基于算法与模型参数优选的智能DISOPE方法

本文给出了ＤＩＳＯＰＥ算法收敛速度指标的定义,提出了基于算法与模型参数优选的智能ＤＩＳＯＰＥ方法,有效地改善了ＤＩＳＯＰＥ方法的收敛性能和实用性。仿真表明了该方法的可靠性和有效性。     

运用ADE算法进行Wiener模型辨识

DE算法是一类基于种群的启发式全局搜索技术,该算法原理简单,控制参数少,鲁棒性强,具有良好的优化性能.首先利用DE算法对Wiener模型参数进行辨识,分析了算法中变异率F对辨识过程中的全局并行搜索能力和收敛速度的影响;其次运用一种自适应变异差分进化算法(ADE)进行Wiener模型参数辨识,该算法在初期变异率较高,种群具有多样性,避免过早收敛于局部最优解;在进化过程中,变异率逐渐变小,优良个体得以保留,避免最优解遭到破坏.运用ADE算法对Wiener模型的数值仿真结果表明了ADE算法在参数辨识问题中的有效性,以及较PSO算法更强的非线性系统辨识能力.与一般的DE算法相比较,ADE算法辨识到全局最优解的精度和概率有较大提高,对算法参数的敏感性降低.     

改进的粒子群算法求解Van Genuchten方程参数

Van Genuchten模型是研究土壤水力学性质应用最广泛的模型.运用该模型的关键是4个参数的求解.为了精确地求解这些参数,提出一种基于动态邻居和局部搜索的粒子群算法(DNLPSO).该算法具有如下特征: 根据粒子的运行, 为每个粒子动态的构建邻居;每个粒子的速度不是由它的邻居中最好运行的粒子来调整,而是由它的所有邻居共同调整; 引入拟牛顿(Quasi-Newton)算法来提升局部搜索能力, 以加快收敛速度.实验结果表明DNLPSO求解Van Genuchten模型参数的精度高于其他方法.     

改进SCEM-UA算法在概念性降雨-径流模型参数优选中的应用

在系统研究SCEM-UA算法基础上, 借鉴自适应Metropolis算法的思想, 对SCEM-UA算法中推荐分布的协方差策略和 接受率策略进行了改进, 改进后的算法能有效确保样本多样性的丰富和保持, 增强算法全局搜索能力, 避免'早熟收敛'. 以岷江流域降雨-径流模型参数优选研究为例, 分析了改进算法在推求参数后验分布的搜索性 能和效率, 计算结果表明, 改进SCEM-UA算法的参数推荐分布和接受率随着计算过程自动更新, 整体计算效率和 解的精度要明显优于传统的SCEM-UA算法.     

软计算技术在环境复杂模型参数识别中的应用研究

以WASP模型在密云水库水质模拟中的应用为例,研究考察分析了软计算技术用于环境复杂模型参数识别的性能和效率.参数分析表明,WASP模型存在一些低灵敏参数且受相关参数的影响明显.为对比参数灵敏度和相关性的影响,共设计了4组数值试验.数值试验表明,全局搜索法能较好解决参数全局寻优问题,是获取参数辅助信息的重要手段.MCMC法可有效对参数后验分布进行采样,采样序列稳定收敛到参数后验分布上,同时MCMC法较好地处理了相关参数采样的问题.最后给出案例表明基于软计算技术的复杂模型参数识别技术路线是高效的、实用的.     

基于NichePSO和网格模型的参数优化方法及仿真

针对集成电路制造工艺参数优化过程中如何高效地确定参数窗口的问题,将小生境微粒群优化算法(NichePSO)和矩形网格模型相结合,提出了一种全新的工艺参数优化方法,并对一维和二维情况进行了仿真和实际生产验证.该方法中小生境微粒群算法可以根据工艺要求和输入输出参数的数据或模型高效地找到输出参数的等值点;而矩形网格模型又特别适合在二维平面上跟踪和连接等值点并生成等值线.对于单输入参数问题,该方法可直接给出输入参数窗口;对于二维问题,则能提供所有满足工艺要求的二维区域以及输入参数平面上的一系列等值线.在一维和二维标准多峰函数上的仿真测试结果和生产验证数据表明,该新方法是一种有效的工艺参数优化方法.     

