基于分期设权理想点法的水文模型参数多目标优化

针对水文模型参数多目标优化问题中计算复杂且多目标之间存在相互矛盾的问题,提出了基于分期设权理想点法的水文模型参数多目标优化方法.以ABCD水文模型为月径流预报模型,构建径流总水量误差、平均相对误差、高水流量纳什效率系数和低水流量纳什效率系数4种目标函数,采用分期设权理想点法将多目标函数转化为单目标,并采用粒子群优化算法求解目标函数.以泾河流域月径流为例,设置全时期(A)、丰水期(B)、枯水期(C)、分期模拟-组合(D)4种模拟方案,分析不同方案下模型模拟效果,结果表明:在全时期模拟方案中,相较于单目标优化方案A1~A4,多目标优化方案A5能有效地表征多个水文过程特征,协调目标函数间的互斥关系,模拟效果更优;在分期模拟方案中,目标权重为0.75时的子方案B3、C3既能合理体现目标函数表征的水文特征,又能兼顾其他目标函数,模拟效果相对最佳;丰、平、枯水期分期模拟-组合方案D对高水流量与低水流量过程模拟效果较全时期多目标优化方案的模拟效果更优,评价指标决定系数R2、效率系数Ens均达到0.8以上,平均绝对百分误差APE小于1%,说明分期模拟-组合方案D能有效提高模型模拟精度.

概念性流域水文模型参数多目标优化率定

针对传统基于单一目标的水文模型参数优化率定方法不能充分挖掘水文系统不同动态行为特征的缺陷,提出一种多目标文化混合复形差分进化算法(Multi-objective Culture Shuffled Complex Differential Evolution,MOCSCDE)用于求解水文模型参数多目标优化问题。MOCSCDE算法将混合复形进化算法(Shuffled Complex Evolution,SCE-UA)置于文化算法(Cultural Algorithms,CA)进化的框架中,利用种群进化过程中提取的各种知识指导算法的运行,提高算法的运行效率,同时考虑到SCE-UA中单纯形算子不能充分利用种群个体信息的不足,采用全局搜索能力强的差分进化算法(Differential Evolution,DE)替代单纯形算子,可以更加充分利用种群个体信息进行演化计算,进一步提高算法的计算效率。将MOCSCDE算法应用于概念性水文模型——新安江模型的参数多目标优化率定,并与NSGA-Ⅱ和SPEA2算法进行对比分析,结果表明MOCSCDE算法的收敛性和分布性均优于NSGA-Ⅱ和SPEA2,可为水文预报提供更为全面可靠的参数组合决策依据。

水文模型参数多目标优化率定及目标函数组合对优化结果的影响

针对水文模型多目标优化中目标函数组合难以合理构造与选取的难题,基于多目标智能优化算法的优化结果,提出了一种简便的不同目标组合优化结果性能比较方法,并以一种日径流预报模型为实例,构造了3组目标函数组合,采用经典多目标优化算法NSGA-II优化率定模型参数,在模型参数优化率定结果的基础上,应用作者提出的目标组合优化结果比较方法,分析了不同目标组合对模型参数优化结果性能的影响,并尝试找到一种能权衡各种目标性能的目标组合。结果表明,提出的目标组合优化结果比较方法可以有效分析与比较不同目标组合对优化结果的影响,能够为水文预报人员合理选取与构造目标组合提供科学的数量依据,具有良好的工程应用前景。

基于NSGA-Ⅱ的水文模型参数多目标优化研究

为了对水文模型中难以直接测算的参数进行调试和优化,将带精英策略的非支配排序遗传算法(NSGA-Ⅱ)应用于水文模型(HYMOD)参数多目标优化计算中,得到最优解Pareto集合。通过多目标距离函数法从Pareto集中求出一组协调集。采用非支配解集覆盖度和非支配解的空间分布两个性能度量指标,对NSGA-Ⅱ算法与多目标粒子群算法(MOPSO)的优化结果进行比较分析。结果表明,NSGA-Ⅱ优化得到的非支配集比MOPSO算法得到的支配比例高;但前者的非支配解的空间分布较MOPSO算法相对均匀。

基于代理模型的水文模型参数多目标优化!

