基于SCE-UA算法的山区河流洪水预报研究——以寿溪河为例

在山区河流,强降雨易引发山洪灾害,给人民的生命、财产带来严重威胁,因此,及时准确的山区河流洪水预报预警非常重要。然而,由于山区河流洪水突发性强且影响山区河流洪水的原因复杂,山区小流域洪水预报精度始终有限。以四川省典型山区小流域--汶川县寿溪河流域为研究对象,采用三水源新安江模型与垂向混合产流模型,并引进SCE-UA算法进行参数优选,对该流域的洪水预报进行了深入研究。研究表明SCE-UA算法适用于山区河流洪水预报,显著提升两个模型的预报效果,使三水源新安江模型和垂向混合产流模型的合格率分别提高了20%和35%。综合分析各项指标,垂向混合产流模型的预报结果相比三水源新安江模型更好。研究成果可应用于寿溪河流域山洪灾害预警,同时也可为其他山区河流洪水预报提供参考。

优选伸缩比SCE-UA算法与新安江模型参数率定研究

洗牌复合形进化(SCE-UA)算法作为寻优能力较强的全局寻优算法已被广泛应用于水文模型参数率定领域。经典SCE-UA算法中的下山单纯形搜索采用固定伸缩比实现反射和收缩操作,其寻优效率还有待提升,实际应用中发现变动伸缩比能够改善算法的寻优效率。针对以上问题,结合数值实验与分析,发现伸缩比取值存在最优区间,在伸缩比最优区间内均匀采样,利用优选法在单纯形搜索过程中动态确定最适伸缩比,提出了基于优选伸缩比的SCE-UA算法。本研究利用改进的算法,基于多组人工降雨—径流资料开展了新安江模型参数率定研究。结果表明,相较于固定伸缩比,优选伸缩比算法在多组人工降雨—径流资料下的参数率定测试中均表现出相同迭代次数下目标函数值更优的结果,显著提升了优化效率,进一步提升了算法的深度搜索能力,具有推广应用价值。

基于SCE-UA算法的船舶能效比率优化

船舶能效比率是衡量营运能效的关键指标,采用优化算法开展船舶能量管理可有效改善船舶能效比率,从而满足国际海事组织对船舶碳排放管理的要求。通过构建混合动力船舶的柴油机模型、储能装置模型、船舶动力学和碳排放模型,以柴油机转速和电池充放电功率为决策变量,定义航次时间、主机转速、电池电量和功率等约束条件,采用混合复杂形进化算法(SCE-UA),以某船的典型航次为算例,结合船舶性能、运行环境和任务要求,对船舶营运能效开展全局优化分析,使船舶能效比率降低2.17%~5.19%。优化效果相比采用遗传算法能更有效延缓碳强度指标评级的降级,产生较高的经济成效。

新安江模型参数优化的一种约束SCE-UA算法研究

在新安江模型参数优化领域,洗牌复合形进化(Shuffled Complex Evolution,简称SCE-UA)算法得到了广泛的应用。但在长序列降雨径流模拟和模型参数优化中面临一些问题需要解决。当模型参数适配不当时,土壤含水量易于出现负值,此外,不同径流成分对应的汇流参数需要满足一定的大小关系。上述问题的处理,决定着优化算法能否找到具有正确物理意义的最优模型参数,以及径流模拟结果的合理性和可靠性。针对这些问题,提出了一种约束SCE-UA算法,通过罚函数法对土壤含水量和汇流参数施加约束,引导优化算法向具有正确物理意义的参数可行域展开搜索,在寻优的同时确保了物理意义的正确性。在呈村流域开展了基于约束SCE-UA算法的新安江模型参数优化研究,数值模拟结果表明,约束SCE-UA算法能够确保模型参数物理意义的正确性,解决了土壤含水量出现负值和汇流参数大小关系错误的问题。利用优化获得的最优参数开展水文模拟,能够取得更好的水量平衡效果和更高的模拟精度。

