基于自适应调整蚁群-RBF神经网络模型的中长期径流预测

径流预测历来是水利部门的一项重要工作,针对水库和河流中长期径流预测精度不高,提出了自适应调节人工蚁群算法(ARACS),对RBF神经网络参数进行优化,建立了自适应调节人工蚁群-RBF神经网络组合算法(ARACS-RBF)预测模型,综合考虑影响径流预变化因素,对安康水库进行中长期径流预测。对预测效果进行检验,结果证实该模型可真实地反映河川径流变化的总体趋势, 并为判断时间序列数据的非线性提供了一种新方法。与RBF神经网络模型、人工蚁群-RBF神经网络模型预测结果进行对比,结果表明,应用ARACS-RBF模型对中长期径流量进行预测,预测精度更高、效果更好。该方法克服了RBF神经网络和人工蚁群算法易陷于局部极值、搜索质量差和精度不高的缺点,改善了RBF神经网络的泛化能力,收敛速度快,输出稳定性好,提高了径流预测的精度,置信度为98%时的预测相对误差小于6.5%。可有效用于水库和河川中长期径流预测。     

Conservation decision-making in large state spaces

When looking for the best course of management decisions to efficiently conserve metapopulation systems, a classic approach in the ecology literature is to model the optimisation problem as a Markov decision process and find an optimal control policy using exact stochastic dynamic programming techniques. Stochastic dynamic programming is an iterative procedure that seeks to optimise a value function at each timestep by evaluating the benefits of each of the actions in each state of the system defined in the Markov decision process.Although stochastic dynamic programming methods provide an optimal solution to conservation management questions in a stochastic world, their applicability in metapopulation problems has always been limited by the so-called curse of dimensionality. The curse of dimensionality is the problem that adding new state variables inevitably results in much larger (often exponential) increases in the size of the state space, which can make solving superficially small problems impossible. The high computational requirements of stochastic dynamic programming methods mean that only simple metapopulation management problems can be analysed. In this paper we overcome the complexity burden of exact stochastic dynamic programming methods and present the benefits of an on-line sparse sampling algorithm proposed by Kearns, Mansour and Ng (2002). The algorithm is particularly attractive for problems with large state spaces as the running time is independent of the size of the state space of the problem. This appealing improvement is achieved at a cost: the solutions found are no longer guaranteed to be optimal.We apply the algorithm of Kearns et al. (2002) to a hypothetical fish metapopulation problem where the management objective is to maximise the number of occupied patches over the management time horizon. Our model has multiple management options to combat the threats of water abstraction and waterhole sedimentation. We compare the performance of the optimal solution to the results of the on-line sparse sampling algorithm for a simple 3-waterhole case. We find that three look-ahead steps minimises the error between the optimal solution and the approximation algorithm. This paper introduces a new algorithm to conservation management that provides a way to avoid the effects of the curse of dimensionality. The work has the potential to allow us to approximate solutions to much more complex metapopulation management problems in the future.     

水安全智能识别模型的建立及应用

通过人口迁移算法优化投影寻踪模型,提出了一种新的水安全智能识别模型。与遗传算法优化的投影模型相对比,人口迁移算法的自身优势有效地避免了网络早熟现象及寻找全局最优解的困扰。从水安全的评价结果来看,用人口迁移算法优化投影寻踪是可行的,并显示出优越性。人口迁移算法为求解投影寻踪模型的非线性约束提供了新的优化方法,并为水安全评价工作提供了新的智能识别模型。     

基于DHGF算法和三角模糊数的装备研制风险评价

针对风险管理方法难以对装备研制风险进行有效评价的问题,提出基于DHGF算法和三角模糊数的装备研制风险评价方法。运用德尔菲法建立装备研制风险的综合评价指标体系。基于三角模糊数和层次分析法(AHP)计算评价指标的权重。利用灰色系统理论确定评价灰类,计算灰色评价系数,得出灰色评价权向量和权矩阵。形成综合评判矩阵,进行模糊运算,求得综合评价结果。算例表明,该方法可有效用于装备研制风险的评价。     