针对传统多目标优化算法存在计算复杂且效率偏低的问题,提出了一种基于代理模型的多目标优化方案。以淮河大坡岭水文站以上流域为例,采用多元自适应回归样条方法构建新安江模型参数与不同目标的响应曲面关系,进而估计参数的近似Pareto解集。采用4种目标函数(总水量误差系数、均方根误差、高水流量误差系数和低水流量误差系数)和4种模型精度评价指标(Nash-Sutcliffe效率系数、洪峰流量相对误差、径流深相对误差和峰现时间误差)评定模型优化结果,选择10场洪水过程和4种不确定性评价指标估计Pareto解集的模型预测区间特征。结果表明,代理模型可有效降低模型评估与优化过程中的计算消耗,为实现多目标优化的高效性奠定了基础。此外,不确定性分析结果也进一步验证了方法的有效性和结果的可靠性,为复杂模型参数优化与不确定性评估提供了参考。

基于粒子群算法的水文模型参数多目标优化研究

在改进的粒子群算法基础上通过引入存档群体和拥挤距离机制,建立了基于粒子群算法的多目标算法,并将该算法应用于新安江模型参数多目标优化计算中,得到了最优解的Pareto集合。通过多目标距离函数法从Pareto集中求出一组单一解。将多目标优选的结果与单目标优化结果进行比较分析,结果表明,多目标参数优选方法综合考虑了水文过程的各种要素,比单目标优选结果具有更高的模拟精度。

一种基于离散时域模型的单相PWM整流器控制参数多目标优化设计方法

单相PWM整流器一般采用电压外环比例积分、电流内环比例谐振的双闭环控制方法,在实现交流侧高功率因数的同时稳定直流侧输出电压,因此受到国内外学者的广泛研究。然而,在内外环控制参数设计阶段,传统设计方法一般根据经验选取控制参数,参数选取范围较大,且无法量化评估控制参数的时域控制效果,导致参数优化整定困难。为此,该文提出一种基于离散时域模型的内外环控制参数多目标优化设计方法。首先,采用传统设计方法确定电压外环比例、积分控制参数以及电流内环比例、谐振控制参数的安全设计空间;然后,基于离散时域模型将安全设计空间正映射至控制参数的时域性能空间,实现电流内环控制参数对交流侧功率因数以及电压外环控制参数对直流侧电压超调量的量化评估。在此基础上,通过进一步约束性能目标得到性能优化设计空间,考虑内外环控制参数的耦合效应,对内外环性能优化设计空间进行重新组合,再将其映射至性能空间,得到内外环控制目标帕累托最优前沿下的最优设计空间,从中选取内外环控制参数的优化设计点,在典型工况下实验测得的交流侧功率因数为0.981 26,直流输出电压超调量绝对值为1.37%,证明了所提优化设计方法的正确性。

基于代理模型和NSGA-Ⅱ的超高强钢电阻点焊工艺参数多目标优化

为寻求超高强钢电阻点焊时最佳的焊接工艺参数,开展正交试验法设计三因素五水平的平板搭接点焊试验,以焊接时间、焊接电流和电极压力为可调的工艺参数,将熔核直径、压痕深度、拉剪强度及飞溅情况作为焊接接头质量评价指标.基于高斯过程回归和BP神经网络建立起焊接工艺参数与焊接接头质量评价指标之间关系的代理模型,训练的结果显示模型精度很高.最后利用带精英策略的非支配排序的遗传算法NSGA-Ⅱ实现多目标优化,得到各评价指标之间的最优pareto解集.经验证,各评价模型的相对误差值都很小.结果表明,该优化方法有较好的预测效果和稳定性.通过使用较少的试验数据,建立优化模型的方法对电阻点焊及其它焊接领域最佳焊接工艺参数的选取具有重要的指导价值.