危险货物运输驾驶人风险倾向分类及识别模型研究

为合理评估危险货物运输驾驶人驾驶过程中的风险倾向,建立危险货物运输驾驶人风险倾向聚类及辨识体系,以动态监控系统中记录的驾驶人实时违规预警数据为基础,选取可能引发交通冲突的安全关键事件为特征参数,利用探索性因子分析方法实现指标降维,提取驾驶人风险倾向主因子,并通过K means算法聚类不同风险倾向的驾驶人,最后基于聚类结果监督训练随机森林模型,辨识未知驾驶人的风险倾向。结果表明,利用选取的8类安全关键事件特征参数,可以将驾驶人风险倾向划分为攻击驾驶倾向、鲁莽驾驶倾向、驾驶分神倾向和驾驶疲劳倾向,且可以识别风险较低的驾驶人,基于随机森林模型的驾驶人风险倾向识别准确率为88.68%,可以较好地实现危险货物运输驾驶人风险倾向辨识。研究结果为危险货物运输驾驶人风险倾向分类及识别提供了方法依据。

SCE-UA算法在TOPMODEL参数优化中的应用

以江西修水万家埠流域为例,用SCE-UA算法对TOPMODEL参数进行了优化,并对优化结果进行了检验.结果表明:SCE-UA算法不仅可以用于概念性水文模型和分布式水文模型,还可以用于半分布式水文模型———TOPMODEL;TOPMODEL参数上下边界需根据参数的物理意义和研究流域特性来确定;在SCE-UA算法中,目标函数的建立对于参数优化具有重要作用,在次洪模拟时,目标函数应突出高水过程和洪峰对模拟效果的影响;SCE-UA算法的绝大部分参数取值都可以采用已有研究成果的默认值,只有复合型个数p需要根据具体问题确定.

基于SCE-UA算法的新安江模型参数优化及应用

为了减小水文模型参数优化中人工试错法和局部优化法的不确定性,以一种快速有效的优化方法搜索到水文模型参数的全局最优解。以安徽呈村流域为例,使用SCE-UA算法对新安江模型参数进行优化,日模型和次洪模型分别采用总体水量误差和对数绝对值误差作为目标函数,分析优化结果并对优化参数进行检验。经检验分析,日模型检验期确定性系数均达到0.8,次洪模型检验期确定性系数接近0.9。研究结果表明,采用SCE-UA算法优化新安江模型参数可以取得较好结果,目标函数的选择对参数优化有着重要作用。

SCE-UA算法优化土壤湿度方程中参数的性能研究

借助于一维土壤湿度模型,分别将土壤成份和土壤性质相关参数作为待优化的参数,通过观测系统模拟试验的方式,评估SCE-UA(Shuffled Complex Evolution Algorithm)优化算法对这些参数的优化效果。结果表明:优化的效果不仅依赖于参数的取值范围,还依赖于参数的敏感性,敏感的参数通过优化算法易得到最优值;不敏感的参数存在"不敏感区间",在"不敏感区间"中易陷入次优,通过缩小参数优化分布区间和增加优化的次数可以部分提高优化的效果。此外,模型的超定性也可能导致参数次优值的出现,而通过恰当地给出参数之间的约束条件和优化判据,可以提高参数优化的效果。

4种方药对环磷酰胺诱发的SCE的抑制作用

目的:对中医常用滋阴补阳方药进行筛选。方法:以ICR纯种小鼠的骨髓细胞为实验材料,用公认的诱变剂环磷酰胺(CPP)诱发的姐妹染色单体互换(SCE)作为指标,研究六味地黄汤、金匮肾气丸、理中汤及桂枝甘草汤对环磷酰胺诱导的SCE的影响。结果:4种方药对SCE均具明显的抑制作用。

