基于不确定性分析的IMPULSE模型预测能力评价

为解决分布式参数非点源污染(IMPULSE)模型不确定性分析中采样量和计算量过大的问题,在Bayes概率理论基础上,构建了基于Sobol序列的GLUE算法,用来描述多种扰动因素共同作用下的全局参数不确定性,从而对模型预测能力进行全面评价。将该方法应用于IMPULSE模型,对分布式参数的全局进行不确定性分析。结果表明:该模型结构优良,具有良好的预测能力,对空间不确定性有较高的预测稳定性和鲁棒性,可以满足实际流域污染模拟需要。     

遗传算法在建筑物沉降预测中的应用

结合遗传进化算法的全局优化思想和时间序列分析的基本理论,提出了一种新的基于遗传算法的建筑物沉降非线性动力学行为预测模型进化识别算法。设计了模型结构和参数分别进化,共同识别方案,实现对非线性时间序列分析模型结构和参数进行全局最优搜索。实例分析结果表明：该方法具有较好的预测精度和推广预测能力,为高大建筑物沉降预测提供了一个有效的分析工具。     

构筑物动态变形行为的自组织进化识别

建筑物沉降变形行为是一个复杂的非线性动力学演化过程,针对这一过程,引入进化算法的全局优化思想,结合时间序列分析的基本理论,提出了一种新的构筑物变形动态预测模型进化识别算法·该方法将复杂的模型结构与参数混杂的搜索空间简化为两个相对简单的模型结构进化过程和模型参数进化过程,分别由遗传规划和遗传算法完成·设计了模型结构和参数的共同进化方案,实现对非线性动力学演化模型结构和参数的全局最优搜索·实例分析结果表明该方法具有较好的预测精度和推广预测能力,并且显示出较高的自组织能力,为构筑物变形预测提供了一个有效的分析工具·     

差分进化优化参数的LSSVM中长期径流预测

针对LSSVM预测模型参数难以确定的问题,利用差分进化(DE)算法的收敛速度快和全局优化能力,优化LSSVM模型的惩罚因子和核函数参数,避免了人为选择参数的盲目性。将优化后的LSSVM模型应用于中长期径流预测问题。选取黄河三门峡站1919年至1992年径流量实测数据进行分析和训练,对1993年至2002年的年径流量进行预测,并与BP神经网络和SVM模型进行比较。研究结果表明,该模型具有较高的预测精度。     

大宁河流域非点源污染不确定性分析

以大宁河流域为研究区,利用2000-2005年巫溪水文站实测的径流量、泥沙负荷对非点源污染模型进行参数率定和验证.采用蒙特卡罗方法分析径流量、泥沙负荷、吸附态氮、溶解态氮和总磷等非点源污染的不确定性影响因素.结果表明,如果忽略模型参数的不确定性会导致流域非点源污染负荷的低估,模型输入与输出的关系是非线性的.非点源污染的不确定性具有周期性变化规律,夏秋丰水期的不确定性大,春冬枯水期的不确定性小.并且径流的不确定性较小,泥沙和营养物的不确定性较大,不确定性来源与径流过程参数和土壤属性参数有很大关系.     

考虑多源信息不确定性的TBM利用率预测

隧道掘进机(TBM)施工对地质条件非常敏感,一旦发生事故会造成严重的工期延误和巨大的经济损失。本文在对TBM利用率影响因素进行统计分析和对输入参数进行优选的基础上,以兰州水源地建设工程输水隧洞双护盾TBM施工实例为依托,将天牛须搜索优化方法与增强回归树算法进行耦合,提出一种考虑多源信息不确定性的TBM利用率预测模型(BAS-BRT);将该模型预测结果与粒子群优化-增强回归树耦合模型(PSO-BRT)预测结果进行对比分析,并通过现场实测数据验证TBM利用率预测模型BAS-BRT的有效性及其对典型地质段施工风险的适应性。研究结果表明：天牛须优化算法的自适应特点能够真实反映TBM施工中出现的不确定性问题,增强回归树算法可实现模型的全局最优化迭代,TBM利用率预测模型BAS-BRT具有较高的预测精度、较好的泛化性能,同时具有良好的并行处理能力与鲁棒性。     

基于混合QPSO的LS-SVM参数优化及其应用

针对最小二乘支持向量机(LS-SVM)的参数寻优问题,提出一种基于混合量子粒子群算法(HQPSO)的LS-SVM参数选择方法,以提高LS-SVM模型的学习性能和泛化能力.该算法结合QPSO算法的全局优化能力和Powell的局部寻优能力,分别对粒子初始位置、新局部最优位置以及全局最优位置进行Powell局部寻优,提高求解速度和解的精确性.利用测试函数对该建模方法进行仿真测试,与PSO LS-SVM模型进行比较,并利用湿法炼锌净化过程现场数据进行工业验证.研究结果表明:HQPSO LS-SVM模型具有较好的泛化性能,模型预测精度高,预测结果满足工艺生产的要求.     

