荷值的自适应蚁群算法。通过建立路径评价函数,将疏散路径的毒性负荷值引入蚁群算法中,改进算法的信息素更新策略,采用启发式因子自适应调整策略并改进算法的启发式函数。运用Matlab软件进行仿真,将算法应用到某化工园区毒气泄漏事故中。研究结果表明:该自适应蚁群算法可以保持较高的搜索速度,在寻找距离最短道路的同时避开毒性负荷较高的疏散路径,可为化工园区毒气泄漏事故的应急疏散路径规划提供参考。     

基于改进蝴蝶算法和社会力模型的多出口疏散模型研究*

为提高多出口场景下行人疏散效率和精度,基于蝴蝶算法和社会力模型,提出一种新的应急疏散仿真路径规划方法。在原有社会力模型中,考虑距离出口远近及行人所处位置拥挤度对运动过程中期望速度的影响,引入速度调节因子,描述行人在疏散中的期望速度变化;针对蝴蝶算法中后期收敛速度慢和易陷入局部最优的缺陷,提出自适应感知概率参数以增强局部搜索和全局搜索之间的平衡;在每轮迭代结束时引入迭代局部搜索策略,扰动局部最优解获得中间状态,并重新搜索上述中间状态得到全局最优解。研究结果表明:提出的应急疏散仿真路径规划方法在多出口环境下能够更有效地利用出口资源,提高疏散效率。     

复杂建筑空间人员应急疏散的无人机引导模型研究*

为提升紧急情况下复杂建筑空间中应急疏散引导的疏散效率,采用仿真模拟方法,提出1套可适用于复杂建筑空间人员应急疏散的无人机引导模型,该模型通过改进传统算法和构建新方法,实现无人机空间遍历移动规则寻优、无人机引导路径寻优以及基于“障碍物空间场域”建筑空间区域划分。研究结果表明:相较于没有无人机引导,采用单无人机和多无人机协同引导疏散,可大幅缩短整体疏散时间,有效减少疏散路径当量长度,提高疏散效率并保证路径安全,为无人机在应急救援和疏散的应用提供新思路。     

复杂矿井通风网络解算风网有效性分析

复杂的矿井通风系统不仅对风网解算提出了更高的要求,对构建的通风网络进行风网检查也变得极其重要。首次提出了风网有效性分析的概念,通过分析改进的回路风量法解算的要求,从数据检查、风网检查和收敛性分析三个方面对通风网络图有效性进行了系统深入的分析,实现了相应的风网检查算法。通过进行强连通性分析可以使假拓扑风网更接近真实风网,通过对固定风量检查可以找出拓扑关联重复性设置的固定风量分支;通过对回路进行独立性检查和收敛性分析使得构建的通风网络尽量满足风网解算的要求,避免回路假收敛并提高解算收敛速度。     

基于模糊评价的VDT系统搜索策略绩效形成机理研究

为优化视觉显示终端（VDT）结构性搜索界面的布局,提高作业绩效和安全,设计了VDT系统搜索实验,构建了搜索目标位置在4个主观偏好指标下的Pythagorean模糊集决策矩阵,运用交互式多准则决策（TODIM）法计算各目标位置偏好的总体优势度并排序;同时对VDT系统搜索实验中各目标位置的绩效进行方差分析并排序,分析系统搜索策略下作业者对目标位置的主观偏好与绩效之间的关系。研究结果表明:基于系统搜索策略的VDT作业绩效在不同目标位置差异显著;导致绩效差异的根本原因是作业者对搜索目标位置的主观偏好度,而不是搜索目标的位置属性;除中心区域外,偏好度高的区域搜索绩效要优于偏好度低的区域。     

基于ISOA-RBPNN的埋地管道剩余强度预测*

为提高腐蚀管道剩余强度的预测精度,提出引入弹性梯度下降法改进BP神经网络,并融合改进海鸥优化算法(ISOA),构建腐蚀管道剩余强度预测模型。关于改进BP神经网络模型的参数寻优,首先采用Cat混沌映射初始化改进海鸥优化算法(SOA)初始种群的分布,提升寻优能力,优化SOA的搜索方向和攻击形式,增强其全局搜索能力并提高收敛速度,然后用ISOA对弹性BP神经网络（RBPNN）模型中的权值和阈值进行寻优,最后构建ISOA-RBPNN预测模型。以管道爆破数据为例,利用MATLAB进行仿真模拟,并与PSO-BPNN模型和IFA-BPNN模型预测结果进行对比分析。研究结果表明:ISOA-RBPNN模型的各项评价指标均优于其他2个模型,预测结果较实际值误差更小,在预测腐蚀管道剩余强度领域具有更好的性能,可为后续研究腐蚀管道剩余寿命和制定维修策略提供参考依据。     

基于改进型萤火虫群优化算法泄漏源源强及位置反算研究*

针对标准萤火虫群优化算法（GSO）在危化品泄漏源源强及位置反算中存在精度不高,容易陷入局部最优等局限,提出混合萤火虫-Nelder Mead单纯形算法（GSO-NM）,并与基于步长的改进萤火虫群优化算法（MGSO）以及单纯形搜索混合协同进化萤火虫群优化算法（HCGSOSSM）进行比较分析,将3种改进型萤火虫群优化算法应用于泄漏源源强及位置反算中进行比较分析。研究结果表明:GSO-NM算法可以有效提高定位精度和稳定性,能较为精确地反算出泄漏源源强及位置,为泄漏源源强及位置反算研究提供1种新思路。     

基于集成学习的改进灰色瓦斯浓度序列预测*

为有效提高煤矿瓦斯浓度动态预测精度,基于微分方程理论和最小二乘法,从灰色预测模型静态灰色作用量出发,优化灰色作用量,推导幂指数型灰色作用量的改进灰色瓦斯浓度预测算法,推导基于集成学习不同灰色作用量幂指数型灰色瓦斯预测模型,进而研究吉林八连城长期和短期瓦斯浓度监控数据预测精度。结果表明:瓦斯浓度时间序列近似线性时,基于集成学习的改进灰色瓦斯浓度预测算法优于传统灰色瓦斯浓度预测算法,使瓦斯浓度预测值和实际值的均方根误差降低,均方根差最大降低2.25%。研究结果可有效提瓦斯浓度预测精度。     

基于遗传-蚁群算法的单层建筑火灾疏散路径规划研究

为解决如何快速、有效地找出单层建筑火灾最佳疏散路径问题,分析火灾发生时可能影响人员逃生及最佳路径生成的因素。提出基于遗传-蚁群算法求解火灾时期人员疏散路径。运用遗传算法的快速全局搜索能力,对蚁群算法初期所需要的信息素进行快速处理;利用蚁群算法的正反馈机制,快速找出可行路径,缩短搜索时间;并运用Matlab软件对其进行仿真。结果表明:遗传-蚁群算法所求得的路径生成质量有明显提高,并缩短路径生成时间,有助于提高人员逃生效率,降低人员伤亡率。