基于遗传算法的次级河流回水段水质模型多参数识别

根据长江次级河流临江河回水段的实际情况,建立一维水质模型,模型中的各变化项采用有限差分法(FDM)进行离散,以回水段水体中COD和NH3-N的实测资料为基础,利用自适应遗传算法(AGA)对2种污染物的纵向离散系数及一级降解系数进行反演计算,得出回水段COD和NH3-N的纵向离散系数分别为0.5227,0.5196km2/h,一级降解系数分别为0.0342,0.0367h-1;计算值与实测值吻合较好,表明FDM-AGA方法能较好地运用于次级河流回水段水质模型的多参数识别.     

HSY算法在水质模型参数识别中的应用探讨

参数识别是水质模拟中的技术核心，数据稀缺是水质模型经常面临的问题。采用HSY算法可求得模型参数的分布，而不再是一个单一的最优参数，从而在一定程度上避免了由于“最优”参数失真带来的决策风险，本文以南水北调一期工为例，讨论了在稀疏数据条件下如何应用HSY算法识别CSTR水质模型的参数，并对识别的模型参数进行了检验。模型检验采取了2种方法：分别用动态和稳态计算方法得出的参数进行比较；用模拟结果分布于实测值进行比较。结果表明，HSY算法为稀疏数据条件下进行识别、建立数学模型提供了一条有效的途径。     

基于ANN分类的农田遥感动态监测模型研究

保护基本农田是我国农业可持续发展的基础和前提,动态监测基本农田在时间和空间上的变化能够为农业开发政策的制定,农业经济发展的规划与管理提供有效的辅助决策手段。论文利用人工神经网络的BP算法实现了对两个时期的遥感影像进行基本农田类型的分类提取,在保证精度的前提下,探索了一条把单要素监测和多要素监测相结合的遥感动态监测模型,并详细描述了模型实现的算法与步骤。最后利用该模型对实验区进行了监测,并对监测结果进行了分析,结果表明模型很好地评估了研究区基本农田的数量和发展潜力,定性、定量、定位地揭示了研究区基本农田类型在时空上的变化规律。     

A novel wind speed forecasting model for wind farms of Northwest China

Wind resources are becoming increasingly significant due to their clean and renewable characteristics, and the integration of wind power into existing electricity systems is imminent. To maintain a stable power supply system that takes into account the stochastic nature of wind speed, accurate wind speed forecasting is pivotal. However, no single model can be applied to all cases. Recent studies show that wind speed forecasting errors are approximately 25% to 40% in Chinese wind farms. Presently, hybrid wind speed forecasting models are widely used and have been verified to perform better than conventional single forecasting models, not only in short-term wind speed forecasting but also in long-term forecasting. In this paper, a hybrid forecasting model is developed, the Similar Coefficient Sum (SCS) and Hermite Interpolation are exploited to process the original wind speed data, and the SVM model whose parameters are tuned by an artificial intelligence model is built to make forecast. The results of case studies show that the MAPE value of the hybrid model varies from 22.96% to 28.87 %, and the MAE value varies from 0.47 m/s to 1.30 m/s. Generally, Sign test, Wilcoxon’s Signed-Rank test, and Morgan--Granger--Newbold test tell us that the proposed model is different from the compared models.     

高校自动排课系统的设计与实现

高校的排课工作一直是教学管理中一项重要而复杂的工作,拥有大量的约束条件,根据不同的实际情况也有着复杂的特殊性.高校自动排课系统不仅能够提高教学管理人员的工作效率,也可以大大提高排课的科学性和可靠性.     

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。     

考虑成本的多出救点多物资应急调度研究

为减少应急资源调度过程中发生的经济损失,在某些最短完成时间值要求不十分敏感的应急资源调度基础上,提出引入资源需求紧迫程度的多出救点多物资调度模型,同时定义调度成本目标函数,并结合分治算法基本思想,求解综合调度效益最高的出救点方案,最后进行实例分析和对比分析。结果表明:在对应急资源储备仓库进行选择时,需求紧迫度的引入能极大地改善调度的盲目性,结合基于道路因素建立的成本函数能有效地减少不必要的调度成本,从而提高资源调度的综合效益。     

B－P网络用于环境质量分类研究

用全国２５个湖泊的水质指标资料作为训练样本，应用人工神经网络Ｂ－Ｐ算法，分别建立了３参数和４参数的水质分类模型。并用所建立的模型对６个湖泊水质进行分类检验效果。结果表明Ｂ－Ｐ模型应用于环境质量分类是可行的。且由于Ｂ－Ｐ网络有自学习、自适应的能力，因而与其它的环境质量分类法相比具有优越性。     

用遗传算法优化工业污染源布局

工业污染源的优化布局是复杂的以偏微分方程为约束条件的控制问题。遗传算法是一种近年发展起来并广泛应用于多个领域优化问题的最优化方法。引入罚函数来处理环境不等式约束，建立了适当的编码方式和适应度函数，应用遗传算法以求解优化布局问题，并进行了数值试验。数值试验结果表明，遗传算法可以有效地用于求解工业污染源的优化布局问题，而且该方法鲁棒性好，适用于任意的目标函数和空气污染模式，天然适合于并行计算，有很好的应用前景。     

“哨兵-2”卫星影像及C2RCC算法在太湖冬春季水色分析中的应用

利用太湖2019—2022年冬春季“哨兵-2”卫星10 m分辨率的MSI影像和SNAP软件C2RCC (Case 2 RegionalCoastColour)模块,以适合浑浊、富营养程度较高、光学复杂的“二类水体”的C2X-nets为模式,开展太湖叶绿素a、总悬浮物浓度、透明度等水色参数反演。结果表明:冬春季太湖各湖区叶绿素a浓度处于较低水平,但4月中旬起有明显抬升;太湖西部沿岸区、南部沿岸区和湖心区总悬浮物浓度较高,表明这些湖区易受风浪影响,造成沉积物再悬浮;太湖东部沿岸区、北部湖湾及东太湖遥感反演的水体清澈度较高,可能与这些湖区冬春季沉水植物菹草的分布有关,菹草生长对水质有较好的净化效果。总体来看,基于C2X-nets模式的C2RCC反演算法从较高分辨率卫星遥感影像中提取的水色信息,能有效反映太湖冬春季水色指标的空间分布特征,可为湖体生态状况及动态变化的长期监测评估提供有价值的参考。