粒子群算法惯性权重的研究

粒子群算法惯性权重ω的设置其极重要,直接影响算法性能.本文利用云发生器对惯性权重进行调整,对其取值范嗣做了进一步的研究,并应用于粒子群算法的改进.以高维函数优化为实例,实验仿真结果表明,新算法的全局搜索能力、收敛速度,精度和稳定性均有了显著提高.     

Estimating the mixing matrix by using less sparsity

In this paper, the nonlinear projection and column masking (NPCM) algorithm is proposed to estimate the mixing matrix for blind source separation. It preserves the samples which are close to the interested direction while suppressing the rest. Compared with the existing approaches, NPCM works efficiently even if the sources are less sparse (i.e., they are not strictly sparse). Finally, we show that NPCM provides considerably accurate estimation of the mixing matrix by simulations.     

局部区域粒子源凝聚集团粒子密度的分布

在局部区域粒子源聚集生长模型的基础上,通过对凝聚集团的生长平面进行区域划分,研究了局部区域粒子源凝聚集团在生长平面内各区域的粒子密度分布情况。结果显示:凝聚集团大多数粒子均聚集于生长平面的中心区域,越远离区域中心,粒子数越来越少;另外,越接近种粒子区域,集团的粒子在生长平面内的面密度值越大,且其最大值出现在种粒子所在的区域,而不是生长平面的中心。该结果可能有助于找到凝聚集团生长的种粒子,从而判断粒子的来源,了解凝聚物生长的历史环境。     

基于动态概率关系模型的规划识别研究及应用

根据Sanghai等人在概率关系模型的基础上引进的动态概率关系模型的概念,把该理论应用于规划识别的研究。动态概率关系模型是动态贝叶斯网络(DBNs)的一种扩展。通过引进动态概率关系(DPRM)讨论了动态不确定性问题。粒子滤波算法,作为在DBNs中的标准推理方法,在运用与DPRMs时有严重的局限性。利用Rao-Blackwellisation关系理论可以有效的改善,进一步再引入规划树概念,使DPRMs在机械装配领域得到了成功的应用。     

PSO-MLP模型预测降雨对府河氨氮的影响

为研究白洋淀上游的保定市区降雨径流对府河水质的影响,采用府河2019年、2020年的常规水质监测数据,基于粒子群算法(particle swarm optimization, PSO)和多层感知机(multi-Layer perceptron, MLP)建立PSO-MLP水质预测模型。分别使用PSO-MLP、MLP、一维水质模型进行对比预测。结果表明：与一维水质模型相比,PSO-MLP平均绝对误差减少64.5%～74.7%;与MLP模型相比,PSO-MLP平均绝对误差减少6.6%～12.6%。选取2021年7月的一次典型降雨对府河膳马庙、安州和南刘庄3个控制断面进行预测,表明PSO-MLP泛化能力更强,预测误差更小,优于一维水质模型和MLP模型。所建立的府河PSO-MLP水质预测模型,可以提前4 h准确预测府河各断面氨氮浓度,平均绝对误差小于0.3 mg/L,可应用于保定市区降雨径流对府河水质污染的预测预警,避免降雨径流通过府河影响白洋淀水质。     

含速度变异算子的粒子群算法

提出了一种新型的PSO算法——含速度变异算子的粒子群算法（PSOVMO）．该算法在进行变异时的变异对象是搜索速度（ν）,而不是通常情况下的位置（Х）．其方法是,设置一个随迭代的进行按指数级数减小的临界速度．在变异开始到整个搜索循环结束之间的每一次迭代中,只要第i个粒子在d维上的搜索速度的绝对值│νi,d│大于此时的临界速度,就以一定的概率重新初始化νi,d：让νi、d 随机分布在区间[-Vmax,Vmax]上,从而通过位置迭代公式将原本聚集的粒子均匀地“驱赶”到前一位置的周围,达到变异的目的．通过对4个多峰测试函数所做的对比实验,表明PSOVMO优于原始的PSO,也优于按传统方法变异的PSO．     

粒子群算法的支持向量回归机在某企业用水量预测中的应用研究

工业用水量预测对工业企业的规划、运行具有非常重要的作用。采用河南省周口市某食品加工企业近10年来工业用水量时间序列记录资料作为训练样本,提出了在支持向量机回归预测中采用粒子群算法优化参数的方法。通过算例分析表明,此算法能够显著提高预测的精度。     

纳米颗粒的测量与表征

介绍了纳米颗粒测量的各种方法,有电镜观察法,X射线衍射线宽法,激光粒度分析法,比表面积法,颗粒沉降法,拉曼散射法,扫描探针显微术以及小角X射线散射等,并对其测量原理,测量过程,适用范围及测量方法优缺点进行了讨论。     

基于骨架网络模型的岩石粒径分析方法

应用扫描电子显微镜,获取岩石的二维灰度图像,并进一步分割得到岩石的骨架和孔喉结构。利用马尔可夫链蒙特卡洛法构建三维数字岩心,提取相应的三维孔隙网络模型。根据其逆过程提出骨架网络模型的提取方法,可对岩石粒径进行定量分析。最后对三块低渗透岩心样品的颗粒半径、孔隙半径和喉道半径等结构参数进行对比分析,得到各样品结构参数之间的定量关系。研究表明,基于网络模型的岩石粒径分析法能够快速获取岩石的结构参数,对油藏岩石结构参数进行定量表征,大大缩短实验数据获取周期,为岩石结构参数分析提供了一套有效的研究思路。     

混沌序列PSO-RBFNN耦合模型在滑坡监测中的应用-杨虎

滑坡位移系统的发展演化受到多种不确定性因素的影响,可能存在非线性特征。而同时包含了确定性和非确定性分析的混沌理论,能有效阐释滑坡位移序列的复杂的非线性过程。因此本文首先对滑坡位移序列进行混沌分析,揭示其内在演化机理;在相空间重构的基础上,再采用拟合和泛化能力较好的径向基网络（RBFNN）对其位移值进行实时动态预测,针对RBF网络存在参数选取困难的问题,运用粒子群算法（PSO）对RBF网络的参数进行优选。提出了基于混沌理论的PSO-RBFNN滑坡位移预测模型。经过实例验证,并与粒子群优化的BP神经网络（PSO-BP）和单独RBF网络进行对比,表明滑坡位移序列确实存在混沌特性且PSO-RBFNN模型预测精度更高、效果更好。