流域初始水权分配的主从递阶双层优化方法

依托“流域-地区-行业”层次的初始水权分配模式,“流域-地区”层次影响制约“地区-行业”层次的初始水权分配,“流域-地区”和“地区-行业”层次的初始水权分配共同影响流域综合效益。现有研究主要聚焦“流域-地区”或“地区-行业”层次的初始水权分配,但将两个层次集成进行初始水权分配仍有待深化研究。为此,构建主从递阶双层优化方法,开展流域初始水权分配研究。具体可表述为:①针对“流域-地区”层次,建立流域综合效益优化函数与约束条件。构造适应性诊断准则和空间均衡性诊断准则,嵌入流域综合效益优化函数中,提高地区之间初始水权分配与经济社会发展的适应性、流域分水的空间均衡性。②针对“地区-行业”层次,建立地区综合效益优化的非线性目标规划模型,保障行业发展用水需求。并构造匹配性诊断准则嵌入非线性目标规划模型中,提高地区不同行业初始水权分配与行业发展的匹配性。③集成“流域-地区”和“地区-行业”层次,应用主从递阶双层优化方法,开展黄河流域初始水权分配实践探索。研究得出:通过黄河流域初始水权分配方案设计,得到黄河流域涉及省区水权分配比例与其经济社会发展综合指标加权值比例的比值,其中,内蒙古-陕西、陕西-宁夏、宁夏-山西、山西-河南、河南-甘肃、甘肃-青海、青海-山东分别为0.84、1.45、0.84、1.08、1.19、1.77、1.02,满足适应性诊断准则。黄河流域初始水权分配的基尼系数为0.10,属于“空间均衡度很高”,满足空间均衡性诊断准则。黄河流域涉及省区不同行业的水权配置与行业发展的匹配度均超过0.90,属于“高度匹配”。同时,黄河流域经济、社会、生态效益优化函数对应的满意度分别达到0.946、0.943、1.000,黄河流域涉及省区的经济、社会、生态效益优化函数对应的满意度均超过0.90。结果表明,该方法能够有效破解流域初始水权分配难题。为保障流域初始水权分配方案的有效落实,必须强化水资源刚性约束和双控行动,提升流域水利科技创新能力,推进流域产业用水结构合理化与产业结构高级化。

求解大规模全局优化问题的新型三层递归差分分组方法

协同进化算法在求解大规模全局优化问题上具有较好的效果,其核心思想是利用分而治之的策略将一个高维问题分解成若干个子问题,然后分别优化每个子问题.然而,现有的分解方法通常需要花费大量的计算成本来获得精确的变量分组.通过采用递归交互检测中的历史信息简化分组过程,能够避免检测某些集合的相互关系,本文提出了一种新型三层递归差分分组策略(NTRDG).与其他4种现有的分组方法相比,NTRDG在不影响分组精度的情况下计算成本消耗较低.仿真结果表明,NTRDG在求解大规模全局优化问题时具有很强的竞争力.

基于GIS与递归算法的水库移民安置自适应选址方法

由于水库移民安置涉及了社会、环境等众多因素,导致传统方法下的选址结果适宜性较差,因此文章提出基于GIS与递归算法的水库移民安置自适应选址方法。以安置区数量最小、容纳人数最大和距离最短为目标,构建水库移民安置选址模型,递归算法求解模型确定水库移民安置区位置,完成自适应选址。实例结果表明,设计方法下水库移民各安置区适宜性的定性评价等级均为Ⅰ级,安置区选址合理,具有一定的研究意义。

基于递归标记的红外图像弱小点目标自动识别方法

为准确识别红外图像中的弱小点目标,以递归标记算法为核心提出了红外图像弱小点目标自动识别方法。采用平滑滤波器和区域生长分割法,完成待识别红外图像的预处理;应用基于递归的二值图像标记模式,扫描所有的红外图像像素点并定义相应的标记值,形成多个图像连通域;针对每个连通域分别提取几何特征和形心特征,将其应用到稀疏表示分类器和卷积神经网络分类器中,自动生成弱小点目标识别结果。实验结果显示:应用所提方法识别海面红外图像、云层红外图像和纯净天空红外图像的mAP值分别为0.95、0.96与0.91,表明其具有较好的红外图像弱小点目标自动识别效果。