民用飞行器重着陆事件决策系统研究

应用支持向量决策方法,解决飞行器重着陆事件诊断中受力分析复杂、样本量小的问题。探索飞行器接地阶段重着陆事件的形成机制,分别建立翼根载荷与起落架载荷的受力模型,研究飞机主体载荷与重着陆事件的非线性关系。研究重着陆决策所需样本集的小样本特性,提出支撑向量驱动的智能决策规则方法,进行重着陆事件诊断模型的建模研究。最后,建立重着陆事件决策系统。实例表明:该决策方法对于实例样本的诊断精度达到95.7%,对于提高着陆阶段的安全具有实际意义。     

城市道路交通应急警力配置模型研究

为实现区域性的紧急交通事件的快速疏导与救援,进行科学合理的调度警力,提出应急警力配置模型。该模型基于图论原理构建原始问题的拓扑结构,利用遗传算法求解。通过该模型的求解可以得出应急警力布点的最优配置,以满足在给定警力数量的情况下应急警力能够在指定时间内到达辖区内可能发生交通事件的任意应急点,并结合算例对该模型进行验证。结果表明:在满足模型要求的假设条件下,利用MATLAB软件结合遗传算法,可以最终获得优化的警力配置方案。因此,基于图论与遗传算法相结合构建的城市道路交通应急警力配置模型,可以实现公安警力救援的优化调度,进一步实现科学而高效率的救援。     

基于模糊Petri网的交通事故致因建模分析

针对目前我国道路交通事故多发的现状,以模糊Petri网为工具,以对道路交通安全有重大影响的关键因素为基础,模拟给出其因果关系,建立了基于模糊Petri网的道路交通事故致因分析模型,设计最长路径算法分析模型中某个致因要素导致交通事故发生的可信度。最长路径上的致因要素即为最易引起交通事故的主要因素。案例分析表明,这个模型能够体现各因素之间的逻辑关系,达到了通过数量指标分析道路交通事故主要原因的目的。     

人工神经网络在大气环境质量评价中的应用

针对大气环境中的数据监测与模式识别问题,应用人工神经网络理论,在自然环境大气腐蚀试验网站建立大气环境质量B-P网络评价模型。江津试验站成功地应用了该模型。通过1996-2000年大气环境质量评价结果表明,人工神经网络用于大气环境质量评价的方法是一种新方法,也是一种可行的方法。     

蚁群算法在生命线网络系统抗震拓扑优化中的应用

近年来,遗传算法和模拟退火算法已经应用于网络系统的抗震拓扑优化,蚁群算法也已经成功应用到多个组合优化问题中。首先论述了生命线网络系统抗震拓扑优化模型,然后介绍了网络抗震可靠度分析的最小路递推分解算法。通过对优化问题解形式的分析,采用二进制编码的蚁群算法对优化模型进行了求解。最后,结合实例分析,并与遗传算法和模拟退火算法的计算结果进行了对比。结果表明,蚁群算法可以作为一种新的工具进行网络系统的优化设计。     

考虑行人跨越障碍物能力的元胞自动机模型

为深入研究不同类型的行人跨越障碍物行为,建立改进的元胞自动机模型,利用Dijkstra算法计算静态场,根据跨越障碍物能力不同将行人分为强跨越能力、弱跨越能力和无跨越能力3类,通过调查大型商场出入口相关尺寸参数和障碍物分布情况,构建商场疏散通道的疏散场景,分析可跨越障碍物的摆放方式与长度、行人密度和在障碍物可跨越条件下出口大小等因素对疏散过程的影响。研究结果表明：考虑跨越障碍物行为更符合疏散实际情况,且具有不同跨越能力的行人达到一定比例时最有利于疏散;行人密度越小,可跨越障碍物的位置对疏散影响越明显;出口在一定大小时就已经满足疏散要求,增大出口对疏散促进作用较小。