纵扭超声振动辅助铣削60%SiC_(p)/Al多目标参数优化研究

针对高体积分数碳化硅颗粒增强型铝基复合材料(SiC_(p)/Al)在铣削过程中加工难度大、表面质量差等问题,提出了纵扭超声振动辅助铣削复合工艺。以超声振幅、切削速度、每齿进给量和切削深度为变量,设计了四因素五水平正交试验。通过响应曲面法和人工神经网络,建立了切削力、切削温度和表面粗糙度的预测模型,分析了4个参数变量中两个指标的交互影响作用,并对预测模型的准确性进行了对比验证。最后,采用遗传算法对切削力、切削温度和表面粗糙度进行了多目标参数优化。结果表明,响应曲面法与人工神经网络建立的模型均有较好的预测能力,但人工神经网络准确性更高。采用遗传算法优选出的最佳参数组合为超声振幅A=1.84μm,切削速度v_(c)=20 m/min,每齿进给量f_(z)=0.015 mm/z,切削深度a_(p)=0.8 mm,经过验证试验后发现,采用优选参数有效降低了切削力、切削温度和表面粗糙度,各值分别为切削力F_(t)=7.23 N,切削温度T=40.18℃,表面粗糙度R_(a)=2.4673μm,预测误差分别为6.91%、6.53%、2.53%,证明了预测模型的准确性与优化参数的有效性。

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。

基于改进雪融优化算法的油纸绝缘扩展德拜模型参数辨识

基于回复电压法求解变压器油纸绝缘扩展德拜模型等效电路参数,是典型的非线性多目标优化问题。为了提高扩展德拜模型参数辨识的效率和准确度,提出一种新颖的改进雪融优化(improved snow ablation optimizer,ISAO)算法,旨在有效解决扩展德拜模型参数辨识问题。ISAO算法融合了多种改进策略,运用Tent混沌映射和折射镜像学习机制提高搜索效率,引入莱维飞行策略和贪婪策略增强优化性能,并提出参数预设机制,进一步简化辨识流程、提高求解效率。将ISAO算法应用于油纸绝缘扩展德拜等效电路参数的优化求解,并与几种常用的智能优化算法进行对比,结果表明该算法在扩展德拜模型参数辨识问题上具有显著优势。

快速客运机车踏面磨耗状态下的悬挂参数多目标优化

针对快速客运机车在磨耗轮状态下的动力学性能退化问题,开展了机车转向架悬挂参数多目标优化,以提升机车的动力学性能。首先,建立了快速客运机车动力学仿真模型并验证了准确性;然后通过相关性分析选取关键悬挂参数,并建立与动力学性能指标之间的代理模型;最后基于代理模型采用遗传算法对悬挂参数进行动力学多目标优化。优化结果表明:选取合适的悬挂参数可提升磨耗轮状态下的机车运行安全性、稳定性及平稳性,转向架二次蛇行稳定性得到了较好的提升,其中脱轨系数及轮重减载率降低20%以上,轮轴横向力及构架横向加速度降低30%以上。

煤-电双目标下基于有模型强化学习的回转窑工艺参数优化

基于煤-电双目标下回转窑工艺参数优化问题,提出了有模型强化学习的解决方法.首先,以固定时间间隔为单位对历史工艺参数和运行目标进行数据处理与聚合.其次,搭建概率神经网络建立回转窑控制参数与影响参数、运行目标值的关系模型,该模型被用作为后期强化学习框架中的奖励模型.然后,利用基于模型的离线策略优化的强化学习算法构建控制参数推荐智能体,同时优化回转窑生产过程的煤电消耗.最后,给出一个案例证明所提方法对回转窑工艺参数优化的适应性、高效性.

多目标遗传单纯形算法在概念性水文模型参数优化中的应用

参数识别是水文模型应用的前提,在参数识别的同时需要充分考虑模型自身及参数的不确定性。引入了一种具有较强全局与局部搜索能力的多目标优化算法(MOCOM—UA),探讨了该算法在多目标基础上融合遗传算法和单纯形法两类算法不同搜索机制的模型优化方案,并以汉江上游江口流域新安江模型降水—径流模拟实践为例,将MOCOM—UA算法应用于新安江模型的参数识别,得到了4目标函数情形下的Pareto参数空间和模型的预测范围,并根据该算法模拟计算的结果,初步分析了参数和模型的不确定性。

基于MOSCEM-UA的水文模型多目标参数优化研究

水文模型校准经验表明,单一目标函数不足以准确预报观测数据的所有特征。为解决这一问题定义多个目标函数用于度量系统模拟的不同方面,并根据多标准优化确定pareto非支配最优解。提出高效的MOSCEM-UA算法能够解决水文模型的多目标优化问题,MOSCEM是对SCE-UA全局优化算法的一种改进,它使用pareto非劣解概念而不是直接对单目标函数评估,pareto解集将最初的点群发展为一组解决源方案的稳定分布。通过对流域场次洪水的模拟,进行单目标与多目标模拟方案对比,从而选出较优的多目标优化的模型参数。结果表明,采用多目标最优非劣解准则选取最优解使筛选结果更具准确性和可靠性,为水文模型参数优化率定提供了较为综合的方法。