基于模型预测内模的实时控制算法

对具有滞后性、外界扰动和被控对象参数不确定性、快速性要求高的一类单输入-单输出线性系统的非恒值实时控制的模型预测内模的控制算法进行了进一步的分析研究.从理论上分析了该控制算法的系统稳定性条件、稳态控制误差,研究了在逆变电源控制系统中,该控制算法对负载的鲁棒性和对扰动的抑制能力.算法仿真表明:该控制算法能够克服外界扰动和被控对象参数不确定性,系统具有较强的鲁棒性,稳态控制精度高,动态响应速度快.     

基于混合学习算法的模糊神经网络控制系统

针对复杂非线性系统在控制过程中的不确定性及参数的时变性,设计了一种模糊神经自适应预测控制系统,通过误差补偿以提高预测控制的精度;对模糊神经网络（FNN）的学习算法进行了研究,利用遗传算法的全局搜索能力对FNN控制器参数进行离线优化,并对遗传操作进行了改进,使其最终搜索到全局最优或近似全局最优的附近,再利用BP算法的局部搜索能力和对对象的适应能力,进一步对参数进行在线调整。从而使系统具有更高的学习精度和更快的收敛速度,所得的FNN具有良好的泛化性能。仿真结果证明了本方法的有效性。     

考虑预测误差的模型内插与外推

对结构进行评估时,常需要利用模型的内插与外推结果,且模型的不确定性也是需要考虑的一个重要因素。针对模型参数空间的内插外推问题,本文基于确定性计算模型并联合多次试验结果,计算得到预测误差的不确定性,接着对预测误差的均值与标准差进行函数拟合,并且考虑函数拟合带来的不确定性,通过双层抽样分析得到预测误差的置信区间,再叠加上预测点确定性计算结果进而得到预测结果的置信区间。最后通过不同拧紧力矩下某根部柔性悬臂梁的内插与外推应用检验了该方法的有效性。     

基于改进分布式极限学习机的电站锅炉NO_x排放预测算法

提出了一种改进的分布式极限学习机的电站锅炉NO_x排放特性建模方法。引入分布式和岭回归理论,提升了极限学习机预测算法的泛化性能和预测准确率。采用改进的MapReduce编程框架对提出的算法模型进行并行化改进,提高其处理大数据的能力。选用某660 MW电站锅炉提供的真实运行数据进行分析,并在Hadoop集群上进行实验,结果表明该模型对NO_x排放有着较好的拟合和预测能力,且提出的算法具有优异的并行性能。     

基于SCEM-UA算法和全局敏感性分析的水文模型参数优选不确定性研究

 针对复杂非线性水文模型参数识别及不确定性分析问题,引入基于马尔可夫链蒙特卡罗思想的SCEM-UA算法,以岷江流域为研究实例,对降雨径流模型的参数优选问题进行了分析,并探讨了该算法在推求参数后验分布的搜索性能和效率。结果发现,SCEM-UA算法能快速有效地推求出参数后验概率分布。同时,开展基于SCEM-UA算法取样的参数全局敏感性分析,对比参数敏感性和后验分布,表明两者密切相关,敏感性强的参数其边缘后验概率密度分布存在明显峰值,相反,敏感性弱的参数其后验概率分布较为平坦且无规律可循,从而导致模型参数的不确定性大大增强。     

基于扩张状态观测器的双旋弹丸舵翼转速预测控制

针对存在于固定鸭舵式弹道修正弹舵翼滚转系统中的参数不确定性和不确定性非线性问题,提出一种基于输出反馈型扩张状态观测器的直接模型预测控制方法.该方法以扩张状态观测器估计系统扰动并以前馈补偿的方式融入控制器设计,结合较精确的舵翼滚转模型实现滚转状态预测和控制.在转速更新时间间隔内对非线性参数进行线性化处理,将复杂的积分遍历运算转换为低阶函数直接求解问题,大幅度降低了运算量.仿真实验结果表明:该方法能快速准确地对状态和干扰进行估计,且与传统控制方法相比,具有精度高、响应快、抗干扰及参数变化能力强的特点.      

