基于改进麻雀搜索算法的水质模型多参数反演

水质模型参数取值对模型的模拟精度影响很大,为提高BOD-DO水质模型参数反演精度,首先在DobbinsCamp BOD-DO水质模型的基础上,以BOD和DO浓度计算值与实测值之差的加权平方和最小为目标函数,构建了Dobbins-Camp BOD-DO水质多参数反演模型;然后针对麻雀搜索算法(Sparrow Search Algorithm,SSA)求解精度低、稳定性不足和易陷入局部最优等问题,引入Sine混沌映射和对立学习、转移概率以及差分变异3个策略,分别从提高初始种群多样性、扩大搜索空间以及增强种群跳出局部最优的能力三方面对SSA算法进行改进,提出了一种多策略改进的麻雀搜索算法(Multi-strategy Improved Sparrow Search Algorithm,MISSA),并将其应用于Dobbins-Camp BOD-DO水质多参数反演模型的求解;最后通过数值实验将得到的反演结果与SSA算法、模拟退火算法、粒子群算法、遗传算法四种优化算法进行对比,并探讨了参数初值选取和观测噪声水平对反演结果的影响。结果表明:MISSA算法的计算性能明显优于对照组中的4种算法,且能显著降低初值选取对BOD-DO水质模型参数反演结果的影响,当观测数据的噪声水平不超过5%时,MISSA算法可有效提高反演结果的稳定性。该结果验证了MISSA算法在反演Dobbins-Camp BOD-DO水质模型参数的有效性,为水质模型参数求解提供有益参考。

基于改进麻雀搜索算法的微电网优化调度

针对微电网优化调度问题,提出一种混合策略改进的麻雀搜索算法。首先,将微电网优化调度问题变成多维函数优化问题,并建立约束条件。其次,利用Sin混沌序列初始化种群;然后在位置更新阶段引入学习系数和变异算子;最后引入自适应t分布和动态选择概率,来改善麻雀搜索算法的搜索能力。通过标准测试函数仿真实验和对微电网优化调度模型求解,验证了所提算法具有更高的精度和更快的收敛速度。

多策略融合的改进万有引力搜索算法

为解决传统万有引力搜索算法(GSA)易陷入局部最优和开发能力弱等问题,提出了一种多策略融合的改进万有引力搜索算法(MFGSA)。首先,提出动态调整引力常数G的更新策略,以增强算法的探索能力和收敛精度;其次,为保留粒子的多样性,提出了基于对称思想的粒子越界处理策略,以提高算法的收敛精度;为适应前两个策略,还引入精英思想,用最优粒子改善最差粒子位置策略,以避免算法陷入局部最优;同时,提出了自适应因子更新粒子速度和位置策略,以提高算法的收敛速度。为验证改进算法的性能,将改进算法与传统万有引力搜索算法和其他四种改进万有引力搜索算法在10个基准函数上进行了对比实验,结果表明MFGSA在收敛速度、搜索精度方面优势较大,表明MFGSA性能的优越性。

基于改进麻雀搜索算法-BP神经网络的电缆接头线芯温度间接测量方法

电缆接头线芯温度实时监测对提升电缆线路载流量和安全运行有重要意义。针对目前测温方法适用性不强、精度低且抗干扰能力弱的问题,提出了一种改进麻雀搜索算法(improved sparrow search algorithm, ISSA)优化反向传播神经网络(back propagation neural network, BPNN)的温度反演间接测量方法。首先引入帐篷(Tent)混沌映射、自适应T分布变异、生产者数量和搜索空间动态调整混合策略对SSA进行改进,然后用改进后的SSA优化BP神经网络超参数。最后通过不同工况下的接头仿真与试验数据,结合自回归滑动平均模型(auto regressive moving average model, ARMA)对表面测温数据进行降噪,基于线路负荷及表面温度对接头线芯温度进行反演,并与粒子群优化算法(particle swarm optimization, PSO)-BP、SSA-BP、灰狼优化算法(grey wolf optimizer, GWO)-BP反演效果进行对比。结果表明改进模型的平均绝对误差不超过0.5℃,反演精度更高,能够实现对电缆接头运行状态的实时有效监测。

多策略融合的改进黏菌算法及其应用

针对黏菌算法存在自适应能力有限,抗停滞能力弱等不足,提出多策略融合的改进黏菌算法。采用Bernoulli混沌初始化,丰富种群多样性,提升算法优化精度和收敛速度;提出动态非线性递减策略,动态调节黏菌个体探索幅度,协调并优化算法全局搜索与局部开发能力;结合麻雀算法的预警机制与折射反向学习策略,优化黏菌个体分离觅食过程,防止前期优质个体流失以及后期种群多样性匮乏,提升算法整体抗停滞能力。通过对基准测试函数及部分CEC2017测试函数进行寻优对比实验,测试结果表明改进算法具有更好的寻优精度、稳定性。利用改进算法优化XGBoost参数并将其用于变压器故障诊断,进一步验证了改进策略的有效性及算法的工程实用性。