算法递归式求解的成套方法原理解析

求解递归式是计算机数学中的常见问题。成套方法是解递归式的独特方法,但目前的教材和文献中均没有对该方法的原理进行详细阐述。为了使学习者更好地理解成套方法,本文对该方法的数学原理进行解释和说明,并根据其计算原理对其应用技巧进行初步讨论。

基于节点耦合关系解析的无功电压递归切割分区方法

合理的无功电压分区是确保电网安全运行和电压稳定的前提条件,为此,提出一种新的无功电压递归切割分区方法。基于网络阻抗矩阵方程,对节点间的耦合关系进行解析,给出了电源节点间的耦合关系表达式和电源节点对负荷节点的电压控制灵敏度指标。依据对节点耦合关系的识别,通过递归切割的方式将电网划分成若干分区。在每一递归切割分区过程,首先依据电源节点耦合关系将待分割区域内的所有电源节点分成两组,然后依据电源节点对负荷节点的电压控制灵敏度指标将待分割区域内的负荷节点映射到相应的电源节点分区。最后讨论了分区过程的中止条件判定问题,并通过IEEE 118节点系统和实际电网系统对所提方法进行了算例分析。仿真结果验证了所提方法的有效性。

广义递归方差倒数组合预测方法研究

在递归等权组合预测方法（ＲＥＷ法）￣［１］和递归方差倒数组合预测方法（ＲＶＲＷ法）￣［２］的思路基础上，以方差的幂函数倒数构造组合权重，进一步提出了广义递归方差倒数组合预测方法（ＧｅｎｅｒａｌｉｚｅｄＲｅｃｕｒｓｉｖｅＶａｒｉａｎｃｅＲｅｃｉｐｒｏｃａｌＷｅｉｇｈｔｉｎｇ，即ＧＲＶＲＷ法），给出了有关的迭代计算方法。该方法更一般地体现了以预测精度作为组合权重依据的思想，将ＲＥＷ法和ＲＶＲＷ法概括为其特殊情况，实例表明，ＧＲＶＲＷ法可以明显地提高预测精度。

改进的基于PSE和Tustin变换的分数阶系统求解递推算法

以分数阶算子近似方法的分析研究为基础,基于Tustin变换理论及其用于分数阶算子的离散生成函数公式特点,利用二项式幂函数的Maclaurin展开能够保证收敛的特性,考虑常用算法的局限性,提出了一种改进的基于幂级数展开和Tustin变换的分数阶运算方法,并应用于线性分数阶系统的求解,给出了递推算法的详细推导。算例仿真及其分析表明,该算法有效且具有良好的运算速度和精度。

一种改进的多层递阶预报方法研究

为解决多层递阶方法的预报效果不稳定 ,特别是预报因子之间存在较大量级差异时预报不稳定的问题 ,给出了一种改进的多层递阶预报方法———多层递阶回归分析方法 .该方法将原模型中的各项看作回归变量作线性回归 ,再以回归系数与预报因子的乘积作为对原预报因子的修正变量 ,然后进行多层递阶预报 .该方法集多层递阶和回归分析两者的优点 ,既能较好地体现高相关因子在预报模型中的重要作用 。

应用递阶优化的方法优化露天矿开采程序

以系统工程理论为指导,结合露天矿生产中存在的实际问题,提出了递阶优化的方法,即通过分范围、分目标、逐步深入的方法实现露天矿开采程序的优化,并对安家岭露天矿首采区的开采程序进行了多方案设置及技术经济评价.结果表明,在原设计前期900m工作线基础上采用陡帮开采方式对4煤以下采区南帮向里收缩200m,为当前条件下的最优开采方案.

晶粒长大的Monte Carlo模拟方法——递归统计法测定晶粒度

应用Monte Carlo(MC)法模拟在周期性边界条件下的晶粒长大行为。利用MC法模拟时,晶界处格点的迁移引起晶粒的长大,根据这一主要特征提出一种精确快速的测定晶粒度的新方法—递归统计法,然后采用递归统计方法测量晶粒度。结果表明,递归统计法测得的晶粒度比截点法的更精确,而且测量精确度不受模型的格点类型以及晶粒的尺寸、形状等的影响,测量速度比其他统计方法要快。

基于递阶遗传算法和BP网络的模式分类方法

提出一种基于递阶遗传算法和BP神经网络的模式分类模型。现有的BP网络模式分类训练方法大都只能训练BP网络的权重,网络的结构得预先用某种方法确定。利用巧妙设计的递阶遗传算法能够把网络的结构和权重同时通过训练确定。以模式分类数据库中的数据进行训练和测试,并与其它模式分类模型相比较,结果证明该模型更优,分类精确度更令人满意的,所提出的方法是可行的。

