RAGA-PPC云模型在边坡稳定性评价中的应用

为精确评价露天矿边坡稳定性,预防边坡事故发生,首先选取黏聚力、内摩擦角、边坡角、边坡高度、孔隙水压力比、天然容重等6个指标,建立边坡稳定性评价指标体系;其次基于20组样本数据,采用投影寻踪聚类(PPC)算法将多维数据投影在一维平面上,以基于实数编码的加速遗传算法(RAGA)优化投影指标,并计算各指标的权重值;然后采用正向云发生器得到边坡各稳定性等级的隶属度,并据此计算边坡稳定性等级的加权隶属度;最后构建定性与定量相结合的RAGAPPC等级评价云模型,并用5组样本数据验证RAGA-PPC云模型的评价结果。结果表明:影响边坡稳定性的最主要因素是边坡高度;RAGA-PPC云模型评估的20组样本数据准确率为95.0%,检测5组样本数据准确率达到100%。

RAGA-PPE模型在科技项目评审专家绩效评价中的应用

为促进科技项目评审专家的管理工作,需要对专家绩效进行评价。将投影寻踪评价模型(PPE)应用于科技项目评审专家绩效评价中,利用基于实数编码的加速遗传算法(RAGA)求解投影方向,根据投影值的大小对专家绩效进行评价分析,克服了人为因素的干扰,取得了满意的评价结果,为科技项目评审专家绩效评价提供了一种新的思路。

城市群综合承灾能力评价的RAGA-PP模型

为解决已有模型普遍存在的难以动态评价非线性寻优的现实问题,引入投影寻踪(PP)模型进行城市群综合承灾能力评价,并运用基于实数编码的加速遗传算法(RAGA)优化辅助多维数据空间拓扑结构的投影方向,对长三角城市群(YRDUA)地区进行实证研究。结果表明:RAGA-PP模型与典型的熵权法(EWM)、灰色关联分析法(GRA)评价结果具有高度一致性,且RAGA-PP评价结果更符合实际,表明RAGA-PP模型具有较强的精确性、稳健性和抗干扰性,不仅能够聚焦于优秀个体的取值区间来实现全局搜索和加速评估,也在较大程度上避免传统方法长期存在的权重设置主观性较强、高维数据不易处理的现实问题;另外,各子系统维度的目标投影值平均水平排序为:抗灾维度>防灾维度>救灾维度>恢复维度,表明抗灾维度指标对综合承灾力影响程度最大。

投影寻踪分类模型在常见造纸纤维原料综合评价中的应用

将投影寻踪分类(PPC)模型与基于实数编码的加速遗传算法(RAGA)相结合,同时优化多个指标参数,将高维数据指标转化为低维空间上的一维投影值,建立RAGA-PPC模型,用于造纸纤维原料分类,并对造纸纤维原料进行综合评价。结果表明,基于RAGA-PPC模型的评价结果与造纸纤维原料实际分类结果一致,此方法客观可靠,精度高,具有一定的应用前景。

自然灾害社会脆弱性评估研究——以上海市为例

基于投影寻踪聚类模型(PPC),结合基于实数编码的加速遗传算法(RAGA),对上海市进行了自然灾害社会脆弱性评估的尝试。结果表明:①灾害社会脆弱性最高的为崇明县,其次为宝山区和金山区;②灾害社会脆弱性最低的是黄埔区,其次是徐汇区和静安区;③总体而言,灾害脆弱性较低的地区集中于上海城市中心区,而城市边缘区的社会脆弱性一般较高。

基于太子河流域水质评价研究——以辽宁省本溪段为例

依据太子河流域辽宁省本溪段的水环境实际状况建立了水质评价标准,并利用模型对该流域水质进行了客观、科学地评价。研究表明:所构建的综合优化模型不仅可有效解决传统的逐步算法存在的早期收敛、局部最优的问题,而且可准确反映指标投影值与水质等级之间的非线性关系;影响太子河流域水质的关键性因素为TP,该评价结果与流域水环境实际状况具有良好的一致性,所构建的模型与水质评价标准能够较好地反映流域水环境实际状况,所建立的水质评价标准和优化模型具有较好的适用性与可行性。