检索结果-南通市图书馆

利用改进SA算法估计河流水质参数的仿真实验

在线全文

学校读者我要写书评

暂无评论

系统仿真学报 2003年第12期15卷 1750-1752,1762页

作者：郭建青李彦王洪胜马健长安大学环境科学与工程学院西安710054 中国科学院新疆生态与地理研究所新疆乌鲁木齐830011

将改进模拟退火法应用于求解分析河流水团示踪试验数据,确定河流水质参数的函数优化问题。针对标准SA算法收敛速度缓慢的弱点,采取了增加附加约束条件、设置内阈值提前降温和增加记忆功能等措施对算法进行了改进。仿真实验结果表明:1) ... 详细信息

将改进模拟退火法应用于求解分析河流水团示踪试验数据,确定河流水质参数的函数优化问题。针对标准SA算法收敛速度缓慢的弱点,采取了增加附加约束条件、设置内阈值提前降温和增加记忆功能等措施对算法进行了改进。仿真实验结果表明:1) 改进措施能够明显地提高算法收敛速度,并可得到满意的参数计算结果;2) 内循环次数不会对外循环次数产生明显的影响;3) 内阈值的设置对算法的收敛速度影响非常明显,当其值与外阈值接近或相等时,算法的收敛性最佳;4) 在研究的具体问题情况下,降温指数不宜过大,其在0.4—0.65之间取值为宜。

关键词：模拟退化法算法改进河流水质参数参数优化估计算法控制参数

混沌-模拟退火算法在确定河流水质参数中的应用

在线全文

学校读者我要写书评

暂无评论

中国农村水利水电 2006年第1期 38-41页

作者：张艳杰郭建青王洪胜长安大学特殊地区公路工程教育部重点实验室西安710064 长安大学西安710054

将以混沌变量作为新状态产生器的模拟退火法应用于求解分析河流水团示踪试验数据,确定河流水质参数的函数优化问题。针对标准SA算法收敛速度缓慢的弱点,采取在内循环中增加记忆功能等改进措施,得到了满意的参数优化计算结果。

关键词：混沌-模拟退火法河流水质参数参数优化估计算法改进算法控制参数

在线全文

学校读者我要写书评

暂无评论

河流水团示踪试验数据分析的双站直线解析法

水利学报 2008年第5期39卷 618-622页

作者：温季郭建青宰松梅王洪胜西安理工大学陕西西安710054 长安大学陕西西安710054 水利部农田灌溉研究所

本文提出了一种分析瞬时投放示踪剂条件下的一维河流水团示踪试验数据的新方法。该方法利用2个观测断面的示踪剂浓度观测数据,确定河流纵向离散系数、河流断面平均流速与释放参数等水质参数,并能够根据一级反应速率常数的计算结果判断... 详细信息

本文提出了一种分析瞬时投放示踪剂条件下的一维河流水团示踪试验数据的新方法。该方法利用2个观测断面的示踪剂浓度观测数据,确定河流纵向离散系数、河流断面平均流速与释放参数等水质参数,并能够根据一级反应速率常数的计算结果判断示踪剂是否为惰性。通过实例应用表明,与利用直线图解法确定河流纵向离散系数相比较,新方法不仅能同时分析2个断面的观测数据,能够在预先不知示踪剂是否为惰性的情况下进行判断,而且具有计算结果可靠,计算过程比较简单、易于应用等特点。

关键词：水团示踪试验河流水质参数参数估计直线分析法双站观测数据

含有导数的智能优化算法求解水文水质参数优化问题

在线全文

学校读者我要写书评

暂无评论

含有导数的智能优化算法求解水文水质参数优化问题

作者：张梦倩长安大学

学位级别：硕士

智能优化算法是一种通过模拟或揭示某些自然现象或过程的优化算法。因为其操作简单,对目标函数要求较低的特点目前已经广泛应用于复杂问题的求解。但智能优化算法全局收敛能力较强,局部收敛能力较差,目前的重点都在对其进行改进,提高它... 详细信息

