邢贞相[1]2004年在《遗传算法与BP模型的改进及其在水资源工程中的应用》文中认为在水资源系统工程中，存在诸多非线性、多维组合优化问题。解决这些问题的传统方法多采用解析法和穷举法，但这些方法都存在不同程度的缺点。本论文的目的旨在寻求出能够解决这些问题的更有效，更方便的方法。遗传算法(Genetic Algorithm,abbreviated:GA)是一种全局优化方法，本论文在前人研究基础上，对遗传算法进行了改进，建立了基于实数编码的加速算法。并在天然河道水面线计算、溢流坝下游断面水深计算、频率曲线分析、分区给水系统等水利工程问题中得以应用，证明该算法是一种性能优越，使用方便的全局优化方法。 另外，水利工程中涉及到许多预测、分类、评价等问题，恰好这类问题往往也存在多维、非线性的、实测数据信息不完整等特征，很难建立准确的数学模型来解决。人工神经网络模型(Artificial Neural Net,abbreviated:ANN)是一种具有自组织学习、联想记忆功能的信息处理系统。本文把模拟退火算法(Simulated Annealing algorithm,abbreviated:SA)融入到误差反向传播(Error back Propagation,abbreviated:BP)的人工神经网络模型中，对BP网络模型进行了改进，形成了一种基于模拟退火算法的BP神经网络模型((简记，SABP)。并将其应用到实际工程当中，结果表明基于模拟退火算法的BP神经网络模型比传统改进的BP网络模型在计算精度、运行速度方面均有很大的提高。为了能进一步地提高BP网络的性能，本文尝试将基于实数编码的加速遗传算法与其耦合，形成了基于实数编码的加速遗传算法和模拟火算法的BP网络(简记，RAGASABP)。经过在洪灾损失预报、作物—水模型、作物需水量的计算、地下水位动态变化预测和水质评价中实际应用，证明基于实数编码的加速遗传算法和模拟火算法的BP网络具有很强的非线性映射能力和分类、评价能力。最后，得出结论，认为RAGA(Real coded Accelerating Genetic Algorithm)和RAGASABP(Error back Propagation based on RAGA and SA)能够较好地解决很多水资源工程中的具体问题。
金菊良[2]1998年在《遗传算法及其在水问题中的应用》文中认为在对遗传算法(GA)进行较为深入、系统的探讨基础上,本文提出了对简单遗传算法(SGA)的一种改进方案—加速遗传算法(AGA),并把AGA 系统地应用于洪水灾害评估、水文水资源建模和水环境优化等一系列水问题中,形成了一种理论研究与应用研究紧密结合的独特体系。其主要内容如下:1.指出了传统优化方法处理复杂水问题的局限性,论述了GA 的研究进展,并提出了研究遗传算法的一种基本思路,即对遗传算法本身的研究过程也可以采用与GA 演化过程一致的方式来进行。这种思路对选择科研策略、评价科研成果甚至认识自然、改造自然等过程也同样适用。2.指出了SGA 在全局优化性能与收敛性之间存在着固有的矛盾。3.归纳了SGA 在应用中已表现出的许多缺陷,并在前人研究成果的基础上提出了对SGA 进行全面改进的11 种方式。为提高SGA 的收敛速度,同时兼顾SGA的全局优化能力,提出了AGA,其要点是:(1)AGA的基本原理是利用在SGA演化过程中所搜索到的优秀个体这一小群体来逐步调整、压缩SGA 以后的搜索空间,从而减少了算法的计算量,提高了算法的搜索效率;(2)得到了AGA 控制参数的简便设置技术,它们是:二进制编码长度e、杂交概率pc和个体串的变异率pm分别固定设置为10、1.0 和1.0;群体规模n 与优秀个体数目s 存在经验关系式:s/n>n/(e·2e),并且建议n 取300 以上,s 相应取10 以上;在每次加速循环中AGA 只进行两次进化迭代;(3)归纳了AGA 的一些显着特点:它是收敛的;具有全局优化能力;它的计算量少、解的精度不再受二进制编码长度的控制,因此它适用于实变量优化问题、连续/离散混合优化问题;它对优化变量搜索空间的大小变化具有适应性,表现为对适应度函数值越敏感的优化变量,它的搜索空间被压缩得越快;AGA 控制参数的设置技术较确定、简便;(4)11 个不同的典型优化问题对AGA 的测试结果表明了AGA 的优化性能是稳健的,AGA 控制参数的简便设置技术是可行的,初步预示出AGA 潜在的应用前景。