微粒群算法在隧道爆破参数优化中的应用

以隧道爆破开挖过程中成本作为目标函数,在钟汉荣爆破数学模型的基础上建立起隧道爆破参数优化数学模型。由于隧道钻爆开挖的爆破参数优化问题是一个复杂多变的非线性规划问题,且实际问题中决策变量的选择受到现实条件的限制,从而使得传统的数学方法对于此类问题难以求得,甚至无法求出最优解。采用微粒群算法求解隧道爆破参数的优化问题,结果证实了微粒群算法进行爆破参数优化的可行性与高效性。     

基于微粒群优化算法的水轮机调节系统最优参数整定

（PSO）算法是一种随机全局优化技术，该算法简单、容易实现，且功能强大。文中研究了水轮机PID调节器参数的优化问题，利用PSO算法对系统所处的不同状态和工况进行了PID参数寻优。仿真结果表明，此种PID控制器比常规PID有更好的动态调节性能和鲁棒性，不失为一种具有较好实用价值的PID参数优化方法。     

基于改进粒子群优化算法的新安江模型参数优选

新安江模型是一种实用有效的水文模型,在洪水预报以及水资源评估和管理中得到了广泛的应用。为此,结合新安江模型参数的特点,提出了基于改进粒子群优化算法的新安江模型参数优选方法,并将该模型应用到日径流预报中。实例表明,该方法能快速地完成参数寻优,并能较好地寻找出参数的全局最优解。     

利用单纯形-粒子群混合算法确定越流含水层参数

针对粒子群优化算法后期存在的收敛速度慢、早熟、易陷入局部极小等问题,将局部搜索能力强的单纯形算法和粒子群算法结合,构造单纯形-粒子群混合算法。以第一类越流系统情况下的非稳定井流问题的解析解为基础,将单纯形-粒子群混合算法应用于分析抽水试验数据,计算含水层参数的问题。数值实验结果表明:单纯形-粒子群混合算法能有效地应用于分析抽水试验数据,确定含水层参数,且具有局部搜索能力强、运算速度快和计算精度高等优点。     

利用单纯形2粒子群混合算法确定越流含水层参数

针对粒子群优化算法后期存在的收敛速度慢、早熟、易陷入局部极小等问题,将局部搜索能力强的单纯形算法和粒子群算法结合,构造单纯形-粒子群混合算法。以第一类越流系统情况下的非稳定井流问题的解析解为基础,将单纯形-粒子群混合算法应用于分析抽水试验数据,计算含水层参数的问题。数值实验结果表明：单纯形-粒子群混合算法能有效地应用于分析抽水试验数据,确定含水层参数,且具有局部搜索能力强、运算速度快和计算精度高等优点。     

利用单纯形-粒子群算法识别二维河流水质参数

将单纯形-粒子群混合算法应用于分析二维河流横向扩散情况下的水团示踪试验数据,估计河流的横向扩散系数、断面平均流速和污水排放位置。数值试验结果表明:(1)加速因子c_1,c_2和参数初值取值范围综合影响粒子的搜索能力,当加速因子c_1=c_2=1.72时,有利于保持粒子的搜索能力;(2)在同样的条件下,混合算法的时间性能指标值小于单一的粒子群优化算法;(3)参数初值的取值范围对混合算法收敛性几乎没有影响;(4)混合算法可以有效地应用于河流水质数学模型参数识别问题。混合算法能改善粒子群算法在迭代后期出现的收敛速度慢、早熟的不足,是分析河流水质模型参数的一种有效方法。     

灰色模型结合微粒群算法的城市用水量预测

为了提高城市用水量的预测精度,基于灰色GM(2,1)模型,采用参数ρ进行数乘变换,利用参数λ修正其背景值,引入微粒群算法(PSO)寻求参数λ、ρ的最优解,构建PSO-GM(2,1,λ,ρ)模型,对某市1990—2001年用水量进行预测,并与灰色神经网络(GNNM)算法预测结果进行对比。结果表明:引入PSO算法,利用其全局搜索、局部搜索相结合的搜索模式确定λ、ρ,可以提高灰色模型的预测精度;参数λ、ρ的随机性、灵活性加上PSO算法的搜索性、寻优高效性使PSO-GM(2,1,λ,ρ)模型比GNNM模型预测精度更高。     

