基于遗传算法的河流水质模型参数估值系统

河流水质模型的参数最优化估值需要进行约束非线性规划的求解,遗传算法是一种高效的启发式随机搜索算法。将遗传算法应用于河流水质模型的参数估值问题的求解,开发了基于遗传算法的QUAL2E模型参数估值系统,并进行了算例验证,结果表明该系统具有较高的可靠性和搜索效率。

参数和背景值同时优化的GM(1,1)模型

为了改进原始GM(1,1)模型的模拟效果,优化GM(1,1)模型的背景值后,利用最小二乘法,得到发展系数a.在a已知的条件下,根据GM(1,1)模型的还原值与实际值之差最小,求出待定系数c,从而获得参数和背景值同时优化的GM(1,1)模型.此模型不需要选择初始条件,具有白化指数律重合性.实例表明此优化模型既能模拟低增长序列,又能模拟高增长序列,具有较好的模拟效果和预测效果.

灰色系统模型背景值探讨与改进

从GM ( 1 ,1 )预测模型的建模机制出发 。

时变参数灰色模型在变形监测中的应用

为提高沉降数据的准确预测并分析监测目标的变形趋势,避免重大工程事故的发生,建立了基于优化背景值的时变参数的灰色模型。首先,介绍了传统灰色GM(1,1)模型与新陈代谢灰色模型;其次,基于时变参数优化灰作用量的原理,建立了基于时变参数的灰色GM(1,1)模型和新陈代谢灰色模型,并采用黄金分割法优化灰色模型中权重参数,建立优化背景值的时变参数的灰色模型;最后,以某矿区地表沉降监测数据为例进行预测结果验证与精度评定。实验结果表明,基于优化背景值的时变参数的灰色模型预测精度最高,更加贴合地表监测数据变形趋势。

背景值和参数同时优化的GM（1，1）组合模型

对GM（1，1）模型的背景值进行优化后，得到发展系数1。在口已知的条件下，根据GM（1，1）模型的还原值与实际值之差最小，利用最小二乘法，求出待定系数，从而获得优化组合模型。此模型不需要选择初始条件，具有白化指数律重合性，既能模拟低增长序列，也能模拟高增长序列，并且具有较好的模拟效果和预测效果。

半参数补偿及背景值优化MGM模型研究和应用

为了改善传统MGM模型背景值选择以及模型误差问题,提出了半参数补偿及背景值优化的MGM预测模型。选取同一变形体上3个相关性较高的监测点实测数据,分别利用传统MGM模型、背景值优化MGM模型、半参数MGM模型以及半参数补偿及背景值优化MGM模型对其进行预测。实验结果表明,本文模型预测值的均方误差为0.61,比传统MGM模型的1.12、背景值优化MGM模型的0.66和半参数MGM模型1.01,分别降低了0.51、0.05和0.40;且3个点残差标准差的均值分别比传统MGM模型、背景值优化MGM模型和半参数MGM模型小0.21、0.03和0.15。这说明本文模型的预测精度有所提高,且更加稳定。

背景值和初始条件同时优化的GM(1,1)模型

GM(1,1)模型是有偏差的灰指数模型,其精度取决于背景值的构造形式和初始条件的选取。已有的研究文献均是从一个侧面单独改进GM(1,1)模型,单独采用优化背景值方法或优化初始条件方法可以在一定程度上提高模型精度,因为两种改进方法完全独立。这里提出一种同时优化背景值和初始条件的新GM(1,1)模型,通过模拟数据的比较表明,新优化GM(1,1)模型有更高的精度。

一个基于背景值和初始条件优化的GM(1,1)模型

背景值和初始条件对GM(1,1)模型的拟合和预测有着极大的影响,通过优化模型的背景值,赋予边值条件为修正形式x(1)(n)+β,利用原始序列新预测值的误差在最小二乘意义下最小准则,从而得到了一个新改进的GM(1,1)优化模型.最后,通过计算实例验证了该优化模型具有极高的预测和模拟精度.

基于背景值与初始条件优化的非等间距GM(1,1)模型

利用非等间距GM(1,1)模型一次累加生成序列近似满足指数规律优化其背景值,再利用最小二乘法,由模拟序列和原始序列的一次累加生成值的偏差平方和最小对模型的时间响应函数的参数进行优化,从而建立基于背景值与初始条件同时优化的非等间距GM(1,1)模型,并通过实例验证此模型的有效性与可行性.

基于有理插值公式GM(1,1)模型的背景值构造新方法与应用

本文通过分析GM(1,1)模型中的背景值,提出了用有理插值和数值积分中的梯形公式及外推法重构背景值,进而有效地提高模型的预测精度和适用性,最后将此方法应用到我国人均能源消耗量预测建模中,理论分析和应用实例表明了文章所提方法的有效性。

基于模型预测控制算法的脱硫控制系统优化

为了提升火电厂湿法脱硫系统的自动化控制水平,针对浙江温州电厂6号机组脱硫装置原自动控制系统控制效果差、自动投入率低、无法对净烟气SO_(2)浓度进行控制等问题,设计了一种基于多变量模型预测控制算法的控制方案,将净烟气SO_(2)浓度和吸收塔浆液pH值同时列为被控变量,并建立了以锅炉负荷为调度变量的脱硫系统线性变参数模型。在Simulink中对改进后的脱硫控制方案进行了仿真试验,并将该控制方案应用在6号机组的脱硫控制优化改造中。实际投运效果表明,该脱硫控制系统可以将吸收塔浆液pH值平稳地控制在安全区间内,同时将净烟气SO_(2)浓度时均值与设定值的偏差控制在±2 mg/m~3(标准状况下)内,保证了脱硫装置的安全高效运行。