4.探讨了AGA与BP网络的结合问题,并提出了训练BP神经网络的新方法—BP-AGA 混合算法并给出了相应的实现技术。测试结果表明了,与纯BP 算法相比,BP-AGA混合算法能加快BP神经网络参数的优化进程,同时在一定程度上改善了
熊建秋[3]2006年在《水科学信息分析计算新方法及其应用》文中研究说明水科学信息分析计算长期以来都是国内外研究的热点，一直处于积极探索和不断发展之中，特别是近一二十年，随着科学技术的进步，涌现了大量既有理论深度又有应用价值的研究成果，使这个领域的深入研究具有广阔的空间。 本论文依托973国家重点基础研究发展规划项目“长江中下游湖泊富营养化发展趋势预测方法研究”(NO.2002CB412301)和国家自然科学基金项目“基于子波和分形理论的水文尺度分析新途径”(NO.40271024)，在总结吸收相关前人研究成果的基础上，基于大量实际水文水资源资料，运用现代智能科学的有关新理论和新技术，系统地研究和完善了部分水科学信息分析计算的新方法，提出了多种耦合预测模型，广泛适用于水科学和其它相关领域。此外，本文发现并明确指出了传统小波分解耦合预测方法的不足，并针对不足提出了信号倒置小波分解和信号滑动小波分解解决方案，对于科学合理地使用小波分析具有重要的指导意义和较高的实用价值。概括起来，本论文的主要研究内容和成果包括以下几个方面(各部分之间的联系请见第20页图1.1)： (1) 全面系统地引入针对小样本数据且具有优良推广性能的支持向量机方法(SVM)，将SVM初步应用于水电边坡稳定性预测、水流挟沙力预测和年用电量预测等实例，获得了较传统方法更好的效果；如何合理选择SVM的参数，目前仍缺乏有效的方法，这严重限制了SVM的实际应用，为此首先尝试引入了免疫进化算法(IEA)来优化SVM核函数参数，取得了一定的效果；考虑
马太玲[4]2007年在《湖库水质评价及水质模拟预测方法研究》文中研究指明在经济发展高速增长的同时,水环境问题日渐突出,迫切需要相应理论及技术的支持。研究水体中污染物迁移转化规律,准确评价水环境状况,预测水环境变化趋势,对于经济有效地防治水环境污染,具有重要的科学价值和现实意义。本论文以国家自然科学基金重点研究项目“京蒙沙源区植被建设中水资源优化配置研究”和内蒙古自然科学基金项目“西山湾水库水环境质量预测模型与水环境改善对策研究”为依托,结合浑善达克沙地京蒙沙源区生态环境建设中生态需水的实际,将环境科学、水利科学等学科进行交叉渗透,就模糊集理论、灰色系统理论、自适应神经网络算法(A-BP)、加速遗传算法(AGA)以及各种算法的结合在水质评价中的应用进行了研究,就神经网络在水质模拟预测及水库富营养化预测方面的应用进行了探讨,建立了基于A-BP和AGA的水质评价、模拟预测模型,旨在寻求一种评价结果客观、准确、评价过程简单而有效的评价预测方法。(1)在采集分析西山湾水库大量实测水质数据的基础上,建立了基于AGA的模糊贴近度水质评价模型、基于AGA的LOG曲线水质评价模型和A-BP水质评价模型,采用上述模型以及模糊数学法、灰色关联法对水环境质量进行了现状综合评价,并对各种方法进行了对比分析。(2)将A-BP模型用于串联水库水质的时空模拟与预测。根据水质在一维空间和时间上的连续性,建立了模拟水质一维空间分布和时间分布的A-BP串联模型,并建立了二维A-BP模型。