基于RAGA的分布式水文模型参数分类优化方法研究

计算效率低及异参同效(局部优化)是分布式水文模型参数优化研究中存在的主要问题。本文基于RAGA(基于实数编码的加速遗传算法),提出一种分布式水文模型参数分类优化方法,将需要率定的参数根据物理意义分成若干类,逐类进行优化。这种方法可降低待优化参数的维度,一方面可以提高优化计算的速度,另一方面可以在一定程度上逼近全局最优,减少异参同效的问题。本文采用分布式水文模型WEP-L(Water and Energy Processesin Large Scale Basin)模型,针对黄河流域玛曲水文站以上区域1997—2000年逐月流量过程进行参数率定,并对2006—2016年系列进行验证。对比参数不分类优化方法,发现采用参数分类优化方法后,WEP-L模型参数优化的速度提高37%左右,纳什效率系数(NSE)从0.739提高到0.829。说明参数分类优化方法既可以节约时间,又可以保证优化算法的全局性,提高模拟的精度。

城市群综合承灾能力评价的RAGA-PP模型

为解决已有模型普遍存在的难以动态评价非线性寻优的现实问题,引入投影寻踪(PP)模型进行城市群综合承灾能力评价,并运用基于实数编码的加速遗传算法(RAGA)优化辅助多维数据空间拓扑结构的投影方向,对长三角城市群(YRDUA)地区进行实证研究。结果表明:RAGA-PP模型与典型的熵权法(EWM)、灰色关联分析法(GRA)评价结果具有高度一致性,且RAGA-PP评价结果更符合实际,表明RAGA-PP模型具有较强的精确性、稳健性和抗干扰性,不仅能够聚焦于优秀个体的取值区间来实现全局搜索和加速评估,也在较大程度上避免传统方法长期存在的权重设置主观性较强、高维数据不易处理的现实问题;另外,各子系统维度的目标投影值平均水平排序为:抗灾维度>防灾维度>救灾维度>恢复维度,表明抗灾维度指标对综合承灾力影响程度最大。

RagA转基因果蝇的构建及功能研究

Rag GTPase属于Ras家族成员的GTP结合蛋白,定位于溶酶体。果蝇RagA蛋白是哺乳动物RagA/RagB蛋白同源物,在果蝇中RagA与RagC结合,共同调节TORC1活性。本实验室发现敲减RagA使果蝇发育停滞在蛹期。为了探究具体原因,基于密码子的简并性,通过融合PCR、同源重组克隆的方法构建了改变RagA RNA干扰靶标位点的过表达载体pUASp-RagAwt;在此基础上,通过点突变的方式构建了与GTP结合的RagA过表达载体pUASp-RagA-Q61L和与GDP结合的RagA过表达载体pUASp-RagA-T16N。通过显微注射和遗传杂交等方式分别筛选出pUASp-RagA-wt、pUASp-RagA-Q61L、pUASp-RagA-T16N转基因果蝇。通过体细胞克隆的方法检测了不同活性状态的RagA对TORC1活性的影响,RagA调节TORC1活性:与GTP结合处于激活态;与GDP结合处于失活态。为确定GTP/GDP状态下RagA活性对果蝇发育的影响,将UASp转基因系果蝇与Tub-Gal4/TM6果蝇杂交并统计后代羽化率,判断由GTP/GDP状态控制的RagA活性对果蝇生长发育的影响。结果发现,RagA敲减果蝇由于蛹期阶段内出现障碍不能发育为成虫。在RagA敲减的背景下,过表达野生型RagA能够完全挽救RagA敲减所导致的果蝇致死。过表达GTP结合型的RagA-Q61L能够部分挽救RagA敲减的致死效应,过表达GDP结合型的RagA-T16N不能挽救RagA敲减的致死效应。表明RagA在果蝇生长发育过程中起着重要的作用,且RagA与GTP/GDP结合需保持动态平衡。RagA仅与GTP或GDP结合会使TORC1活性处于过高或过低的状态,影响果蝇的生长发育。

基于RAGA-BP神经网络模型的三江平原地下水资源预测研究

采用基于实数编码的加速遗传算法(RAGA)代替传统的最小二乘法以优化GM(1,1)模型参数,并与BP人工神经网络相组合,形成了基于RAGA的等维灰色递补BP神经网络预测模型。运用此模型对三江平原创业农场地下水埋深进行动态预测,BP神经网络结构确定为3∶12∶3,预测结果的相对误差只有2.33%,与传统的GM(1,1)模型和BP神经网络模型预测结果相比,预测精度显著提高。通过此模型预测,从2007年到2012年,该地区地下水平均年下降0.3 m。

