模糊物元分析在工程环境影响评价中的应用

在模糊物元分析的基础上,结合二元对比法、模糊集合理论和海明贴近度的概念,提出了工程环境影响评价模糊物元分析方法。结果表明,该方法是合理的,可靠的,为工程环境影响评价提供了一条新的途径。     

基于博弈论的灰色关联模型在水利工程方案优选中的应用

针对水利工程方案优选过程中主观赋权的随意性和不确定性,通过博弈论思想将序关系分析法(G1)确定的主观权重和熵值法确定的客观权重进行组合优化,结合灰色关联理论构建了博弈论组合赋权的灰色关联模型。以某水利工程方案为研究对象,运用博弈论组合赋权耦合灰色关联模型计算各方案的关联度,同时将优选决策结果与其他方法结果对比分析。结果表明:博弈论组合赋权耦合灰色关联模型的优选结果与其他方法相比,具有较好的一致性,该模型在多目标方案优选中具有一定的应用价值。     

南水北调中线京石段冰期输水规律研究

南水北调中线京石段供水工程起于河北省石家庄,止于北京的团城湖,渠道全长307km,由于沿线冬季天气寒冷,通常都会出现结冰现象。为了做好冰期调水运行工作,确保冰期通水工作的顺利进行,输水本文利用京石段四次冰期调度运行数据,在分析各输水渠段的冰情时空分布特征的基础上,提出了冰期输水调度的经验与规律,为南水北调中线工程的冰期调度运行、冰期灾害防治和冰期灾情预报提供技术支撑。     

基于改进ISODATA方法的洪水识别

通过引入权重系数和类别特征值,弥补了传统模糊ISODATA方法在实际应用中不考虑指标权重和不能直接得出分类结果的不足。实例分析结果表明:基于指标权重的ISODATA方法的分类结果更加合理。     

基于改进灰色聚类的震损水库等级评价及除险加固顺序研究

震损水库的受损类型众多,涉及因素繁杂且相互关联性较强,如何在水库受损后快速定损,以便后续除险加固工作合理有序地开展是非常现实及迫切的问题。针对传统灰色聚类方法中白化权函数选取和聚类原则确定中存在的具体问题,利用新型混合三角白化权函数的思路,提出基于改进灰色聚类方法的震损水库分析评价方法,并将该方法具体应用于四川省震损水库的定损评价。分析评价结果表明,该方法结构简单,可快速有效的实现水库震损程度排序,从而确定震损水库的除险加固顺序及紧要工序。通过多种评价方法对比以及实际震损情况分析可知,改进的灰色聚类决策方法评价结论可靠,可较好的运用于震损水库分析评价领域,对防止地震次生灾害的发生具有重要意义。     

Mε-OIDE求解约束优化问题算法及其在水库群防洪调度中的应用

约束处理技术和初始种群代表性对约束优化算法的性能具有重要影响。针对ε约束处理法求解约束优化问题时结果不稳定、经验参数难取值等问题,本文首先从当前两种不同的ε约束处理法出发,通过对其优缺点的分析,将Z-ε约束处理法对等式约束额外进行δ放松的操作补充到TS-ε处理法的整体框架中,并增设一个用户自定义参数来处理多样的约束条件,从而提出了一种改进的ε约束处理法。基于原始的差分进化算法,将其与前述改进的ε约束处理法和经典的反向学习初始化种群策略耦合,提出一种轻量化的Mε-OIDE(Modified ε-Opposition-based-learning Initialization Differential Evolution)约束优化算法。在CEC2006基准函数集上的测试结果验证了耦合策略的有效性,表明提出的Mε-OIDE算法具有高精度和强鲁棒性。此外,在水库群防洪调度问题上的优化结果进一步证明了Mε-OIDE优化算法处理实际约束优化问题的可行性和高效性。     

基于改进灰色模型的水资源预测

为了提高灰色模型GM(1,1)对用水量预测的精度,通过对传统灰色模型的残差序列进行改进,提出了一种新的灰色改进预测模型。将其应用于城市居民生活用水量预测中,结果表明:与传统GM(1,1)模型预测值相比,改进GM(1,1)模型预测值与实际值拟合效果更好。     

基于WD-COA-LSTM模型的月降水量预测

为进一步提高月降水量预测精度,提出了基于小波分解（WD）和郊狼优化（COA）算法的长短期记忆神经网络（LSTM）降水量预测模型（WD-COA-LSTM）。首先用小波分解对时间序列进行预处理,消除序列的非平稳性,得到1个低频序列和3个高频序列;然后通过郊狼优化算法对神经网络（LSTM）模型进行参数优化;最后将各子序列预测值叠加得到月降水量预测值。将提出的模型应用于洛阳市栾川县白土镇和洛宁县故县镇两个雨量站的月降水量预测中,并与LSTM、COA-LSTM、WD-LSTM模型预测结果进行对比。结果表明：提出的WD-COA-LSTM模型的预测精度最高,说明小波分解和郊狼优化算法能有效加强LSTM模型预测的精度和泛化能力,为月降水量的预测提供了一种新的途径。     

基于马尔可夫链校正GM-BP模型的径流预测

为进一步提高中长期径流预报精度,以兰西水文站1959-2014年径流深数据为例,分别利用灰色模型和BP神经网络模型对径流深数据进行预测,采用马尔可夫链推求状态概率对预测结果校正,用最小二乘法对双模型校正结果进行耦合。模型所得组合校正预测结果通过平均相对误差、均方差和合格率进行统计描述,校正后的组合预测结果平均相对误差和均方差分别为12.72%和11.70,均要优于灰色模型和BP神经网络模型且90.91%的预报结果满足相对误差小于20%的控制条件。可见,耦合模型能有效规避单一模型已存在的缺点,基于马尔可夫链的修正结果可使预测精度进一步提升。因此,本研究提供的组合校正模型在一定程度上具有更好的拟合效果和预报精度,是一种具有实用价值的预测模型。