面向绿色高表面质量制造的硬态车削工艺多目标参数优化

目的为了进行硬态车削绿色制造与工艺性能协同优化研究,提出一种同时考虑碳排放量和表面粗糙度的多目标优化方法。方法首先,通过分析硬态车削过程中切削参数、工件材料、刀具材料等因素对切削功率的影响建立碳排放目标函数,针对工件的表面粗糙度受到切削条件、工件材料、刀具材料等诸多因素的影响,利用正交试验和广义回归神经网络建立轴承硬态车削表面粗糙度目标函数。然后,考虑加工过程中机床特性和硬车实际工况等约束条件,建立以切削参数为优化变量,以碳排放量和表面粗糙度为优化目标的多目标优化模型,引入权重系数将其转化为单目标优化模型。最后,利用遗传算法对优化模型进行优化求解,深入分析切削参数对优化目标的影响。结果在工厂实际轴承产品硬车试验中验证了优化模型的有效性,结果表明,切削速度为225 m/min、进给量为0.08 mm/r、背吃刀量为0.10 mm时,碳排放量和表面粗糙度的综合优化指标最低。相比优化前,虽然碳排放量上升了13.05%,但表面质量提升了34.44%。结论研究结果对面向绿色制造的轴承硬车工艺参数优化提供理论方法有重要意义。

基于RBF神经网络代理模型的装载机空调送风参数优化

装载机在夏季高温环境中作业时,为提高其空调降温效果,故以驾驶室内座椅区域的热流量和平衡温度为优化目标,对送风速度、温度、角度3个空调送风参数进行优化研究。首先,对装载机驾驶室内部流场进行分析,利用Isight优化设计平台集成Fluent;其次,选用最优拉丁超立方设计获取样本点,采用径向基函数(RBF)神经网络代理模型;最后,结合遗传算法对装载机空调送风参数进行多目标优化,通过实验对优化结果进行验证。结果表明:优化后装载机驾驶室内座椅区域的热流量增加了55.03 W,平衡温度略有降低,驾驶室内获得较好的气流组织,散热效果明显改善。

水文模型参数多目标率定及最优非劣解优选

针对概念性水文模型参数众多、相互制约,且多目标参数优化率定最优参数求解困难、易受决策者主观因素影响的问题,采用多目标优化算法对水文模型参数进行率定,得到模型参数最优非劣解集,在此基础上,引入最小最大后悔值决策理论,并结合Pareto支配基本理论,提出了一种多目标最优非劣解选取准则。以柘溪流域为研究对象,采用三目标MOSCDE优化率定新安江模型的参数,并与单目标SCE-UA优化结果进行对比分析。结果表明,提出的非劣解选取方法可以有效从大规模非劣解集中筛选出最优非劣解,大大缩短参数率定耗时。

响应面模型与多目标遗传算法相结合的机床立柱参数优化

针对传统方法在复杂机械结构优化设计中的低效性和局限性,提出了一种将响应面模型与多目标遗传算法相结合的优化设计方法.采用拉丁超立方试验的设计方法,在设计空间抽取样本点并进行数值模拟,建立了由7个设计参数所决定的立柱最大变形、首阶固有频率及质量的初始二阶响应面模型.利用多目标遗传算法对响应面模型进行循环逼近优化,得到了Pareto最优解集.仿真结果表明,在质量不变的条件下,优化解可使立柱首阶固有频率增加15.9%,导轨处最大变形减小7.7%,可通过有限次数的数值模拟计算获得设计空间内的近似最优解,因此较适用于机床及类似复杂结构的多目标多参数的优化设计.

概念性水文模型多目标参数自动优选方法研究

以三水源新安江模型为例,研究探讨了概念性水文模型多目标参数自动优选方法。目标函数综合考虑了水量平衡、确定性系数、洪峰和枯水流量过程。通过对目标函数的不同组合方式,分别率定模型参数和分析比较结果。研究表明,多目标参数自动优选方法综合考虑了水文过程的各种要素,优于传统的单目标优选结果,具有较高的模拟预报精度。