多策略融合的改进麻雀搜索算法及其应用

针对麻雀搜索算法易陷入局部最优、收敛速度慢等不足,提出一种多策略融合的改进麻雀搜索算法.采用精英混沌反向学习策略生成初始种群,增强初始个体的质量和种群多样性,实现对更多优质搜索区域的勘探以提升算法的局部极值逃逸能力和收敛性能;结合鸡群算法的随机跟随策略,优化麻雀搜索算法中跟随者的位置更新过程,平衡算法的局部开发性能和全局搜索能力;采用柯西-高斯变异策略提升算法的种群多样性保持能力和抗停滞能力.对10个不同特征的基准测试函数进行寻优,测试结果与Wilcoxon符号秩检验结果均表明改进算法具有更好的寻优精度、收敛性能和稳定性.最后,利用改进算法对最小二乘支持向量机的参数进行优化,应用于煤与瓦斯突出危险性辨识,通过实验进一步验证改进策略的有效性和改进算法的优越性.

基于ISSA的燃料电池多电源模糊能量管理策略

为了提高燃料电池(FC)混合动力汽车(HEV)的经济性,提出一种利用模糊逻辑控制(FLC)的方法对其实现能量管理策略(EMS)。以氢耗量最优为目标,加入超级电容器作为辅助能源,考虑汽车驱动与制动2种状态,把需求功率、超级电容荷电状态、燃料电池的工作效率,添加为模糊控制器输入变量,对模糊规则进行改进。引入改进的麻雀搜索算法(ISSA)对模糊控制器的隶属度函数进行优化,采用Circle映射初始化麻雀种群,同时引入随机游走策略对全局最优解扰动。采用Advisor软件和Matlab/Simulink环境建模并进行联合仿真。结果表明:本文能量管理策略,在城市道路循环工况(UDDS)和高速公路燃油经济性测试工况(HWFET)下,等效氢耗量分别减低了29.38%和29.88%,同时,也减少了燃料电池在运行时的变载次数,使得燃料电池寿命得到延长。

基于MISSA-SVM模型的边坡稳定性预测及应用

为提高边坡稳定性的预测精度,提出一种基于多策略改进的麻雀搜索算法(MISSA)优化支持向量机(SVM)的边坡稳定性预测模型。选取容重γ、黏聚力c、内摩擦角Ф、边坡角φf、边坡高度H、孔隙压力比ru等6个代表性特征作为模型的预测指标。针对麻雀优化算法(SSA)存在的收敛速度慢、精确度不高、易陷入局部最优等问题,引入一维复合混沌映射、正余弦算法(SCA)、Levy飞行机制和步长因子动态调整等策略进行优化改进,构建基于MISSA-SVM的边坡稳定性预测模型。将MISSA-SVM模型应用到大溪滑坡等9组边坡工程实例进行验证。结果表明:MISSA-SVM模型的准确率、精确率、召回率、F_(1)分数、均方误差(MSE)和曲线下面积(AUC)分别达到96.29%、92.3%、100%、0.96、0.016和0.967,均优于SSA优化的SVM模型和BP模型,预测结果与实际边坡状况完全吻合,表明MISSA-SVM模型具有较强的泛化能力。

基于RBFNN-ISSA的特大跨径悬索桥有限元模型修正

针对大跨径悬索桥一类复杂结构的有限元模型修正问题,提出了一种基于径向基神经网络(radial basis function neural network,RBFNN)子结构代理模型与改进麻雀搜索算法(improved sparrow search algorithm,ISSA)的有限元模型修正方法。首先,基于桥梁图纸数据采用通用有限元软件建立一座大跨悬索桥的初始有限元模型,并根据拉丁超立方抽样原则生成子结构材料参数-结构响应的训练样本,通过RBF神经网络和子结构模拟方法对初始有限元模型进行解构重组和样本学习,拟合关于材料参数-结构响应的代理模型。其次,建立考虑主梁挠度和模态频率误差最小的有限元模型参数修正数学优化模型,采用Tent混沌映射及黄金正弦策略改进标准麻雀搜索算法,引入柯西分布函数和贪心保留策略对每一代麻雀种群进行扰动,以用于求解联合静、动力特征的有限元模型修正数学优化问题。最后,以杭瑞高速洞庭湖大桥为工程背景,进行了悬索桥荷载试验,利用实测桥梁响应数据验证了该方法的可行性。研究结果表明:基于RBF神经网络与子结构法的模型修正方法,可以建立拟合精度较高的悬索桥结构代理模型;基于子结构RBF神经网络与改进麻雀搜索算法修正后的有限元模型相较于整体RBF神经网络、支持向量机和Kriging模型,大幅提升了对于实际结构的模拟精度,与实测数据相比,修正前后有限元模型在两级静力加载工况下13个有效测点挠度的平均相对误差降低了25%以上,前8阶模态频率的平均相对误差由-6.83%降至-2.38%,MAC值结果表明修正后模型能够准确地反映出大桥的实际振动状态,有效改善了初始有限元模型计算失真的情况;此外,基于混合策略改进后的麻雀搜索算法对于有限元模型修正参数的寻优具有更佳的收敛效率和稳定性。

