好氧生物反应器填埋场的工艺设计优化

目前,以好氧生物反应器技术治理封场简易垃圾填埋场的工艺设计大多基于设计者的经验,设计过程中没有考虑各系统之间的相互影响,也无法实现系统结构和设计参数的同步优化。通过建立关于工程设计的混合整数非线性规划(MINLP)模型,描述了系统结构和设计参数之间的关系,以工程总投资最小为目标函数,以系统结构、设计规范等为约束条件,采用罚函数法和遗传算法对模型进行求解,实现了工艺设计的全面优化。     

智能算法及其在环境预警中的应用

智能算法具有学习非线性问题的能力,可有效优化环境模型结构与参数,是环境预警的重要工具。重点分析了遗传算法和人工神经网络的相关特征,并以太湖蓝藻水华预报预警为例,介绍其在提高环境模型精度中的应用。     

t分布受控遗传算法优化BP神经网络的PM2.5质量浓度预测

根据齐齐哈尔大学监测点2014年3—5月PM2?5质量浓度及其对应的每小时的气象因素、气体污染物浓度,建立基于t分布受控遗传算法的BP神经网络模型（ BPM?TCG）,对PM2?5质量浓度进行模拟预测。并将其与BP神经网络模型、遗传算法优化BP神经网络模型（ BP?GA）进行对比分析。3种模型预测结果表明：BPM?TCG模型预测精度最高,泛化能力最好。 BPM?TCG模型对PM2?5质量浓度的准确预测为预防和控制PM2?5提供依据。     

基于遗传神经网络模型的空气能见度预测

由于雾霾导致的空气能见度降低,给人们的出行带来很多不便。针对这一现象,构建基于遗传神经网络算法的空气能见度预测模型。将与空气能见度相关的7种气象因子和6种污染物浓度因子经过主成份分析后作为输入数据,输出8:00能见度和14:00能见度。该模型能够克服BP神经网络易陷入平坦区域和局部最优解的问题。以西安市2013-1-1—8-16的数据训练遗传神经网络,通过使用灰色模型获得预测时间段8-17—23的输入数据,可以得到这段时间能见度的预测值。通过与BP神经网络模型的比较,发现遗传神经网络预测模型在预测结果的相关性和绝对误差方面均优于BP神经网络模型,因此,可以更准确地预测空气能见度。     

基于修正遗传算法的夏玉米作物系数及蒸散发估算

农田蒸散量是作物蒸腾量和土壤蒸发量的总和,准确估算农田蒸散量对制定合理的灌溉计划至关重要,进而对农作物的增产保收具有重要的意义.研究作物系数及蒸散量估算模型已成为一个热点科学问题.淮河流域是中国主要的农业生产基地,而夏玉米是淮河流域最主要的粮食作物之一.为研究夏玉米全生育期蒸散估算模型,反映夏玉米逐日作物系数及蒸散量的...     

基于变权重和信息熵的区域水资源安全投影寻踪评价模型

区域水资源安全评价是气候变化下区域水安全管理的一项重要调控措施。为合理确定各评价指标的权重,提出了把权重结构分解为评价指标的单样本权重和样本集权重的新观点,建立了用基于加速遗传算法的模糊层次分析法和最小相对信息熵原理确定单样本权重、用基于加速遗传算法的投影寻踪模型和最大信息熵原理确定样本集权重的新模型--基于变权重和信息熵的投影寻踪评价模型（CWE PP）。将CWE PP模型应用于全国水资源安全背景下的巢湖流域水资源安全评价,结果表明：巢湖流域水资源安全状况整体上介于重度缺水与中度缺水之间,偏向重度缺水,略低于安徽省水资源安全状况。用CWE PP进行区域水资源安全评价,物理概念明确,计算结果合理,方法通用,在资源与环境综合评价中具有一定的推广应用价值。     

非支配排序遗传算法-Ⅱ组合赋权的水体富营养化多维联系云评价

用基于非支配排序遗传算法-Ⅱ组合赋权法的非对称多维联系云模型对24个湖库水体的富营养化程度进行分级评价。结果表明,该方法可综合不同赋权理念的优势,量化权重组合过程的不确定性、不同权重的随机性及其与真实权重的一致性等多重模糊特征,同时能高效准确地寻优求解指标权重,并能适用于多种不同类型水体的评价。扩展的多维联系云也提升了计算效率,集成联系度定量表征了富营养化等级与指标间的多重模糊随机性,实现了对水体富营养状况及其变化趋势的精确评价。     

脆弱性视角下的供水系统关键输水路径识别

针对供水系统的局部保护措施有助于提升其应对灾害时的整体安全性能,而识别关键设施则是设施保护的前提。以往的关键设施识别方法致力于建立系统脆弱性与节点或管线之间的联系,因此无法用于识别关键输水路径。当前研究首先借助设施功能的非均衡性建立了系统脆弱性与全体管线之间的联系,在此基础上提出了关键输水路径识别模型。随后,将水力分析融入遗传算法,在系统层次上实现了关键输水路径的全局近似最优搜索。最后,通过算例验证了关键路径识别模型和算法的使用效果。当前方法能够揭示关键路径如何随其中管线数量的增加而延伸,因此有助于指导路径层次的减灾保护措施。     

重大危险源大规模人群疏散决策模型研究

为在重大危险源应急救灾中给决策人员提供最优的人群疏散方案,提高抢险救灾能力,将疏散过程分为两个阶段——先将灾民疏散至临时疏散救援点,再根据灾民受伤的严重程度有选择地将其疏散至定点医院进行救治。综合考虑灾害对人群疏散造成的影响,将道路危险系数等参数加入目标函数中,将灾区按灾害程度赋予不同的优先疏散系数并将之反映在时间满意度上,以总疏散时间最小为目标函数,建立疏散模型,并应用遗传算法进行求解。最后,通过MATLAB进行仿真计算。研究结果表明:模型和算法给出的疏散策略是有效的。     

基于元胞遗传算法的多目标应急资源配置

为解决不同灾情下多目标多周期灾后救援问题,减少受灾损失,对灾后应急资源配置进行研究。从物流成本和系统损失2个方面最小化救灾行动的成本和最大化有限救灾资源的分配,建立基于路况的多目标应急资源配置模型,将帕累托前沿和超体积作为元胞遗传算法的求解性能指标,开展元胞遗传算法与遗传算法对模型的求解对比实验。结果表明:元胞遗传算法能较好地求解多目标多周期应急资源配置模型,且求解性能比遗传算法更好;通过对模型的求解,可为决策者基于不同灾情下的应急决策提供参考。