(3)采用A-BP模型和AGA模型对水库的富营养化进行了评价;建立了基于A-BP的富营养化指标预测模型,并对水库富营养化指标进行了预测。(4)推算了水库水环境容量,对入库污染源进行了分析预测,根据水污染控制和生态修复理论,制定了水库水污染防治对策。研究结果表明:较之其它方法,采用基于AGA的模糊贴近度模型和A-BP模型进行水质评价可信度较高;采用A-BP模型各项水质指标模拟效果均较好,并且体现出可同时模拟多个变量和模拟过程大为简化等优点;采用AGA-LOG和A-BP进行水库富营养化评价,两种方法评价结果基本一致;在水库富营养化预测的几种方法中,A-BP模型的预测精度高于其它方法;水环境容量推算结果表明,西山湾水库已无TN、TP和CODMn的环境容量; BOD_5、COD_(cr)仍有一定的环境容量。
周激流[5]2000年在《遗传算法理论及其在水问题中应用的研究》文中指出遗传算法是人工智能的关键技术之一，世界各国都将其作为一个重要的研究课题。本文的主要研究内容有： 1．系统综述了国内外遗传算法的研究进展，分析了部分模型的思想和技术处理特点，概述了遗传算法在水问题中的应用情况，提出了需要注意的动向。 2．根据参考文献分析的典型遗传算法(CGA)不成熟收敛的起因，本文提出了一种可克服CGA不成熟收敛缺陷的，进而寻得全局最优解的新遗传算法(NGA)，从理论和实验两方面证明了其改进后的遗传算法能有效地克服不成熟收敛、进而搜索到全局最优解。 3．根据自适应遗传算法(AGA)的原理，本文提出了一种新的MAGA(MODIFIED ADAPTIVE GENETIC ALGORITHM)——增强的自适应遗传算法，该方法不仅能够加快普通遗传算法的收敛速度，而且能够有效地保证种群的多样性，通过求解具有多个极值点的函数优化问题，计算机仿真实验结果表明该方法是非常有效地。 4．开展了NGA和MAGA在水问题中的一系列应用的研究，它们是：用SGA和NGA优化马斯京根模型参数，用SGA和MAGA优化暴雨强度公式中的参数，实例计算表明了它们在水问题的优化问题中是有一定工程实用价值的。 5．近年来，人工神经网络(ANN)和遗传算法(GA)相结合的研究已引起了人们极大的关注。本文首先系统综述了该学科领域的发展现状，然后提出将增强性自适应遗传算法(MAGA)和BP算法相结合，利用二进制编码来同时优化多层神经网络的网络结构和权值，通过对洪水灾害评估建模和岷江紫坪埔洪水预报模型的实验，证明了这种方法能有效地避免BP算法陷入局部极小和遗传算法过早收敛，结果是满意地。
赵小勇[6]2006年在《投影寻踪模型及其在水土资源中的应用》文中研究指明通过对传统投影寻踪技术的分析,本文提出了多种改进的投影寻踪新技术,由于水土资源存在高维、非线性、实测数据信息不完整等特征,本文建立了投影寻踪在综合评价和预测等方面的新模型,较好地解决了水土资源中的多元复杂性问题。本文取得了以下叁方面的创新成果:1.本文用基于实数编码的加速遗传算法给出了投影寻踪方法中优化投影方向的新算法,新算法简化了传统投影寻踪模型技术中复杂程序的实现过程,更有利于投影寻踪技术的推广应用。2.在水土资源分类和综合评价中,根据评价样本自身的结构特性或一定的评价标准的结构特性,本文建立了基于多种投影指标函数的投影寻踪聚类模型,当采用标准差和局部密度来构造投影指标函数时,推导得出了投影寻踪聚类模型中唯一的参数——密度窗宽的计算的经验公式;针对评价样本指标间存在多重相关性问题,本文建立了投影寻踪主成分分析。3.在水资源预测中,根据预测对象与预测因子间相互作用关系,本文建立了投影寻踪回归模型、投影寻踪门限回归模型、基于神经网络的投影寻踪耦合模型、基于偏最小二乘回归的投影寻踪耦合模型和基于偏最小二乘回归的神经网络投影寻踪耦合模型。根据预测对象自身的结构特性,本文建立了投影寻踪自回归模型和基于神经网络的投影寻踪自回归耦合模型。各预测模型能从不同角度解决了水资源预测中的高维复杂性问题,开阔了建立水资源预测模型的新思路。综上所述,投影寻踪体现了辨证法中的主要矛盾的思想,本文将其用于水土资源的多元复杂性研究,取得满意结果,为解决当前某些实际问题提供新技术,为水土资源系统研究提供了新思路。