基于RAGA的PPE模型在土壤质量等级评价中的应用研究

以往的土壤分类与等级综合评价多是建立在模糊数学 (Fuzzy)基础上的模糊聚类分析与模糊综合评判 ,因此不可避免的涉及权重矩阵人为干扰 ,导致分类与评价结果的人为倾向。本文将高维降维技术——投影寻踪评价模型 (PPE)应用到土壤学科领域 ,利用改进的加速遗传算法 (RAGA)优化投影方向 ,将多维数据指标转换到低维子空间 ,通过寻求最优投影方向及投影函数值来实现对土壤的分类与等级评价 ,避免了主观赋权的人为干扰 ,取得了较好效果 。

基于RAGA的PPC模型对区域水资源可持续利用的评价

以人口、资源、环境、社会、经济5个子系统整体考虑,建立水资源可持续利用评价指标体系。针对该问题,运用基于RAGA的PPC模型,把高维数据转换到低维子空间,获得指标体系最佳投影方向和投影值,从而做出判断。最大限度避免了模糊综合评判等方法中权重的人为干扰。模型简单、高效、可行。

基于RAGA-PPM的电能质量综合评估方法

电能质量的综合评估是解决各种电能质量问题的前提。投影寻踪法(PPM)能够很好地解决现有电能质量评估中出现的指标多,指标上下联系结构复杂,指标体系呈现出高维、非线性特性等问题。搭建了一个基于加速遗传优化的投影寻踪法(RAGA-PPM)的电能质量综合评估模型,通过构造投影指标函数并利用加速遗传算法(RAGA)对其进行优化来完成电能质量的综合评估。加速遗传算法通过将上代遗传优秀个体的解空间作为下代遗传个体的搜索空间来不断缩小待优化变量的搜索空间,进而达到加速处理的目的。该模型的评估过程简单通用,便于计算机编程,且综合评估结果精度高、客观真实。

RAGA的投影寻踪模型在番茄杂交组合综合评价中的应用

针对番茄育种杂交组合间的优劣排序问题,采用基于实数编码加速遗传算法(RAGA)的投影寻踪分类模型(PPC)来评价样本的优劣,对番茄21个杂交组合13个性状进行综合分析。结果表明,78×76组合表现为高产、优质,硬度大、耐贮运,各方面性状能够互相兼顾,是综合性状最优良的组合。

确定潜水含水层系统参数的Boulton-RAGA方法

在对考虑迟后排水的N.S.Boulton第二潜水井流模型解析解分析的基础上,将复合高斯求积法和具有随机搜索寻优特性的实数编码加速遗传算法(RAGA)相结合对其进行优化求解,提出了确定潜水含水层系统参数的Boulton-RAGA法。以计算实例表明,Boulton-RAGA法可以取得很好的求参效果,并且与传统方法比较,方法简单,快速,不需要分抽水时间——降深过程的前、后段进行参数确定,大大简化了潜水含水层的参数确定过程,对于缩短抽水时间确定含水层系统参数具有重要的意义。

基于RAGA的PPC模型在节水灌溉多方案择优中的应用

综合考虑方案的国民经济评价、技术评价和社会评价等因素,采用高维降维技术投影寻踪分类模型(PPC),利用基于实数编码的加速遗传算法(RAGA)优化其投影方向,将多维数据指标(样本评价指标)转换到低维子空间,根据投影函数值的大小评价出样本的优劣,从而做出决策,最大限度避免了模糊综合评判中权重矩阵取值的人为干扰,取得了满意效果。模型简单、高效、可行。

基于RAGA的PPC模型评价水分胁迫对寒区水稻生长和产量的影响

针对水分胁迫对水稻生育和产量的综合影响很难直观判断的问题,该文提出了评价水稻综合指标的投影寻踪方法,该方法可以依据样本自身的数据特性寻求最佳投影方向,利用最佳投影方向判断各评价指标对综合评价目标的贡献大小。采用实码加速遗传算法进行PPC建模,简化了投影寻踪技术的实现过程,克服了投影寻踪技术计算复杂、编程实现困难的缺点。评价结果表明,拔节期受旱对生育综合指标影响较大,分蘖期受旱由于时间较长,生育综合指标也较差。水稻生育期连旱对生理指标以及产量影响最为严重。应用RAGA算法的PPC模型评价水稻水分胁迫情况下生育综合指标排序结论比较可靠,这对制定水稻调亏灌溉制度具有应用价值。

基于RAGA—AHP法的项目优先级评定研究

项目优先级的评定是企业进行多项目管理中必不可少的环节。针对目前国内缺少科学合理而又简便实用的系统化方法对项目优先级进行评估的现状,文章采用一种改进的层次分析法RAGA—AHP法进行项目优先级的评定。该方法科学合理,评价结果客观可靠,具有较强的实用价值,值得企业借鉴和推广。

基于RAGA的投影寻踪模型在土壤重金属污染评价中的应用

将投影寻踪分类模型(PPC)应用于土壤环境质量综合评价中,利用基于实码的加速遗传算法(RAGA)来优化投影方向,将多维数据指标转换成低维子空间,通过寻求最优投影方向来计算投影函数值,从而根据投影值的大小进行土壤综合评价。并结合实例进行了应用,其结果合理,避免了权重确定的人为干扰,为土壤环境质量评价提供了一条新的方法和思路。