二次时变参数离散灰色模型

本文基于离散灰色模型模拟值增长率恒定的原因,通过引入二次时间项来构造了 二次时变参数离散灰色模型(quadratic time-varying parameters discrete grey model,简称为QDGM(1,1)模型).并且研究了该模型的性质.结果说明, QDGM(1,1)模型具 有白指数规律重合性,线性规律重合性,二次规律重合性,伸缩变换一致性.应用最优化方法研究QDGM(1,1)模型迭代基值问题,建立优化模型并提出求解算法.最后叙述了应用 QDGM(1,1)模型建模和预测的步骤,并通过实例比较了QDGM(1,1)模型与原离散灰色 模型及其非齐次离散模型和线性时变参数离散灰色模型的预测能力,最终结果表明本文 提出的QDGM(1,1)模型具有更高的模拟和预测精度.     

基于正交试验的元模型输入参数筛选方法

输入参数筛选工作可有效降低元模型的构建维度.针对传统的灵敏度分析方法应用于元模型输入参数筛选时,存在的难以获取原始模型解析模型和难以反映多输入参数综合影响的两个突出问题,为准确筛选出对元模型输出参数影响显著的输入参数,提出了基于正交试验设计的元模型输入参数筛选方法,该方法结合正交表构造方法,综合运用极差分析、方差分析、输出参数变化趋势三种方法综合研究原始模型型输入参数对输出参数的影响程度.最后以螺线管制动器激励电流元模型的构建为案例,介绍了输入参数筛选方法的应用过程.结果表明,该方法可有效减少元模型输入参数的数量.     

基于嵌入式菱形思维的参数实时评估微粒群算法

微粒群优化算法参数的选取是影响其性能和效率的关键.为了解决微粒群算法的参数优选问题,提出-种将可拓菱形思维嵌入到微粒群优化算法中,依赖被优化函数对参数进行自适应优选的高精度微粒群算法.基本思想是:(1)根据发散-收敛-再发散-再收敛这一菱形思维特点,建立微粒群算法参数优选的菱形思维模型,利用物元的可拓性对其进行发散性设计,再利用合适的评价方法时发散后的多种参数配置方案进行评价,取其中最优方案对应的参数作为算法当前代的参数值;(2)将菱形思维过程嵌入到微粒群算法的每一步,算法参数随着进化过程中的反馈信息不断被菱形思维优化,实现了参数选取过程的实时性和自适应性.该嵌入式优化算法既提高了算法的优化精度,又克服了迭代进化嵌套的高计算成本不足.最后通过对典型benchmark函数的优化仿真,表明该算法具有较高收敛速度和优化精度.     

空间动态非参数杜宾模型及其应用

本文将研究重点放在一类特殊的空间动态面板数据模型——空间动态非参数杜宾模型的设定、估计与检验上,以研究不同空间单元之间的非线性影响.为此,本文就固定效应空间动态非参数杜宾模型给出了迭代估计及相应的假设检验方法,并根据蒙特卡罗模拟结果,对迭代估计方法加以改进.通过仿真实验和实证应用,验证了对于固定效应空间动态非参数杜宾模型,尤其是N和T比较大的情形,本文给出的改进方法是稳定有效的.     

过热器机理模型的遗传算法参数优化方法研究

针对过热器模型各参数存在的强耦合性,提出了基于遗传算法的机理模型参数优化方法。建立过热器数学模型,确定优化参数,应用遗传算法进行优化,直到模型精度达到要求。仿真研究表明,运用该方法建立的过热器模型达到预定精度要求;优化过程自动进行,缩短了建模和优化时间。这种方法具有通用性,简单易行,为火电厂仿真机数学建模和参数优化提供一种新的思路和方法。     

静态负荷模型参数辨识的一种混沌优化策略

混沌优化方法利用混沌运动的随机性、规律性、遍历性寻优,能以较大的概率搜索到全局最优点。将一种高精度的混沌优化策略用于电力系统静态负荷模型参数辨识,克服了传统的基于梯度寻优的辨识方法容易陷入局部最优点的不足。此方法使用了三步混沌搜索,并引入随机数来增强遍历性。实际算例的辨识结果证实了此方法在静态负荷模型参数辨识中的有效性和准确性。     