基于动态微粒群算法的神经网络模型及应用研究

通过对微粒群PSO优化算法惯性因子和加速因子的动态调整,保证PSO算法迭代过程中全局与局部寻优能力的动态平衡,构造了一种更加稳定准确的动态微粒群DPSO优化算法。进而将动态微粒群DPSO优化算法与传统BP神经网络相结合,分别采用动态微粒群DPSO优化算法和自适应BP算法对神经网络权值进行全局优化和局部二次优化,建立基于动态微粒群优化算法的神经网络DPSO-NN预测模型。利用所建立的动态微粒群神经网络模型对渤海某海域年极值冰厚进行训练预测,并将训练预测结果与BP-NN、GA-NN、PSO-NN模型的训练预测结果、以及实际数据进行对比分析,验证DPSO-NN预测模型具有更优的训练稳定性和预测准确性,为冰区海洋平台安全评估提供了更为可靠的环境载荷参量。     

基于智能算法的岩石强度参数优化求解

准确计算岩土体强度参数对评估岩土工程的安全性和经济性具有十分重要的意义。目前,岩石三轴实验是获取岩石强度参数（黏聚力、内摩擦角、单轴抗压强度、岩体软硬特征参数）的重要手段。大多通过试验获得轴向破坏强度σ1和对应的围压σ3后,采用手工作图或以计算机拟合包络线,以及最小二乘法求解岩石的强度参数。计算方法较多但偏重数学计算而忽视了物理意义,求解误差较大。针对上述问题,基于 MATlAB 语言以 Mohr － Coulomb 强度准则（线性准则）和 Hoek － Brown 强度准则（非线性准则）建立目标函数,通过粒子群算法和鱼群算法进行寻优求解。并与传统的线性回归法进行比较,通过拟合误差（Mse ）分析,发现该算法求解既有优越性且能满足工程实际需求,为“模型与参数给不准”以及许多机理复杂的岩土问题的解决提供参考。     

改进粒子群优化算法在水文模型参数优化中的应用研究

引入改进的粒子群优化算法,对垂向混合产流模型计算参数进行优化,并对比参数优化前后水文模拟精度。研究结果表明：改进的粒子群优化算法模型可较快完成参数优化,相比于参数优化前,垂向混合产流模型年尺度模拟相对误差减少6.15%,模拟的过程确定性系数平均提高0.11;在次洪模拟中,模拟相对误差平均减少3.03%,模拟的洪水过程确定性系数平均提高0.19,水文模拟精度得到较大程度提高。研究成果对于区域水文模型参数优化提供参考价值。     

基于改进粒子群算法的大坝监控加权统计模型

用于大坝安全监控的加权统计模型主要依据工程经验确定各因子的权重,这种求解方式易导致部分因子信息的缺失。根据大坝安全监测数据,应用粒子群算法可优化确定加权统计模型中各参数的最优解,但对于高维度优化问题,该算法存在收敛速度慢、易陷入局部最小等不足。针对这些不足,考虑粒子种群平均位置信息的影响,提出一种新的改进粒子群算法,利用单体与种群平均位置的距离信息确定两者之间的学习因子。土石坝工程实例分析结果表明:改进粒子群算法加强了种群跳出局部最小的能力,所得加权统计模型的权重符合工程实际情况。尤其在大坝运行初期,监测资料较少的情况下,基于改进粒子群算法的大坝监控模型具有较高的预测精度和预报能力,可为大坝监控领域提供一种新的数据分析方法。     

基于蚂蚁和粒子群算法的土石方调运优化方法研究

本文分析了水利工程中土石方调运的影响因素及其特点,提出了一种基于蚂蚁算法和粒子群算法的土石方调运优化方法。与线性规划方法相比,该方法对调运问题的约束和目标函数没有线性要求,具有可以考虑实际工程中非线性约束、便于随机模糊分析等优点。在某大型堆石坝土石方调运中的应用及其与线性规划方法结果比较表明,本文提出的方法是可行的。     

基于文化粒子群算法的水库发电调度图绘制

为了解决使用常规方法绘制水库发电调度图时,典型水文年的样本容量有限、水文特征的代表性具有局限性的问题,引入了文化粒子群算法,采用信仰空间吸收种群的知识经验,形成规则引导种群进化,充分利用历史实测资料绘制调度图。通过实例研究,获得了较常规方法更优的结果,为优化方法在水电站中长期调度中的应用提供了一条新途径。     

改进粒子群算法在大坝力学参数分区反演中的应用

为反演大坝的力学参数,需克服粒子群算法不能保证收敛到全局最优解的缺点,本文应用了一种新的粒子群算法:采用了拉伸目标函数法、Metropolis算法和自适应权重.同时将上述改进算法同量子粒子群算法和灾变粒子群算法进行了比较,将实际反演结果同超声波检测和常规基于混合模型的反演结果进行了比较,解释了常规反演结果偏小的原因.工程实例表明,改进算法具有计算量小、全局收敛性能高的特点,与灾变粒子群算法和量子粒子群算法性能相当.     

