检索结果-南通市图书馆

中国农村水利水电 2013年第12期 19-21,26页

作者：王菲刘元会郭建青长安大学理学院西安710064 长安大学环境科学与工程学院西安710064

在标准粒子群算法的基础上,对迭代后的粒子进行位置和适应值的双评价,得到改进的粒子群优化算法。在化简非稳定井流问题解析解的基础上,利用抽水试验数据,根据最小二乘原理,确定了求解含水层参数与非线性渗流参数的目标函数,编写了用于... 详细信息

在标准粒子群算法的基础上,对迭代后的粒子进行位置和适应值的双评价,得到改进的粒子群优化算法。在化简非稳定井流问题解析解的基础上,利用抽水试验数据,根据最小二乘原理,确定了求解含水层参数与非线性渗流参数的目标函数,编写了用于求解该问题的双评价粒子群优化算法程序。最后,通过数字算例验证了方法的可行性和可靠性。

关键词：非线性井流双评价粒子群算法非线性参数含水层参数

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

双评价粒子群算法在反求非线性流特征参数中的应用

双评价粒子群算法在反求非线性流特征参数中的应用

引用

作者：王菲长安大学

学位级别：硕士

含水层参数是定量描述含水层储水性、导水性的基本物理参数，也是进行地下水资源评价的基础数据。利用抽水实验数据，选用适当的解析数学模型进行反演，是确定含水层参数的主要途径之一。目前，在地下水渗流计算中大多采用的是线性（达... 详细信息

含水层参数是定量描述含水层储水性、导水性的基本物理参数，也是进行地下水资源评价的基础数据。利用抽水实验数据，选用适当的解析数学模型进行反演，是确定含水层参数的主要途径之一。目前，在地下水渗流计算中大多采用的是线性（达西）流模型，这一假设在大多数情况下和渗流实际是相符的。然而，在含水层厚度较小、介质粒径较大或者抽水流量过大等情况下，在抽水井附近就可能出现非线性流。在国内外已有学者对非线性流做了研究，且推导出来了定流量抽水条件下水头降深及渗流速度的解析表达式。然而，这些表达式含有4个表示非线性流特征的参数，其解析表达式远比线性流情况复杂很多，难以在实际中应用和推广。为了解决这个问题，本文在已推导的两种流态并存区域上非稳定井流问题解析解基础上，应用双评价粒子群优化算法，根据抽水资料，反演该渗流模型中的非线性特征参数和含水层参数。主要工作如下：（1）对两种流态并存区域上非稳定井流问题解析解，应用数值分析的方法，进行了进一步的推导和简化，得到了能够方便计算任一时刻水头降深的数值表达式;（2）根据最小二乘原理，构造了确定含水层参数与非线性特征参数的目标函数。（3）应用改进的粒子群优化算法反演含水层参数。（4）通过数值算例验证了方法的可行性和可靠性。

关键词：非线性流渗流速度水头降深双评价粒子群算法非线性参数含水层参数

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于混合智能算法求解随机期望值模型和机会约束规划

基于混合智能算法求解随机期望值模型和机会约束规划

引用

作者：艾宁宁长安大学

学位级别：硕士

在运筹学、科学管理、信息科学、系统科学、计算机科学以及工程等众多领域中存在着许多客观的或人为的不确定性，这些领域中的很多决策需要在不确定环境下做出。不确定规划是解决这些决策问题的有力工具，因此，研究不确定规划模型的建... 详细信息

在运筹学、科学管理、信息科学、系统科学、计算机科学以及工程等众多领域中存在着许多客观的或人为的不确定性，这些领域中的很多决策需要在不确定环境下做出。不确定规划是解决这些决策问题的有力工具，因此，研究不确定规划模型的建立和求解方法有着重要的应用价值和理论价值。本论文通过分析，建立了不确定规划的随机期望值模型和随机机会约束规划，并在原来求解的基础上给出了新的智能优化算法，具体算法内容如下：首先利用随机模拟为不确定函数产生输入、输出数据，包括求不确定函数的数学期望、概率、乐观值、悲观值，这些值的精确值都是在模拟次数趋于无穷大时求得。此方法本身需要产生大量的输出、输入数据，这就需要大量的计算、花费很长的运行时间。为了减少计算量，节省运行时间，本文研究了减少计算量，节省运行时间的方法：给定不确定函数中的一组参数，确定模拟次数与误差之间的关系，找出满足精度要求的模拟次数，再分析其它不同的参数与模拟次数之间的关系。如果不满足，则寻找达到精度要求，模拟次数较小的方法。并通过选取的数值试验，计算了数学期望、概率、乐观值、悲观值，验证了其方法的可行性。其次根据产生的输入、输出数据，训练神经网络来逼近不确定函数。为了使训练的神经网络有更好的逼近能力，需要对神经网络中隐层神经元的节点数、传递函数、训练函数、学习速度进行优化选取。本文采用训练神经网络时，使均方误差最小为优化准则来选取。通过期望值模型和随机机会约束规划的数值试验，采用图表分析确定了隐层神经元的节点数、传递函数、训练函数、学习速度。并对训练成功的神经网络进行检验，结果表明训练的神经网络具有较好的逼近不确定函数的能力。最后，将期望值模型和随机机会约束规划中通过神经网络得到的目标函数和约束函数的近似函数作为粒子群算法的目标数和约束函数，得到优化问题的解就是期望值模型和随机机会约束规划的优化解。并分别用改进的粒子群算法和标准的粒子群算法对期望值模型和随机机会约束规划算例进行了数值求解，验证了改进粒子群算法优于标准的粒子群算法。

关键词：随机模拟不确定规划神经网路粒子群算法混合智能算法双评价粒子群算法

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：