基于RAGA的PPC模型在农村能源区划中的应用

将改进的基于实数编码的加速遗传算法 (RAGA)与高维降维技术投影寻踪 (PP)相结合 ,通过同时优化多个参数 ,将多维评价指标转化成低维子空间上的一维投影值 ,从而做出综合评判与分类 ,建立了 RAGA— PCC模型 ,并在农村能源区划中得以应用 ,取得较好效果 ,为该方面研究提供了新的方法与思路。

改进的RAGA-PPC模型及其在河流健康评价中的应用

利用山东海河流域骨干河流马颊河2009—2011年水质监测资料及污染调查评价中所取得的数据,通过构造改进的RAGA-PPC模型,将高维数据转换为低维数据,并将此模型应用于马颊河河流健康评价研究。调查断面选取从务庄闸到邓集共12个断面。河流健康评价结果显示：总氮和氨氮在整个河流中总体趋势是增长的,生化需氧量在下游区域的大道王闸到邓集几乎是直线上升;河流中化学需氧量和生化需氧量会随着汛期和非汛期有些起伏,在汛期含量会有所增加;将选取进行综合评价的5个断面的权重值与标准值对比,其值均在0.22-0.15之间,马颊河基本处于亚健康状态。从研究区的人为因素及自然因素方面对马颊河河流健康状况进行了简析,为海河流域河流健康评价及河流污染治理提供了有效的科学依据。

基于RAGA的投影寻踪法在水利水电工程移民安置区选择中的应用

移民安置区的选择是移民安置规划的重要环节。作为一项复杂的系统工程,如何对安置区进行综合评价显得尤为重要。投影寻踪法,作为一种科学合理的评价方法,已经得到了广泛的运用。采用RAGA来优化投影寻踪目标函数,结合移民安置区评价的指标体系,利用江垭水利枢纽工程作为实证研究,对安置区的优劣做出综合评价,走出了以往方法中依赖主观设置指标权重的不足。

基于AM-MCMC的RAGA-BP网络在灌区水质评价中的应用

BP神经网络模型用于水质进行评价的研究已经很多,然而,传统的BP神经网络无法考虑相邻水质级别临界处的模糊性,评价指标较多时运行速度慢,且由于训练样本少和代表性差,评价结果精度不高。建立了基于AM-MCMC算法的RAGA-BP模型,利用RAGA能够选出最优的BP网络初始结构;AM-MCMC算法模拟足够的代表性好的样本为BP网络训练所需,用于灌区的水质评价。实例研究表明,与传统的BP网络相比,基于AM-MCMC的RAGA-BP网络收敛速度提高约20%,评价结果与实际水质比较更为客观、合理。基于AM-MCMC的RAGA-BP模型能考虑相邻水质级别临界处的模糊性,克服训练样本少的缺点生成足够的代表性好的样本,快速有效地对灌区水质进行评价。此外,基于AM-MCMC的RAGA-BP模型还可用于洪灾损失评价、地震灾害评价及其他评价问题,具有广泛的实用性。

基于RAGA的PPC模型在水稻节水效益评价中的应用

针对水稻节水效益评价问题 ,采用高维降维技术———投影寻踪分类模型 (PPC) ,利用基于实数编码的加速遗传算法 (RA GA)优化其投影方向 ,将多维数据指标 (样本评价指标 )转换到低维子空间 ,根据投影函数值的大小评价出样本的优势 ,从而做出决策。最大限度避免了模糊综合评判等方法中权重矩阵取值的人为干扰 ,取得了满意效果 。

运用RAGA求解农业线性与非线性规划模型

改进了标准遗传算法(SGA),提出了基于实数编码的加速遗传算法(RAGA),并在农业线性规划与非线性规划具体问题中得以应用,取得了满意的效果。

RAGA和PPCE在崩塌、滑坡、泥石流灾害评价中的应用——以重庆市北碚区为例

基于RAGA的PPCE方法解决了多维空间数据到一维投影的过程。本论文以重庆市北碚区地质灾害数据为基础,用该方法对区域地质灾害评价和区划做初探,得出如下结论:危岩体主要分布在溪家河组和上沙溪庙组砂岩区,滑坡和泥石流主要分布在泥岩层分布区;嘉陵江回水区和侵蚀岸分布灾害体较堆积岸多。高危险等级地质灾害主要分布在嘉陵江沿岸有支流汇入地区;高等级地质灾害主要分布在嘉陵江侵蚀沿岸及峡口附近;向斜的轴部距河较远地区灾害等级较低。RAGE和PPCE方法运用到河谷地质灾害评价中,能准确反映地质灾害危险等级,为河谷地质灾害研究提供了新的思路和方法;用GIS方法从点数据到面的研究有一定创新。