基于SCE-PSO的无线传感器网络节点三维定位方法

目前,无线传感器网络节点定位算法的研究主要集中在二维空间,对三维定位算法的研究较少。如果将现有的二维定位算法扩展到三维,一些算法很难扩展,另外一些算法虽然可以扩展,但扩展后由于维数的增加,计算复杂度太大。为此,结合粒子群算法PSO(Particle Swarm Optimization)和混合复杂进化算法SCE-UA(Shuffled Complex Evolution-University of Arizona)的优点,提出了两个无线传感器网络节点三维定位算法SCE-PSO1和SCE-PSO2。这两个算法保持了PSO算法收敛速度快,受问题维数影响小的优点,同时采用了SCE-UA算法中的洗牌策略,增加了粒子的多样性,改善了PSO算法中的早熟现象,提高了节点定位精度。两个算法的不同在于粒子的速度更新公式,与SCE-PSO1算法相比,SCE-PSO2算法中粒子的速度更新公式增加了各复合形之间的信息共享,因此,SCE-PSO2算法的性能要优于SCE-PSO1算法。仿真分析证明,与原始的PSO算法和SCE-UA算法相比,SCE-PSO1和SCE-PSO2算法具有更高的定位精度。

水文模型模糊多目标SCE-UA参数优选方法研究

在SCE-UA算法的基础上,结合Pareto排序和模糊多目标优选的优点,提出了水文模型模糊多目标SCE-UA(FMOSCE-UA)参数率定方法。目标函数综合考虑了洪峰流量、水量平衡、峰现时间以及流量过程均方差等水文过程的不同要素,使得优选的参数更能反映流域水文特征。双牌水库实例研究结果表明FMOSCE-UA优于标准SCE-UA算法,优选参数完全可以用于实际洪水预报。

SCE-UA算法在暴雨强度公式参数优化中的应用

针对暴雨强度公式的超定非线性等特点,提出了将SCE-UA算法应用于不同重现期的暴雨强度与降雨历时关系式中参数的优化,并与优选回归法、遗传算法、粒子群算法和蚁群算法的优化结果进行了分析比较。实例应用结果表明,该算法可有效、快速地搜索到参数组全局最优解,且稳定可靠,提高了暴雨强度公式参数优化的精度,较其他算法具有一定的优越性。

SCGE,SCE和染色体畸变分析法用于DNA损伤与修复检测的对比研究

目的与方法 :单细胞凝胶电泳技术 (SCGE)、姐妹染色单体交换法 (SCE)和染色体畸变分析法均能被用来检测DNA的损伤或修复。通过对比研究了这 3种方法在DNA损伤和修复检测中的灵敏度和准确性。结果 :SCGE检测H2 O2 所致的DNA损伤比SCE更为灵敏 ,在H2 O2 10 0 μmol/L和 2 0 0 μmol/L剂量组 ,SCGE检测到的DNA损伤率分别达到 45 .6 %和 5 9.5 % ,而姐妹染色单体交换法检测到相应 2个剂量组的DNA损伤率仅为 3 .4%和 5 .3 %。用染色体畸变分析法 ,H2 O2 处理的 4个实验组的染色体畸变率与对照组无明显差异。结论 :SCGE ,SCE和染色体畸变分析法是在 3个不同水平检测DNA的损伤和修复 ,SCGE具有操作简便、快速。

基于SCE-UA算法的API模型应用研究

为了减小Nash模型参数优化中人工试错法和局部优化法的不确定性，以一种快速有效的优化方法求Nash模型参数的全局最优解。以安徽呈村和榆村流域为例，使用SCE—UA算法对API模型参数进行优化，采用对数绝对值误差为目标参数，分析优化结果。选用1988年～1999年共20场洪水进行经检验分析，模拟结果确定性系数均达到0．8以上．其中场18洪确定性系数达到0．9以上。研究结果表明，采用SCE—UA算法对API模型参数优化可以取得较好的结果。提高了模拟精度。

