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。     

GA优化的湖泊富营养化评价的普适公式探讨

在适当设定富营养化指标的“本底值”情况下,当指标值用于对应“本底值”的相对值表示时,可采用S型曲线描述湖泊富营养化的发展程度,公式中的参数可视为与指标特性无关,采用遗传算法对公式参数优化,得到对多项指标均适用的富营养化程度的指数公式,并提出用广义模糊对比因子赋权新方法计算富营养化综合指数。该评价方法物理意义明确,计算简单,使用方便,具有普适性、可比性和实用性。     

工程中的遗传算法

介绍遗传算法的基本原理、基本理论及其在工程决策（包括安全、环保）中的应用，说明这一新的优化技术具有广阔的应用前景。     

基于神经网络和遗传算法的城市火灾风险评价模型

以消防安全工程学与系统安全工程理论为基础,结合我国城市发展特征及消防安全管理状况,建立了城市区域火灾风险评价指标体系;针对神经网络易陷入局部极小而引起评价指标权值分布不合理的缺陷,提出了基于神经网络和遗传算法的城市火灾风险评价模型,该模型以火灾发生的可能性以及灾后的严重程度为输入单元,火灾风险等级为输出单元,采用误差反算法训练BP网络,最终得出火灾风险等级范围,有效地解决了城市火灾的动态性和非线性特征;研究实例证明了该模型的有效性,可为城市的消防安全管理提供确实可行的参考依据。     

不同优化模型在餐厨垃圾厌氧消化中的应用与比较

采用正交试验设计,响应面设计以及基于BP神经网络的遗传算法模型,对餐厨垃圾厌氧消化产沼气的操作参数进行优化,并比较分析这3种模型的优化效果。结果表明,采用正交试验设计模型,当接种比、含固率、初始pH分别为3、8%和9时,沼气产量最大,实际产量为1 015 mL/gTS,并且这3个因素对产气量的影响顺序为接种比>初始pH>含固率;采用响应面设计模型,当接种比、含固率、初始pH分别为2.42、8.62%和8.49时,最大沼气产量为1 049.85 mL/gTS,实际产量为1 029.5 mL/gTS,接种比对产气量的影响极其显著;采用基于BP神经网络的遗传算法模型,当接种比、含固率、初始p H分别为2.66、8.06%和8.87时最大产气量的预测值和实测值分别为1 085.8 mL/gTS和1 067.25 mL/gTS,实测值分别比正交设计模型和响应面设计模型的实测值提高5.15%和3.67%,表明在餐厨垃圾厌氧消化产沼气参数优化实验中,采用基于BP神经网络的遗传算法具有更高的准确度。     

基于遗传神经网络的除湿机故障诊断与寿命预测

目的识别除湿机的性能状态和预测吸附剂的剩余寿命。方法针对除湿机故障过程缓变的特点,提出一种基于数据驱动的遗传神经网络模型。首先,为解决设备失效程度划分模糊的问题,由5个热力参数组成反映吸附剂劣化程度的特征向量,关联分析得到除湿机的5类故障模式。其次,利用遗传神经网络建立状态参数和故障模式的映射关系。最后,对表征设备吸附能力的主参数进行外推预测。结果训练好的诊断网络可准确地识别出设备的劣化程度及其演变过程,预测网络的预测精度非常高。结论该方法可有效地实现对除湿机的故障诊断与预测。。     

存在不确定灾害点的交通运输网络应急车辆调度研究

灾害的发生往往具有不确定性,容易造成意想不到的损失,对于未来灾害点的预防是很有必要的。由于各受灾点对应急资源的需求量不同,交通运输网络中的应急车辆调度能否及时对救灾也是至关重要的。对一般的应急车辆调度模型进行改进,结合实际中发生的灾害点及预测未来可能发生的灾害点,建立了以带权重响应时间成本最小和应急物资未满足量最少为目标函数的应急车辆调度模型,并提出了基于遗传算法的模型求解方法,最后通过实例计算分析验证了模型的有效性和实用性。该模型可以在灾害发生前后为应急车辆的调度提供参考。     

路面径流水环境下交通承载力分析

为了对路面径流水容许污染总量控制下的交通承载力问题进行探讨,利用神经网络具有的非线性映射能力和遗传算法具有的全局随机搜索能力,结合公路路面径流水质检测数据,提出了一种基于遗传神经网络进行公路交通环境承载力反计算的分析方法,应用该方法可根据路面径流水质污染数据反演出路段交通量大小,并可据此进行交通量与路而径流水质污染的关...     

基于GA-BP神经网络的页岩气开发区域水资源承载力研究

以西南地区威远县为例,从社会、经济、生态、水资源和页岩气开发5个方面构建水资源承载力评价指标体系及分级标准,采用遗传算法(genetic algorithm,GA)优化BP(back propagation)神经网络,形成GA-BP神经网络组合模型,对研究区2014—2019年的水资源承载力状态进行评价.结果表明:使用...     

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。