基于KPCA-ISSA-SVR的盾构施工诱导地面沉降预测模型研究

为了准确预测盾构施工诱发的地面沉降量,论文提出了核主成分—多策略融合的改进麻雀搜索算法优化支持向量回归机(KPCA-ISSA-SVR)预测模型。以73组地面沉降实例为总体样本集构建训练及测试样本,利用核主成分分析对影响地面沉降的地质因素及施工因素进行特征提取的基础上,采用ISSA算法优化参数C和g,建立KPCA-ISSA-SVR地面沉降量预测模型,并与核主成分-Tent混沌映射改进麻雀搜索算法优化支持向量回归机(KPCA-TentSSA-SVR)、核主成分—麻雀搜索算法优化支持向量回归机(KPCA-SSA-SVR)、麻雀搜索算法优化支持向量回归机(ISSA-SVR)模型进行对比。结果表明:KPCA能够剔除冗余信息,降低模型复杂度;ISSA全局寻优及局部探索能力强,能高效准确地确定模型参数;KPCA-ISSA-SVR预测精度更高,稳定性更强。

基于NRS-ISSA-SVM的砂土液化判别模型

针对砂土液化判别中影响因素与砂土状态间映射关系的不确定性及模糊性等问题,在邻域粗糙集(Neighborhood Rough Set,NRS)因素约简的基础上,利用多策略融合的改进麻雀搜索算法(Improved Sparrow Search Algorithm,ISSA)优化支持向量机(Support Vector Machine,SVM)参数C和g,构建了SVM砂土液化判别模型。以吉林松原地区的42组实例作为总体样本集,其中35组作为训练集,另外7组作为测试集,利用邻域粗糙集对9个影响因素约简得到4个因素,然后输入ISSA-SVM模型进行预测,并进行了约简得到的因素敏感性分析。结果表明:因素约简剔除了冗余属性,降低了模型复杂度;ISSA算法具有极强的探索性、收敛性和局部逃逸能力;相比于其他模型,NRS-ISSA-SVM砂土液化判别模型精度更高,泛化能力更强;建议要判别砂土的液化状态,需要准确查明水位埋深、地震烈度、标准贯入击数,非液化土层厚度这4个因素,尤其是前三个因素。通过易获取的影响因素建立NRS-ISSA-SVM砂土液化判别模型,不仅可准确地判断该区域其余未知点的砂土状态,还可为其他类似问题提供参考借鉴。

矿井风流智能按需调控算法与关键技术

为快速实现井下用风地点智能按需调控优化,提出一种基于多策略融合麻雀搜索算法的矿井风流智能调控方法.以用风地点需风量为优化目标建立数学模型,采用不可微精确罚函数对模型进行去约束化;依据风网灵敏度理论分析灵敏度衰减特征,初步确定待优化风量的最优调节分支集及其风阻调节范围作为初始解集;为求解目标用风地点风量的最优可调值,利用多策略融合的改进麻雀搜索算法在初始解集内对目标函数进行寻优,依次采用Tent混沌映射初始化种群、自适应权重动态控制发现者的搜索步长、联合柯西算子与高斯算子对每代个体变异扰动,并基于贪婪规则保留优值的改进策略,根据改进后算法的寻优结果判定最优调风方案;经矿山智能通风系统实验平台测试,验证了矿井用风地点按需调控算法及方案可行可靠.

大坝渗压混合预测的STL分解-集成学习模型

针对目前大坝渗压预测研究大多未区分影响因素对渗压不同特征成分贡献的差异,降低了模型的可解释性,且现有的预测模型大多采用单一算法,存在难以区分具有高度非线性和非稳态混合特征的渗流压力序列模式等问题,本文提出一种基于STL分解和集成学习策略的渗压可解释混合预测模型。该模型首先通过时间序列分解(STL)将原始渗压时间序列分解为季节项、趋势项和余项,以避免现有模型在渗流压力预测中模式混淆的不足;然后,不同成分的变化特征可采用多策略改进麻雀搜索算法(MSISSA)优化的核极限学习机(KELM)和卷积神经网络组合门控递归单元(CNN-GRU)组成的集成学习模型来识别;此外,还采用单次单因子法(OFAT)分析影响因素对渗流压力不同特征成分的贡献,从而改变输入因素的权重,以提高模型的可解释性。案例分析结果表明,在确保模型可解释性的同时,所提出的混合模型与基于单一算法的模型相比,预测精度平均提高了48.44%;与其他集成预测模型相比,预测精度平均提高了11.42%,验证了所提模型的有效性,为大坝渗流安全监控提供了新的建模方法。