为了解决复杂工程优化问题计算量大的问题,提出了基于Kriging代理模型的改进EGO(Efficient Global Optimization)算法.采用小生境微种群遗传算法求解Kriging模型的相关向量,避免了模式搜索算法求解相关向量时对初始值的敏感性问题.采用...为了解决复杂工程优化问题计算量大的问题,提出了基于Kriging代理模型的改进EGO(Efficient Global Optimization)算法.采用小生境微种群遗传算法求解Kriging模型的相关向量,避免了模式搜索算法求解相关向量时对初始值的敏感性问题.采用小生境微种群遗传算法,结合无惩罚因子的惩罚函数法对EI(Expected Improvement)函数寻优,解决了惩罚因子难以选择的问题,增强了算法的鲁棒性.采用2个数值算例和1个工程算例对算法进行测试的结果表明,改进后的EGO算法收敛精度更高,比较适合在工程中应用.展开更多
为了探究中国土地利用变化驱动机制和未来土地利用状况,该文利用中国科学院资源环境科学数据库中的2000年和2005年土地利用数据,结合区域土地利用变化与影响模型CLUE-S(the conversion of land use and its effects at small regional e...为了探究中国土地利用变化驱动机制和未来土地利用状况,该文利用中国科学院资源环境科学数据库中的2000年和2005年土地利用数据,结合区域土地利用变化与影响模型CLUE-S(the conversion of land use and its effects at small regional extent)和面向地理过程动态环境模型Dinamica EGO(environment for geoprocessing objects)模拟2000-2020年中国土地利用状况,并借助于Logistic回归结果和贝叶斯估计结果,探讨了中国2000-2005年土地利用适宜性和土地利用变化的驱动力空间特征。以2005年土地利用数据对模拟结果进行验证表明,CLUE-S模型和Dinamica EGO模型在LUCC预测上与实际结果一致性较好,并且CLUE-S模型在预测总体精度上优于Dinamica EGO模型。但在土地利用变化类型的数量预测上,Dinamica EGO模型的Markov过程可以准确预测,并且Dinamica EGO模拟的土地利用变化在空间分布上与经验结果较一致。从2020年中国土地利用预测结果来看,耕地、林地、水域和建设用地将会增加,草地会出现大面积的缩减,未利用地在CLUE-S模型预测中出现增加,而在Dinamica EGO模型中减少。该文可为国土资源规划和耕地资源保护政策的制定提供科学依据。展开更多
文摘为了解决复杂工程优化问题计算量大的问题,提出了基于Kriging代理模型的改进EGO(Efficient Global Optimization)算法.采用小生境微种群遗传算法求解Kriging模型的相关向量,避免了模式搜索算法求解相关向量时对初始值的敏感性问题.采用小生境微种群遗传算法,结合无惩罚因子的惩罚函数法对EI(Expected Improvement)函数寻优,解决了惩罚因子难以选择的问题,增强了算法的鲁棒性.采用2个数值算例和1个工程算例对算法进行测试的结果表明,改进后的EGO算法收敛精度更高,比较适合在工程中应用.
文摘为了探究中国土地利用变化驱动机制和未来土地利用状况,该文利用中国科学院资源环境科学数据库中的2000年和2005年土地利用数据,结合区域土地利用变化与影响模型CLUE-S(the conversion of land use and its effects at small regional extent)和面向地理过程动态环境模型Dinamica EGO(environment for geoprocessing objects)模拟2000-2020年中国土地利用状况,并借助于Logistic回归结果和贝叶斯估计结果,探讨了中国2000-2005年土地利用适宜性和土地利用变化的驱动力空间特征。以2005年土地利用数据对模拟结果进行验证表明,CLUE-S模型和Dinamica EGO模型在LUCC预测上与实际结果一致性较好,并且CLUE-S模型在预测总体精度上优于Dinamica EGO模型。但在土地利用变化类型的数量预测上,Dinamica EGO模型的Markov过程可以准确预测,并且Dinamica EGO模拟的土地利用变化在空间分布上与经验结果较一致。从2020年中国土地利用预测结果来看,耕地、林地、水域和建设用地将会增加,草地会出现大面积的缩减,未利用地在CLUE-S模型预测中出现增加,而在Dinamica EGO模型中减少。该文可为国土资源规划和耕地资源保护政策的制定提供科学依据。