基于分布式并行遗传算法的相对波阻抗反演方法

目的研究地震相对波阻抗反演的优化方法。方法比较遗传算法二进制编码、实数编码在最优个体保存策略、随机均匀分布选择、分散交叉、高斯变异和分布式并行方案下的全局寻优能力。结果实数编码分布式并行遗传算法优于基本遗传算法,用该方法对数值模型和实际地震剖面进行波阻抗参数反演,验证了分布式并行遗传算法的有效性、优越性。结论基于分布式并行遗传算法的相对波阻抗反演,为遗传算法在地震属性的优化研究中提供了一种改进思路。     

通信延迟下智能电动汽车队列分布式自适应鲁棒控制

针对通信延迟影响下的智能电动汽车队列控制问题,提出了一种智能电动汽车队列分布式自适应鲁棒控制方法。建立考虑非线性项、参数不确定性和外部干扰因素影响的智能电动汽车纵向队列动力学模型,并基于逆模型补偿技术,消除了非线性项对队列系统的影响;构建通信延迟作用下智能电动汽车队列分布式状态反馈控制结构,给出通信延迟、外部干扰和参数不确定性下的智能电动汽车队列闭环系统模型;使用特征值分解对通信延迟下智能电动汽车队列通信拓扑进行解耦,采用线性矩阵不等式处理方法,推导出通信延迟下智能电动汽车队列自适应控制器的存在条件,该矩阵不等式是低维的,与智能电动汽车队列长度无关。基于Lyapunov理论对时滞队列系统稳定性进行分析,验证系统的稳定性;仿真试验验证了所提出的通信延迟下队列分布式自适应鲁棒控制方法的可行性和有效性。     

矿坑涌水量预测模型参数灵敏度分析

矿区水文地质条件一般较复杂,参数的空间变异性强,致使矿坑涌水量预测模型中的参数具有一定的不确定性,从而影响预测结果的可靠度。为定量确定影响预测结果的主要因子,文章以某金属矿区的矿坑涌水量计算模型为研究对象,运用扩展傅里叶幅度灵敏度检验法(extended Fourier amplitude sensitivity test,EFAST)对模型参数进行了全局灵敏度分析,得到相关参数的一阶灵敏度和总灵敏度,并分别与局部灵敏度分析法和Morris法的评价结果进行了详细对比分析。研究结果表明,采用EFAST法开展矿坑涌水量预测模型的参数灵敏度分析是切实可行的,也是较为有效的方法之一,矿坑涌水量预测结果对渗透系数最为敏感。     

页岩气解析模型产量预测技术优化方案

页岩超低渗、强非均质性以及复杂缝网特征使得解析模型法产量预测参数输入不确定性大,生产历史拟合多解性强,产量预测难度大.基于页岩气井生产长时间段呈线性流动的特点,开展线性流分析和解析模型产量预测工作,提出首先通过线性流分析解释确定解析模型参数初值和范围、再进行历史拟合和产量预测的思路和方法流程.研究表明:根据页岩气流动阶段诊断可以初选解析模型;运用流动物质平衡方法可确定动用储量和气藏尺寸;采用线性流不确定性分析可以确定渗透率和裂缝半长等参数范围.该方法可提高解析模型历史拟合和产量预测精度,同时提高了工作效率,经8口井应用测试结果表明:方法提高单井历史拟合速率40％以上,提高产量预测精度18.1％.     

用遗传神经网络模型预测公司财务困境

利用遗传算法的全局寻优能力。构造了一个预测财务困境的遗传神经网络模型(GANN)，该模型对预测财务困境的神经网络模型的输入变量进行了优化．通过对沪深A股市场部分上市公司财务困境的预测表明，该模型比ANN模型具有更好的预测财务困境的能力。     

基于SWAT模型太子河流域径流模拟

在太子河流域建立了SWAT(Soil and Water Assessment Tool)分布式水文模型,并采用S U FI-2算法进行参数敏感性分析以及参数率定、模型验证与不确定性分析,对太子河流域的1956—2016年水文过程进行了模拟.研究结果显示:①模型运行时所用的一些水文参数,会影响模型的模拟结果,如基流α系...     

输水隧洞TBM施工工期全局综合敏感性分析

分析工期的不确定性为施工工期的控制与优化提供科学依据.输水隧洞全断面隧道掘进机(TBM)施工工期是受到岩性相关参数、活动持续时间等不确定性因素和列车辆数等关联因素影响的复杂不确定性系统,工期不确定性过大会降低施工效率、影响施工进度.以往的研究大多没有对系统关键因素做进一步分析,少数针对工期的不确定性进行敏感性分析的研究也都局限在单因素敏感性分析上.因此,本文采用基于全局综合敏感性分析法的正交试验设计,首先对施工工期不确定性的影响因素进行了多因素综合敏感性分析;其次,确定了参数对工序工期不确定性的影响、工序工期对总工期不确定性的影响,以及参数对总工期不确定性的影响;最后,分析了施工参数主效应与耦合效应.将该方法应用于某引水式电站的输水隧洞TBM施工过程,结果表明:基于全局综合敏感性分析法的正交试验设计不仅可以识别出对工期不确定性影响显著的施工参数与施工工序,而且可以确定对工期不确定性影响显著的参数组合,可为施工机械的优化配置提供科学依据.