基于天牛群优化算法的灌区渠系配水研究

【目的】验证改进后的天牛群优化算法在渠系配水领域的科学性与适用性。【方法】以2020年大功灌区某次灌水过程为基础数据,以西一干渠干、支二级渠系输水过程中渗漏损失水量为优化目标,各渠道运行时间及下级支渠输水流量为决策变量,构建渠系配水模型,采用天牛群优化算法进行模型优化求解,并与天牛须搜索算法、粒子群算法等求解结果进行对比分析。【结果】采用天牛群优化算法求解得到的总配水量为391.85万m^(3),渗漏总水量为22.87万m^(3),配水总时间为7.30 d,相较于天牛须搜索算法计算的配水结果均有较大提升,与粒子群算法求解结果接近,但天牛群优化算法得出的渠系配水方案更为合理。【结论】改进后的天牛群优化算法能够较好满足灌区渠系水资源优化配置要求,为灌区水资源管理提供新的配水方法与科学建议。

基于混沌天牛群算法的大地电磁反演

大地电磁反演是非线性问题,传统的大地电磁反演采用线性反演,结果往往会陷入局部最优,为此,在标准BAS算法的基础上,引入混沌种群概念、指导性学习策略及竞技场策略,实现带学习和竞争机制的混沌天牛群搜索算法(LCCBSA)。利用LCCBSA算法、粒子群算法和遗传算法分别对测试函数试算,结果表明该算法与其他算法相比具有较快的收敛速度和寻优能力。大地电磁理论地电模型的反演试算表明,LCCBSA算法能够较好地寻找到全局最优解,并且通过与多尺度反演结果对比检验了该算法恢复地下深部低阻层的能力。最后,利用该算法反演了塔里木盆地的实测数据,反演剖面和Bostick反演结果基本一致,说明LCCBSA算法可以用于处理大地电磁实际资料,是一种可行的非线性反演方法。

基于BSO-BP改进动态帧时隙算法的密集环境下RFID标签读写优化方法

无线射频识别技术作为物联网的关键技术,正在不断发展并广泛应用于我国制造业领域。为了解决大量无线射频识别标签读写时相互竞争信道而产生的数据碰撞现象,需要对标签数量进行准确估计。文章在传统动态帧时隙算法的基础上,利用天牛群搜索算法寻找BP神经网络的最优初始权值和阈值,并将最优值应用到BP神经网络的参数设定中,实现了对标签数量的准确估计。通过实验和企业实际使用RFID绑定电源线的生产效果证明,与传统的动态帧时隙算法相比,所提出的改进算法既保证了读取的准确性,又缩短了读取时间,有效地提高了系统的效率。

基于波速修正的堆石坝面板损伤声发射源组合定位方法

为提高堆石坝混凝土面板损伤声发射源定位精度,提出了一种基于波速修正的堆石坝面板损伤声发射源组合定位方法——BSO-IGeiger法。该方法利用波速修正对已知恒定波速时差法(Geiger法)进行改进并建立定位目标函数,通过基于学习淘汰机制的天牛群搜索算法(BSO)求解定位目标函数,同时给出了一种传感器阵列健康监测网络布设方式进行区域定位和传感器存活检测,以保障堆石坝面板声源定位的可靠性。试验验证结果表明,BSO-IGeiger法定位效果明显优于Geiger法和未知恒定波速时差法。

基于BSO-BP神经网络的赤潮预测模型

针对天牛须(BAS)算法在处理高维数据时容易陷入局部最优的缺陷,在BAS算法的基础上结合粒子群(PSO)群体信息共享的机制,提出一种倒S型函数的BSO-BP模型。通过建立BSO算法优化BP神经网络的复合模型对夜光藻密度进行预测,从而实现赤潮灾害预测。首先,采用核主成分分析法(KPCA)对输入变量进行降维处理,加快网络的收敛速度。接着,利用BSO优化BP神经网络初始权值、阈值。为了更好地平衡BSO算法的全局搜索以及局部搜索能力,引入倒S型函数来调整惯性权重。相对于BP、PSO-BP、BAS-BP等模型,BSO-BP具有更好的预测精度以及非线性拟合效果。