椒江流域地区水量水质水生态分析及调度研究

为了合理调度椒江流域地区水资源,提高水质质量和保护水生态环境,采用的技术方案是构建出新型水量水质水生态多目标耦合模型,在不同的水量和水质条件下,通过分析得到不同用途环境下的水质的需水量,并根据针对缺水问题计算椒江流域内多个水池中的需水量和污染负荷,在水资源分配和水生态保护等多个角度制定了合理的配水方案.还采用的技术方案...     

基于H_∞范数的调液阻尼器在减震控制中的参数优化

基于H∞范数,提出了偏心结构利用调液阻尼器减震控制的一种新的优化设计方法。该方法将优化目标取为从地震动到结构响应的传递函数的H∞范数,利用调液柱型阻尼器(Tuned Liquid Column Dampers,简称TLCD)和环形调液阻尼器(Circular Tuned Liquid Column Dampers,简称CTLCD)来控制偏心结构在多维地震作用下的扭转耦联振动,采用遗传算法来对阻尼器的相关参数进行优化。这种优化方法无需求解结构运动方程,所得到的阻尼器最优参数也不依赖于特定的地震动。用一个12层的偏心结构作为算例进行优化计算,结果表明,利用本文提出的优化方法所得到的阻尼器最优参数,在不同场地条件下,对偏心结构的扭转耦联振动均具有明显的减震效果。     

基于遗传算法的多热源环状热网优化设计

随着我国集中供热规模的不断扩大,热网结构正在向复杂的多热源环状热网发展,其规划设计问题一直广受关注。本文应用遗传算法进行复杂多热源环状热网管径的优化设计,以年折算费用作为目标函数,管径按离散变量处理,考虑了包括可靠性在内的各种约束条件。通过水力计算模拟热网的正常工况和事故工况,获得管网的水力、热力特性,以罚函数处理不等式约束条件。优化的结果表明,遗传算法在复杂热网优化设计问题上是可行的。     

基于GA-BPNN模型的脱氮组合工艺中UASB工艺主导因子及最佳运行参数研究

以匹配后续主体脱氮工艺为目的,采用UASB工艺进行高浓度养殖废水前期厌氧预处理.在前期试验及动力学分析基础上,利用带动量的自适应学习速率梯度下降算法,建立BPNN模型,预测系统温度、系统有机负荷、进水pH值、碱度、进水氨氮浓度、COD、SS 7个生态因子对UASB厌氧过程的影响.采用分割连接权值(PCW)和偏导数(PaD)两种方法定量化分析网络各层神经元的连接权值,从而明确了既定进水条件下,匹配后续脱氮工艺的UASB厌氧过程的主导因子依次为温度、碱度及系统有机负荷.最后采用遗传算法对已建立的BPNN模型寻优,确定了系统最优运行参数.结果表明,UASB系统最优运行参数为:系统反应温度55 ℃,进水pH值8.2,进水碱度值2 649 mg/L,有机负荷1.8 kgCOD/(m3·d),进水COD 7 000 mg/L,进水氨氮质量浓度844.3 mg/L,SS为2 983.9 mg/L.这表明高温、高COD进水、高pH值及高碱度、高SS进水、低有机负荷、低氨氮进水质量浓度有利于提高系统有机物去除率.     

BP神经网络和遗传算法在红发夫酵母培养基优化中的应用

运用BP神经网络对红发夫酵母发酵培养基组成进行建模以及预测类胡萝卜素产量,在此基础上采用遗传算法对此模型进行全局寻优.得到红发夫酵母发酵培养基的最佳配比为:蔗糖45.10 g/L,硫酸铵3.00 g/L,硫酸镁0.80 g/L,磷酸二氢钾1.40 g/L,酵母膏3.00 g/L,氯化钙0.50 g/L,类胡萝卜素产量达到8.20 mg/L,干重达到9.47 g/L.采用上述方法优化后的培养基使类胡萝卜素的产量比起始培养基提高了95.90%.     

基于安全保障的分布式电源选址定容优化研究

分布式电源的发展是我国智能电网发展中的重要方面之一,基于安全保障性,合理地对分布式电源进行选址定容,对于中低压配电网规划具有重要意义。分析了分布式电源对配网的具体安全性影响。提出以安全第一、成本最小、网损最小、电压偏移最小为目标的综合效用目标函数模型,并采用遗传算法求解。通过对IEEE9节点配电网络的算例分析验证了所提算法在分布式电源选址定容求解问题中的可行性和实用性。     

基于城市火灾风险的消防站分级覆盖选址模型——以济南市区为例

为更科学规划消防站选址,实现有限资源下应急资源的合理配置,提高消防站联动效率,根据“不同火灾风险等级的需求点应得到主管消防站和不同数量增援消防站服务”的原则,提出1种消防站分级覆盖选址模型,同时使用覆盖衰减函数表示消防站对需求点的覆盖度;基于遗传算法设计消防站分级覆盖选址模型的求解流程;以济南市区为例,基于POI和火灾数据,使用核密度分析法进行城市火灾风险分级,进而对选址模型进行验证。结果表明:以覆盖火灾风险值为评价指标,分级覆盖选址模型的选址结果优于现状消防站、广义最大覆盖模型、P-中位模型和P-中心模型。     

基于GA-Bp算法的炼油化工机械性能建模与仿真研究

传统的炼油化工机械性能模型仿真能力差,得到的结果准确性低。为了解决这一问题,基于GA-Bp算法建立了一种新的炼油化工机械性能模型,GA-Bp算法是同时具备Bp算法与遗传算法的优点,利用Bp算法良好的泛化和非线性映射特点与遗传算法具有的全局搜索能力的特点,结合两种算法的泛化能力、非线性映射能力、全局搜索能力写出了一种训练神经网络的算法(GA-Bp算法)。GA-Bp算法通过优化权值的范围,从而缩小对最优解的搜索范围,以此增加了训练神经网络的学习次数。实验结果表明,基于GA-Bp算法的炼油化工机械性能模型准确性更高。     

水质模糊贴近度模型中权值的遗传算法解

按照模糊综合评价中贴近度最小的原则,采用加速遗传算法优化权值。经过实例分析及对模型的验证、比较表明,用该法优化权值并进行水质评价,其结果与实际水质级别具有较高的一致性,评价方法更趋合理。     

基于遗传算法的大气污染总量控制新方法

提出一种利用遗传算法进行大气污染总量控制的新方法,并以柳州市SO2总量控制为例说明这种方法的具体运用.遗传算法具备自适应全局搜索寻优特点,从控制点浓度推算源强分布,该源强分布满足总量控制的根本要求.该方法的具体实现是:将区域内各污染源的排放量编码为染色体,让染色体群体在模拟的进化环境下按生物进化规律进行优胜劣汰的自然选择,经过若干代的进化,最终得到的最优个体即代表最佳的源强分布.研究结果表明,这种方法是有效的和可行的.