基于有理插值公式的GM(1,1)模型的背景值构造新方法与应用

分析了GM(1,1)模型中的背景值,提出了用有理插值和数值积分中的梯形公式及外推法重构背景值,可以有效地提高模型的预测精度和适用性,并将其方法应用于我国人均发电量预测建模中,理论分析和应用实例表明了文章所提方法的有效性。

迭代优化背景值的GM(1,1)模型改进

文章分析了经典GM(1,1)模型中计算背景值公式的机理和对高增长序列建模时精度不高的原因,提出用定积分和迭代方式来优化背景值,同时利用最小二乘准则优化时间响应函数,从而明显提高了模型精度及适用性。经典GM(1,1)模型对发展系数的要求为其绝对值不超过2。而采用迭代方法优化背景值,模拟结果表明,改进后的GM(1,1)模型对高增长和低增长序列都适用,即使发展系数大于2时,仍然可以得到满意的模型精度,从而拓宽了GM(1,1)模型的应用范围。

一种逐步优化灰导数背景值的GM(1,1)建模方法

证明了离散齐次指数函数经一次累加生成后为离散非齐次指数。进而在GM(1,1)以均值生成作为灰导数背影值的基础上 ,进一步提出了一种逐步优化灰导数背景值的方法 ,提高了建模精度 ,特别对于绝对灰度为0 (或很小 )的具有齐次灰指数律的数据 ,应用该方法可以得到十分理想的预测模型。

基于遗传算法估计灰色模型中的参数

研究表明,GM(1,1)模型中的背景值参数λ和边值对模型的预测精度均有影响,进而分别以平均相对误差达到最小或最大相对误差达到最小为极小化准则,提出了基于遗传算法求解最佳背景值参数λ和最佳边值修正项ε的方法,并且可以确保在相应的模型检验准则下预测的误差达到最小.数值结果表明,采用遗传算法确定最佳的λ、ε可大大地提高模型的预测精度.

基于二次插值的GM(1,1)模型预测方法的改进

从理论上分析了GM(1,1)模型中背景值的计算,指出文[11]利用Newton-Cotes公式构造模型背景值的方法是不可靠的,提出用二次插值构造模型中的背景值,同时用最小二乘法对预测公式中的初值进行改进,并用改进的方法进行了短期预测。其理论分析及仿真结果均表明本文所提出的方法有效可靠,为提高预测精度提供了新的途径。

高次插值的GM(1,1)模型预测方法的改进

文章分析了GM(1,1)模型改进方法,针对低次插值容易失真和增加插值节点会带来Runge现象的问题,提出一种使用高次插值构造背景值的方法,通过生成背景值节点的一阶导数值,构建高次插值多项式来逼近背景值函数,实现对背景值的重构,建立基于高次插值的GM(1,1)模型。最后分别对稳定型数据、波动型数据和缺失型数据进行实例验证。

多参数融合的飞行品质评估模型的建立

目前航空管理机构与航空公司进行飞行品质评估主要是依据经验与简单飞行参数统计数字,这样做难以得出科学、客观的评估结果。基于提升全行业安全保障能力和运行品质的需求,研究了利用计算机技术对飞行品质进行综合评估的方法。选取了理想值逼近法作为飞行品质综合评估的手段,结合波动通道模型作为飞行品质评估的理论基础,基于提出的飞行品质评估模型对飞行品质评估系统进行了设计。对真实的飞行参数数据建立综合评估模型,同时考察多次航班的多个飞行参数,给出综合的飞行品质评估结论,为飞行评估、训练提供理论基础和科学的评判方法。

基于遗传算法的连续系统模型辨识

系统辨识是控制系统设计的基础 ,传统的系统辨识大都是对离散数学模型的参数估计 ,发展了以最小二乘法为基础的理论和方法 .而连续模型则需经过离散模型的转换方可得到 .作者基于遗传算法和系统仿真技术 ,建立了输出端噪声存在的连续系统模型辨识方法 .遗传算法是建立在自然遗传学机理上的参数搜索方法 ,但常规的遗传算法具有收敛速度慢 ,因封闭竞争易导致“早熟”等缺点 ,为此 ,通过引入自适应适值函数和动态变异因子 ,采用精英保护策略 ,加速了寻优过程 ,改善了遗传算法的全局搜索及局部寻优能力 ,为连续系统模型辨识提供了新的途径 .

大型汽轮发电机参数辨识中基本参数数学模型的研究

提出用 Uδ 标幺值系统来构造汽轮发电机基本参数数学模型 ,从而用汽轮发电机基本参数数学模型进行参数辨识时转子侧电流、电压的基值选择与待辨识参数 xad,xaq无关 ,并减少了两个待辨识参数 xad,xaq,这有利于改善算法的收敛性 ,提高收敛速度 .利用此基本参数数学模型成功地对一台 2 0 0