改进的QGA-BP模型在弥苴河总氮量预测中的应用

水质预测对水环境规划、评价和管理十分重要。构建一种改进的量子遗传算法（QGA）优化BP神经网络的模型,即在量子遗传算法中引入了旋转角的动态改进策略和遗传算法的交叉变异操作,并以改进的QGA作为进化操作准则优化BP模型的权值和阈值。以弥苴河复杂水环境水质预测为实例,选取一组历史观测数据作为训练样本,对其进行分析。将结果与BP模型、QGA-BP模型仿真结果进行了对比,改进后的QGA-BP模型在进化代数、收敛速度和预测结果的准确率有较大提高。对弥苴河水质的预测结果表明,将改进QGA-BP模型用于水质预测是可行、有效的预测方法。     

基于遗传算法进行EMI滤波器电感的设计

通过电感的高频特性及其对共模插入损耗的影响分析,采用遗传算法和Ngspice仿真库设计出电感的选择方案,最后通过电路仿真和实验同时验证方案的有效性。该方案避免了对EMI滤波器高频段的复杂建模,降低了电感选择的难度,对电感元件的选择具有一定的指导意义。     

基于遗传算法优化的大气质量评价的污染危害指数公式

基于污染危害率概念,提出了大气环境质量评价的污染危害指数计算公式和新的因子赋权法．指出用污染物的浓度相对值代替其监测值,公式中的参数可认为不随污染物种类和数目而改变．采用遗传算法对公式中的参数进行优化,得到了适用于多种污染物的大气质量评价的污染危害指数计算公式应用该公式对实例评价的结果与用其他多种方法评价结果进行了比较结果表明,该公式用于大气环境质量评价的物理意义明确、普适性强、计算简单、使用方便．     

TAGE:一种新的大气污染物来源及输送情况的网格化分析方法

提出了一种新的大气污染物来源及输送情况的网格化分析方法.首先,不依赖于排放源清单,而是以预设的网格化排放源来运行空气质量模型,得到排放源的污染影响因子.然后,结合污染物监测数据,构建排放源总合排放强度求解方程组,并利用遗传算法进行求解.最后,基于排放源的污染影响因子和总合排放强度,计算出排放源的污染贡献占比,从而完成对大气污染物来源及输送情况的网格化分析.这一方法的提出,为缺少准确排放源清单情况下大气污染状况的分析与治理,提供了新的思路.利用此方法,对北京市、石家庄市、保定市2017年10~12月期间PM_2.5的来源及输送情况进行了验证性实验.     

基于形态滤波遗传算法对目标红外图像特征检测

将形态滤波和自适应遗传算法结合起来,提出了一个用于目标检测的形态滤波器参数优化遗传算法。通过设计了形态滤波的遗传算法,寻求最佳结构元,以实现对目标的自适应检测。作为2个特殊环境中的应用检测实例,分别对固体推进器尾喷焰红外图像和复杂背景下的弱小目标进行检测。实验结果表明该方法能够更好地适应环境变化,更大程度地提高目标信号检测的信号噪声（SNR）比,有效地检测出复杂背景下的目标。     

人工林经营过程密度最优控制研究

在连续状态动态规划方法建立的人工林种群密度决策模型的基础上，首次提出应用遗传算法优化人工林林分经营过程的间伐时间和主伐时间的最优组合方案，并阐明其数学模型和具体方法。杉木人工林经营过程的密度最优控制方案优化实例表明，用遗传算法优化能收到良好效果。优化结果表明，杉木人工林经营过程中以间伐两次为最优，第一次在１１～１２年，第二次在１５～１８年，而主伐年龄以２５年为最优。     

加速遗传算法及其在暴雨强度公式参数优化中的应用

提出了一般非线性自然灾害模型参数优化的一种通用的数值方法———加速遗传算法,分析了该算法控制参数的优化特性,总结出了这些参数的简便设置技术,并给出了它在暴雨强度公式参数优化中的应用实例。该方法可广泛应用于各种自然灾害模型的优化问题。     

基于遗传算法的生命线工程网络抗震优化设计

进行网络抗震可靠性分析的目的,不仅在于定量评价生命线工程网络系统的抗震性能,更重要的是利用这种分析工具指导网络抗震性能的优化设计。以无向边权网络系统为分析对象,分别以管网造价和系统抗震可靠度作为优化目标和约束条件,建立网络系统拓扑优化模型,利用递推分解算法作为网络系统抗震可靠性分析工具,并引入系统单元的灵敏度分析,采用遗传算法求解网络系统的拓扑优化问题,从而发展了一类工程网络抗震优化设计方法。实例分析结果表明,网络系统拓扑结构与系统可靠度之间有显著的正相关关系。     

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。     

提高洪水智能预报中洪峰预报精度方法的研究

针对防洪减灾的实际需要,对如何提高智能网络对洪峰的预报精度问题进行了深入系统的研究,提出了峰值放大修正系数和遗传算法优化网络初始权重相结合的改进算法,历史资料的检验结果表明了这些改进策略的有效性和可靠性.