智能优化算法是一种通过模拟或揭示某些自然现象或过程的优化算法。因为其操作简单,对目标函数要求较低的特点目前已经广泛应用于复杂问题的求解。但智能优化算法全局收敛能力较强,局部收敛能力较差,目前的重点都在对其进行改进,提高它的局部收敛能力。通常的改进方法是将两种智能优化算法结合或将传统优化算法与智能优化算法相结合,而传统优化算法包含两类,一类包含导数,而另一类不需要求导。而含导数的传统优化算法收敛速度明显快于不含导数的传统优化算法。本文考虑到传统优化算法中的梯度下降法操作简单、局部收敛能力较强的特点,在智能优化算法的运算过程中加入梯度,构成含有导数的智能优化算法,并将其应用到水文地质参数和河流水质参数求解过程中。主要研究工作如下:本文首先介绍文中用到的几种算法的基本理论和具体运算步骤以及程序流程图,分析每种算法的优缺点,提出含有导数的粒子群算法和含有导数的遗传算法,并分别用几个测试函数对混合算法进行验证,说明含有导数的智能优化算法的可行性。其次主要以水文地质参数和河流水质参数求解过程为例,利用含有导数的智能优化算法以及标准智能优化算法进行求解。通过对比分析计算结果,验证了含有导数的智能优化算法对于求解水文水质参数问题的可行性;并将计算结果反演得到的计算数据与实际数据进行比较,两者拟合程度更好,验证了含有导数的智能优化算法计算结果的可靠性。其次通过比较含有导数的智能优化算法与不含导数的智能优化算法的计算过程,发现含有导数的智能优化算法收敛时所需要的进化次数明显少于不含导数的智能优化算法,充分表明含有导数的智能优化算法的收敛速度更快。最后给原始数据加一个轻微扰动,再次利用含有导数的智能优化算法与不含导数的智能优化算法进行求解,发现含有导数的的智能优化算法在求解时依然能够快速得到最优解,且运算过程相对稳定,进一步验证含有导数的智能优化算法不仅收敛能力更强而且更为稳定。

关键词：导数智能优化算法收敛能力水文地质参数河流水质参数

基于机器学习的混合智能算法求解参数优化问题

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

基于机器学习的混合智能算法求解参数优化问题

作者：强玲娟长安大学

学位级别：硕士

利用智能优化算法求解含参数的问题时,一般都会先建立相应的数学优化模型。而关于模型中目标函数的选择,我们通常都是依据最小二乘原理,以计算实验数据的计算值和测量值差的平方和来给出的。鉴于这种方法在利用实验数据时没有考虑到数... 详细信息

利用智能优化算法求解含参数的问题时,一般都会先建立相应的数学优化模型。而关于模型中目标函数的选择,我们通常都是依据最小二乘原理,以计算实验数据的计算值和测量值差的平方和来给出的。鉴于这种方法在利用实验数据时没有考虑到数据本身可能存在的测量或者统计误差,本文基于孟德宇等人提出矩阵因子分解的自步长机器学习方法,改进优化模型中的目标函数。主要做法是先在各项数据之前加入一个介于0到1之间的调整参数,用以削弱每个数据对总体预测结果的影响,其次在整个公式后再加入一个规则化函数调整整个模型,防止模型过分拟合训练数据,提高模型的整体泛化性能。因为这种情况下模型中的参数较多,复杂度很高,过拟合只是保证了训练误差很小,但是实际的预测能力不一定很好。本文先给出了上述机器学习方法改进传统目标函数的思想原型和机器学习算法的相关理论,然后主要以水文地质参数和河流水质参数问题的求解过程为例,分别用基于机器学习的改进模拟退火算法和改进粒子群算法进行求解,通过将计算结果和一般的智能优化算法或者混合算法进行比较,充分说明了本文提出的将机器学习的方法应用于优化模型的思想是可行的,并且在同一条件下比其他算法的求解效率更高,和实际数据的拟合程度更好。此外,通过给原始数据增加扰动和数据分组的改进方法,进一步验证了这种方法的稳定性和普遍适用性。

关键词：机器学习模拟退火算法粒子群算法水文地质参数河流水质参数