基于自适应网格的多目标粒子群优化算法

针对现有多目标进化算法计算复杂度高,搜索效率低等缺点,提出了基于自适应网格的多目标粒子群优化(AGA-MOPSO)算法,其特点包括:评估非劣解集中粒子密度估计信息的自适应网格算法;能够平衡全局和局部搜索能力的基于AGA的Pareto最优解搜索技术;删除非劣解集集中品质差的多余粒子以维持非劣解集在一定规模的基于AGA的非劣解集截断技术.仿真计算表明,和文献中典型的多目标进化算法比较,AGA-MOPSO算法在求解复杂大规模优化问题方面表现了良好的性能.     

混沌差分文化算法及其仿真应用研究

针时差分进化算法(DE)全局寻优能力差,无法有效的求解工程中复杂的高维非线性优化问题等缺点,提出一种混沌差分文化算法(CDECA).该算法模型将DE嵌入文化算法的框架作为主群体空间的进化过程,同时,引入具有较强局部搜索性能的混沌搜索来进行信念空间的进化,并通过设计一组联系操作实现文化算法模型中两个空间的互相影响互相促进,提高算法的寻优效率.几个典型测试函数的测试结果表明CDECA的搜索能力优于DE,将其应用于某大型水库的优化调度,也取得满意的效果.     

平滑最小值法与数字滤波法在流域径流分割中的应用比较

将平滑最小值法和2种数字滤波法应用于三峡水库的日入库流量的基流分割,比较了3种方法的基流分割效果.结果表明,数字滤波法优于平滑最小值法,所得的地下径流更平滑,更符合流量过程线退水段的物理规律;拥有2个参数的数字滤波器对总径流序列的高频信号的平滑作用要优于拥有1个参数的数字滤波器,所获得的地下径流序列更为稳定,变化性小,更适用于三峡大坝坝址以上的大流域的基流分割.     

基于SWAT模型的黄柏河东支流域气候变化的水文响应研究

黄柏河东支流域为宜昌市的生活、工业用水和农业用水提供了重要保障,是宜昌市重要水源地,研究气候变化情景下径流量的变化对该流域经济发展和生态保护具有重要意义.本文使用SWAT模型模拟黄柏河东支流域不同气候变化情景下的月径流变化,将流域下游尚家河水库为研究区出口,以2006～2012年为率定期,2013～2016年为验证期,首先将尚家河水库入库径流还原为天然月径流,进而建立流域SWAT模型并对其进行检验;设置降雨与气温不同组合条件下的34种情景作为SWAT模型输入,分析径流量变化.结果表明:在率定期与验证期的径流模拟效率系数和决定系数均达到0.85,满足精度要求.气候变化情景下,月径流增加量最大的情景为温度降低2℃,降雨增大6%,月径流增加量1 334.88万m3,减小量最大的情景是温度升高4℃,降雨减少2%,月径流减少量839.80万m3.月径流对降雨和温度变化呈现非线性响应.研究结果可为流域水资源管理提供决策支持.     

基于希尔伯特-黄变换与小波方法的径流序列分析

将希尔伯特-黄变换方法用到黄河三门峡站的天然年径流水文的分析与识别中,分解得到不同尺度下的固有模态函数;与小波分解方法对比,仿真出的径流变化成分不仅在时域上,而且在频谱上把低频信号中奇异信号的局部变化刻画出来,并具有更加清晰的物理意义;为水文径流序列的演变模式研究提供了一种新的分析方法.     

瞬时单位线参数的率定与递归更新对地面径流模拟结果的影响

在用瞬时单位线进行流域净雨的坡面汇流计算时,需要先率定其2个参数:线性水库的个数n及单个线性水库的调蓄系数K.传统参数率定方法为矩法,研究表明,使用矩法率定所得的瞬时单位线对地面径流的模拟精度较差,需要对参数进行更新.提出了一个用于瞬时单位线参数更新的递归公式,并研究了参数更新次数对流域地面径流模拟精度的影响.递归方程的推导是针对地面径流过程线的2个主要特征值:洪峰流量和峰现时间,使模拟的洪峰流量和峰现时间尽量接近观测值.应用结果表明,递归公式能够获得比矩法更高的地面径流模拟精度;但应用递归公式的次数不能太多,当超过2次时,模拟精度反而会降低.分析原因认为,递归公式推导的原理,是使洪峰流量和峰现时间的模拟值尽量接近观测值,以它们之间偏离的程度来调整参数n、k的值,但对整个地面径流过程的模拟精度的评判需要考虑整个地面径流过程,而不仅仅是洪峰流量和峰现时间,这是更新次数不应过多的原因.     

基于文化克隆选择算法的梯级水电站联合优化调度

为求解梯级水电站联合优化调度问题,提出文化克隆选择算法（CCSA）。CCSA将克隆选择算法（CSA）嵌入文化算法（CA）框架,并根据克隆选择算法的特点,重新定义了文化算法信念空间的4种知识结构,进而利用这些知识结构指导克隆选择算法的演化过程,避免了高频变异对收敛速度的不利影响,从而提高了算法的收敛速度和搜索效率。函数仿真测试结果表明CCSA在继承CSA多样性好、不易早熟特点的基础上,收敛速度也有进一步提高。将CCSA应用于梯级水电站联合优化调度问题的求解,取得满意效果,为求解该问题提供了一种新的可行方法。

Abstract：

A novel optimization approach-cultured clone select algorithm （CCSA） was proposed to solve optimal dispatch problem of cascade hydroelectric stations.CCSA used cultural algorithm （CA） as its framework and clone select algorithm （CSA） in its population space.Considering the characteristics of CSA,CCSA redefined four knowledge structures in belief space and used these structures to guide the evolution process of CSA.By doing this,CCSA abated the adverse affect caused by high-frequency to convergence rate,thus it converged faster without destroying diversity.CCSA is first tested by several test functions,it is found that CCSA can avoid premature convergence effectively and has fast convergence rate.Then CCSA is applied to an optimal dispatch problem of cascade hydroelectric stations,the results show that it is effective and can be an alternative for this problem.