基于复合微粒群算法的非线性系统模型参数估计

在系统辨识理论的实际应用中根据不同的对象和建模的不同目的去选择合适的辨识算法是一件不容易的事。针对非线性系统模型的多样性,提出了适应于多种不同模型的基于复合微粒群优化算法(HPSO)的系统参数估计方法,并对多种模型实例进行了仿真研究。实验结果表明,该算法是一种有效的系统模型参数估计方法。     

基于参数估计的层次诊断模型研究及应用

针对大型系统多故障诊断的复杂性,提出利用抽象技术建立的简化层次模型进行诊断。把抽象技术分为结构抽象和行为抽象,结构抽象建立在系统的描述方法之上,采用的行为抽象技术为Box-Jenkins建模方法(B-J法)的参数模型。介绍了层次模型的一种形式化方式-抽象树的建立方法。利用不同层次的参数模型参数值序列之间的变化关系并采用由上至下的分层诊断策略进行故障诊断。仿真实例的结果表明减少了计算量,提高了诊断效率。     

一个新型的期权定价二叉树参数模型

对目前普遍使用的期权定价二叉树模型的缺陷进行了分析 ,利用随机误差校正方法构造出新型的二叉树参数模型 .新的模型避免了负的概率并且具有很高的精确度 ,因而可应用于计算各种期权的价格 .     

时滞系统的滤波器时间常数自调整内模控制

对于工业控制过程中的大时滞和时变系统,利用Smith内模控制原理设计方法,建立了滤波器时间常数λ的自整定方法,并建立了滤波器时间常数λ的模糊整定规则;通过在线调整滤波器时间常数λ来改善其闭环特性。仿真结果表明,对于在控制过程中过程对象与过程模型失配时,通过内模控制器的滤波器时间常数λ自整定;既改善了系统的控制品质又能提高控制系统的鲁棒性。且易于工程实现。     

马斯京根模型参数估计的差分进化算法

针对洪水演算的马斯京根模型参数估计问题,首先将其归结为非线性参数优化问题,然后利用自适应加速差分进化算法进行求解。计算结果表明,自适应加速差分进化算法具有求解速度快、计算精度高、算法控制参数设置简便、通用性强等优点,与现有马斯京根模型参数估计方法相比,该算法显示出更好的优化性能,从而为准确估计马斯京根模型参数提供了一种更为有效的方法。该算法也可以广泛应用于其他各种复杂非线性模型的优化问题,特别是在洪水预报方面有很好的应用前景。     

基于遗传算法优化模糊树模型参数的算法设计及仿真

改进了Takagi-Sugeno型模糊树模型的反向传播学习参数的方法,提出基于GA的一套完整、系统的优化模糊树模型参数的算法,其关键是选择确定祖先节点a的方式和选择哪些变量作为染色体基因。对国际标准例题的仿真表明,该方法对算法初始值的选择不敏感,能显著提高模糊树模型的建模精度,在相同模型精度条件下,则可简化样本空间的划分,降低模型的计算量。     

非正态稳定分布条件下的投资组合模型:均值2尺度参数模型

针对风险证券收益率的经验分布所具有的偏态和过度峰态等非正态分布特征,提出在非正态稳定分布条件下研究投资组合模型.通过拟合优度检验发现我国的股票收益率与非正态稳定分布的拟合效果非常好;研究了非正态稳定分布条件下投资组合收益和风险的度量,建立了均值-尺度参数投资组合模型;通过实证分析发现均值-尺度参数模型能够解释资产配置之谜.     

平滑系数自适应的二次指数平滑模型及其应用

通过对传统指数平滑模型的分析,提出了动态平滑参数的概念;并由此建立了平滑权重对时间序列能够自适应的新的二次指数平滑新模型;进而得到Brown单参数和Holt双参数两类线性趋势模型及其不同于传统模型的良好性质.新模型使困绕指数平滑应用的初值难以选取、平滑参数适应性差及系统预测偏差等问题得到了较完整的解决.预测实例表明新模型提高了预测精度,并有很好的自适应性.