昆明水源水和自来水水质致突变性及化学背景值Ⅱ．蝌蚪红细胞微核和CHO细胞染色体畸变及SCE试验

本文研究的目的是以蝌蚪微核及ＣＨＯ培养细胞染色体畸变（ＣＡ）及姐妹染色单体交换（ＳＣＥ）为指示器，研究昆明市各水厂自来水和它们源水的潜在致突变性。结果表明：①各水厂自来水及它们的源水诱发蝌蚪微核率，除Ｙ－水厂自来水外都有显著性差异。②ＣＡ率的结果：各水厂自来水及源水和对照组除了Ｗ－水厂自来水外，都没有显著性差异。③ＳＣＥ率：高浓度组（０．０６２５Ｌ／ｍｌ）的滇池源水及Ｗ－水厂自来水和低浓度组（０．０３１２５Ｌ／ｍｌ）的Ｗ－水厂自来水同对照组相比，有极显著性差异。低浓度组滇池源水和高浓度组的Ｅ－，Ｓ－水厂自来水有显著性差异。

基于SCE-UA支持向量机的短期电力负荷预测模型研究

支持向量机(support vector machine,SVM)作为一种新颖的机器学习方法已成功应用于短期电力负荷预测,然而应用研究发现SVM算法性能参数的设置将直接影响负荷预测的精度.为此在对SVM参数性能分析的基础上,提出了SCE-UA(shuffled complex evolution-University of Arizona)支持向量机短期电力负荷预测模型建模的思路及关键参数的选取,在建模过程中引入了径向基核函数,简化了非线性问题的求解过程,并应用SCE-UA算法辨识SVM的参数.贵州电网日96点负荷曲线预测的实际算例表明,所提SCE-UA支持向量机模型不仅克服了SVM参数选择的盲目性,而且能提高预测准确率,是一种行之有效的短期电力负荷预测模型.

基于SCE-UA算法的新安江模型与垂向混合产流模型参数优化应用研究

为解决流域水文模型人工试错率定参数呈现的经验性与不确定性问题,探寻模型参数率定的全局最优解,本文对三水源新安江模型与垂向混合产流模型采用复合形交叉进化算法(SCE-UA)优选率定模型参数。优化过程中拟定了两种模型参数优选边界,选定包含复合形个数p在内的SCE-UA算法参数,建立了基于洪峰、洪量、流量过程三要素的目标函数。经案例分析得出SCE-UA算法适用于上述两种水文模型调参应用,且垂向混合产流模型模拟结果优于三水源新安江模型。

松针提取物拮抗环磷酰胺诱发人外周血淋巴细胞微核及SCE的研究

应用人体外周血微核试验及人体外周血ＳＣＥ试验研究了松针提取物对环磷酰胺致突变作用的影响。结果表明，松针提取物与环磷酰胺共同作用时，能抑制环磷酰胺的致突变性，与微核率及ＳＣＥ频率呈明显的负相关，其相关系数分别为ｒ＝—０．９５８７（Ｐ＜０．０５）及ｒ＝—０．９７６５（Ｐ＜０．０５）。

SCE-UA算法在流溪河模型参数优选中的应用

流溪河模型是一个主要用于流域洪水预报的分布式物理水文模型,目前采用手工试错法优选模型参数,虽然该方法在过去的研究中取得了较好的效果,但参数优选过程较为繁琐,需时较长。文中以广州市流溪水库流域为例,采用SCE-UA算法对流溪河模型优选参数,并使用优选结果进行模拟检验,取得了较好的效果。研究表明,SCE-UA算法能够快速、有效地进行流溪河模型参数的优选,相比手工试错法具有简单、方便、高效的特点,可应用于分布式流域水文模型的参数自动化优选工作。

SCE-UA算法在新安江模型及TOPMODEL参数优化应用中的研究

利用江西修水流域资料,将遗传算法和SCE-UA算法对新安江模型汇流参数及TOPMODEL参数进行优化,并对其结果进行了分析研究,得出了以场次洪水拟合的确定性系数为指标,用SCE-UA算法对TOPMODEL参数自动优化的结果比新安江模型的结果稍好的结论。