用于线性时变系统辨识的固定长度平移窗投影估计递推子空间方法

给出了一个新的用于线性时变参数结构系统模态参数识别的基于固定长度平移窗投影估计的递推子空间方法。首先推得基于平移窗投影估计的子空间跟踪算法,以代替奇异值分解,再推得系统数据矩阵的一阶修正形式,从而得到新的基于平移窗投影估计的递推子空间方法。该方法可有效地降低算法的计算量。最后通过刚度随时间变化的3自由度系统和一具有移动质量的机械臂系统的时变模态频率辨识仿真表明该方法可有效地辨识线性时变系统的伪模态参数。

基于双边迭代奇异值分解的递推子空间辨识方法

引入双边迭代奇异值分解算法 ,通过一系列的 QR分解 ,用两个矩阵分别逼近奇异值分解的主要左、右奇异向量 ,用一个三角矩阵逐渐逼近主要的特征值 ,从而取代了原始 MOESP子空间辨识算法中的奇异值分解步骤 .通过用一系列 Givens变换来实现 QR分解的数据更新 ,实现了此类子空间方法的在线递推辨识 .仿真表明 。

一种形式化开发非递归算法的方法

提出了一种简单、统一的形式化开发非递归算法的方法。该方法直接面向非递归算法,在形式化方法PAR的指导下,使用循环不变式的开发新策略,在得到求解递归问题的循环不变式的同时,能直接得到易读、高效且可靠的非递归算法,并通过一个具体实例进行了阐述。对使用形式化方法及循环不变式开发新策略开发非递归算法的方法作了较深入的实践和探讨。

基于多层递阶方法的边坡位移预测

提出采用多层建模法预报边坡位移。该方法把动态系统的状态(或输出)预报问题分为系统的时变参数预报和在此基础上对系统的状态(或输出)预报两部分,可充分考虑被预报系统的时变特性。给出了多层递阶的建模和预报方法。工程实例表明该方法有较好的预测精度和实用价值。

递阶辨识方法在转台伺服系统调试中的应用研究

针对转台伺服系统中机械谐振对系统产生的影响 ,对包含有机械谐振的被控对象 ,采用计算量较小的参数递阶辨识方法辨识被控对象 ,并对机械谐振进行有效抑制 ,从而大大提高系统的动态响应指标 .该方法不但克服了原有系统辨识过程中计算量和存储量大的缺点 ,还克服了以往用试凑法抑制谐振的繁琐、低精度等缺点 ,从而提高了系统调试的自动化水平 。

基于递阶灰色多层次方法的煤矿安全评估模型

在建立煤矿安全评价指标体系的基础之上,综合运用灰色系统理论和层次分析法,建立递阶灰色多层次模型用以定量地评估煤矿安全。实例表明,该模型计算过程简单、清晰,计算结果精确,具有很好的实用价值,为煤矿安全监察部门提供了一种较为有效的煤矿安全评估工具。

基于双向搜索方法的最小值控制递归平均语音增强算法

语音增强效果的提高,有赖于对噪声的准确估计和对噪声变化的及时跟踪与更新。为了提高对非平稳噪声的估计和更新能力,本文基于"改进的最小值控制递归平均"(IMCRA)算法,提出了噪声谱最小值双向搜索的改进算法。该算法结合前向搜索和后向搜索谱最小值方法的特点,有效提高噪声估计的准确性、减小非平稳噪声跟踪的延迟。实验仿真表明:在非平稳噪声环境和低信噪比条件的语音信号增强处理中,本文提出的改进算法非常有效,与IMCRA算法相比,它可以获得更好的分段信噪比的提高。

基于递归神经网络的多步预报方法

为了解决由多层前馈神经网络递推运算获得的多步预报存在的预报误差迭代累积问题 ,提出了基于局部递归神经网络的多步递归神经网络 (MSRN)模型 ,对时间序列进行了多步预报 .用模拟振动数据把MSRN模型用作单步和多步的预报能力 ,同经典的多层前馈神经网络进行了比较 ,并预报了天津石化总公司炼油厂大机组某测点振动的变化趋势 实践表明 ,用该方法进行多步预报误差小 ,并具有良好的预报能力 .