基于AdaBoost集成的WPSO-RBF大坝变形监控模型

变形监测是大坝安全监测的必设项目,由于影响因子众多,常利用神经网络(如BP,RBF等)进行参数选取和模型建立。传统的径向基函数(RBF)神经网络因网络结构简单、收敛速度快而被广泛运用,但其在预测中易陷入局部最优且参数选取不当会对其收敛性产生影响。因此,首先利用动态权重粒子群算法(WPSO)对RBF神经网络的3个参数(隐含层基函数的中心c、宽度d及隐含层到输出层的权值w)进行优化,建立基于WPSO-RBF的大坝变形监控模型,然后将WPSO-RBF模型作为弱分类器,采用AdaBoost算法进行集成,建立基于WPSO-RBF-AdaBoost的大坝变形监控模型。将该模型运用到工程实例中,实例结果显示该模型具有收敛速度快、分类精度高、泛化能力好,可建立较优的大坝变形监控模型。     

基于粒子群优化算法的河谷地形风电场优化布置

以四川省安宁河谷地区的风电场为例,利用Meteodyn WT软件,对所选的风电场测风数据进行了分析研究。通过分析研究,得到了整个风电场各个网格点的风速、能量密度、湍流强度以及发电量等方面的参数;在此基础上,以风电场的发电量最大、尾流影响较小为优化目标,建立了基于改进的粒子群算法的优化数学模型,并运用该模型,对风力发电机组的机位优化布置方案进行了研究。研究结果表明：经过优化,与原有的风力发电机组的布置方案相比,优化后的布置方案的理论年发电量提升了5.58%。     

基于粒子群算法的邯郸市水资源优化配置系统研究

随着经济的发展,邯郸市缺水矛盾日益严重,合理配置有限的水资源显得尤为重要.运用多目标规划理论建立一个多水源联合调度的水资源优化配置模型.该模型以经济、社会和环境的最大综合效益为目标,用粒子群算法求解,得到了邯郸市规划年(2020年)3种不同保证率下的水资源优化配置方案,为邯郸市的水资源规划和管理提供了依据.优化结果表明...     

基于粒子群算法的邯郸市水资源优化配置系统研究

随着经济的发展,邯郸市缺水矛盾日益严重,合理配置有限的水资源显得尤为重要。运用多目标规划理论建立一个多水源联合调度的水资源优化配置模型。该模型以经济、社会和环境的最大综合效益为目标,用粒子群算法求解,得到了邯郸市规划年（2020年）3种不同保证率下的水资源优化配置方案,为邯郸市的水资源规划和管理提供了依据。优化结果表明,粒子群算法在邯郸市水资源优化配置中是切实可行的。     

基于自由搜索的灌区优化配水模型研究

在求解优化配水问题时,遗传算法和粒子群算法是经常被采用的优化算法,然而在优化过程中可能出现早熟,从而会影响到配水模型的有效性。为此,本文引入一种新的基于动物群体的优化算法——自由搜索(FreeSearch)算法,并以实现单位灌溉水量的净收益最大为目标构建了灌区优化配水模型,设自由搜索中动物探查行走时的位置分量为模型寻优参数,应用自由搜索算法对模型进行优化求解。实例应用结果表明:与加速遗传算法和标准粒子群算法求解优化配水模型的结果相比,本文建立优化配水模型能为灌区提供更合理的优化配水方案,可使整个灌区及单位灌溉水量的净收益都获得显著增长。     

基于并行混沌量子粒子群算法的梯级水库群防洪优化调度研究

梯级水库群防洪优化调度问题规模庞大、结构复杂,涉及大量的决策变量和复杂的约束条件,各水库、各时段之间的水位、流量存在复杂的耦合关系,呈现出高维度、非线性、强约束特性,传统的优化方法难以直接求解或者计算效率低,存在早熟收敛问题。研究工作试图将量子粒子群算法(QPSO)引入到水库群防洪优化调度问题中,为了提高算法的全局搜索能力和收敛性能,对标准QPSO做了改进,包括利用混沌思想初始化种群、自适应激活机制和精英粒子混沌局部搜索策略3个方面,并引入多核并行计算技术以降低计算时间,提出了并行混沌量子粒子群算法(PCQPSO),函数测试证明了PCQPSO的可行性、稳定性和高效性。将PCQPSO应用到水库群防洪优化调度问题中,与POA、QPSO进行对比分析,结果表明PCQPSO收敛效率快、求解精度高,为解决梯级水库群防洪优化调度问题提供了一种有效的新思路。