蒋佰权[7]2007年在《人工神经网络在水环境质量评价与预测上的应用》文中进行了进一步梳理水不仅是生命资源，而且更是一个民族生存和发展的战略资源。水环境质量评价和预测是水资源可持续利用中的一个重要环节，关系到整个人类社会的生存和发展。传统的水环境质量评价和预测方法在处理水文要素的模糊性、随机型性和复杂性方面存在一定缺陷。为了探索和改进水质量评价和预测方法，本论文主要针对传统水环境质量评价和预测方法的不足，并且基于水环境特点、水环境质量评价和预测方法理论，新兴的人工智能和神经网络原理等理论的基础上，构建了人工神经网络的水质评价和预测模型，并把该模型应用到水质评价和预测中，该研究是由首都师范大学和中国环境监测总站合作完成的。本论文所做的工作主要有：一、为对水环境质量评价和预测方法有一个清楚的了解，我们对水环境质量评价和预测的最新理论和方法做了详细的介绍，并且比较分析了这些方法，然后对水环境质量评价和预测方法研究的发展趋势给出了我们自己的一些看法。二、总结了人工神经网络的基本概念、原理、算法和主要应用等，在此基础上我们概括总结了其在水环境质量方面的一些应用。叁、论文详细介绍了BP，RBF和HopField叁种神经网络的水环境质量评价模型，然后在此基础上构建并实现一种改进算法的BP神经网络水环境质量评价模型；用相关的监测数据作为测试数据来检验该模型，评价结果同实际水质量结果一致，而且模型应用简单，计算方便，具有很好的实用性。四、论文详细介绍了改进BP算法，L-M优化算法和RBF算法叁种水环境质量预测的算法模型，然后在BP神经网络Levenberg-Marguardt优化算法和时间序列法的基础上构建实现了水环境质量预测模型。我们选取DO、COD、TN叁项作为预测指标，并把一个月的监测数据作为样本应用到该模型，最后，预测结果和实测结果的比较误差不大，表明L-M预测模型可以应用到水质量预测中。
张晓炜[8]2011年在《工程模糊集理论在水利工程中的应用研究》文中研究表明本论文结合水利工程实际,研究和探讨了工程模糊集理论在水利工程领域的应用问题。研究内容和成果主要包括:将模糊识别模型用于区域水资源可持续利用评价,结合评价实例,论述了该模型的实用性;针对模糊聚类模型,既能获得样本的分类,又能对分类结果进行优劣排序的特点,将其应用于某水利工程投资方案的优选上,取得了较好的效果;进行了基于多级模糊决策模型的水利工程建设项目社会评价的研究,结果表明该模型在处理多目标、多层次的优化决策问题方面的突出优势和特点;最后,将工程模糊集理论和神经网络结合,用基于模糊优选神经网络模型对哈尔滨城区水质进行评价,取得了合理的评价结果,验证了该方法的可行性。
参考文献：
[1]. 遗传算法与BP模型的改进及其在水资源工程中的应用[D]. 邢贞相. 东北农业大学. 2004
[2]. 遗传算法及其在水问题中的应用[D]. 金菊良. 河海大学. 1998
[3]. 水科学信息分析计算新方法及其应用[D]. 熊建秋. 四川大学. 2006
[4]. 湖库水质评价及水质模拟预测方法研究[D]. 马太玲. 内蒙古农业大学. 2007
[5]. 遗传算法理论及其在水问题中应用的研究[D]. 周激流. 四川大学. 2000
[6]. 投影寻踪模型及其在水土资源中的应用[D]. 赵小勇. 东北农业大学. 2006
[7]. 人工神经网络在水环境质量评价与预测上的应用[D]. 蒋佰权. 首都师范大学. 2007
[8]. 工程模糊集理论在水利工程中的应用研究[D]. 张晓炜. 黑龙江大学. 2011