SSO-PP模型在水源地安全保障达标评价中的应用

从水量安全、水质安全和管理安全3个方面遴选出9个指标,构建水源地安全保障达标评价指标体系和分级标准;针对PP模型在实际应用中最佳投影方向a难以确定的不足,利用一种全新的仿生群体智能算法——群居蜘蛛优化(SSO)算法搜寻PP模型最佳投影方向a,提出SSO-PP评价模型,通过5个高维复杂函数对SSO算法进行验证,并与粒子群优化(PSO)算法进行对比;利用SSO-PP模型对实例进行达标评价。结果表明:SSO算法具有较好的收敛精度和全局寻优能力,将SSO算法用于PP模型最佳投影方向a的选取,可有效提高PP模型评价精度。SSO-PP模型对暮底河水源地2010年、2015年达标评价结果为"基本达标"和"达标",2020年、2030年达标评价结果为"理想"。

BP神经网络模型与灰色GM(1,1)模型在需水预测中的应用

针对需水量预测具有受诸多因素影响的复杂、高维和非线性等特性,基于BP神经网络算法原理,构建了BP神经网络需水预测模型,将模型应用于上海市需水预测中,并与灰色GM（1,1）需水预测模型的拟合、预测结果进行了对比分析。结果表明：①BP神经网络模型有着较高的拟合、预测精度,平均拟合误差为5.0153%、预测误差为4.0317%,系列平均误差仅为4.8513%,均在6%以内,可以应用于需水预测,模型泛化能力强,预测精度高,算法稳定,有着良好的应用前景。②灰色GM（1,1）模型预测的系列平均误差达到9.2541%,相对而言,BP神经网络模型预测精度要高于灰色GM（1,1）模型。

基于几种参数优化的支持向量机在径流预报中的比较分析

基于支持向量机（SVM）基本原理及方法，构建基于径向基核函数的SVM径流预测模型。针对SVM惩罚因子和核函数参数的选取对模型的预测精度有着关键性影响，提出基于遗传优化算法（GA）、粒子群优化算法（PSO）和交叉验证（CV）方法的GA—SVM、PSO—SVM和CV—SVM径流预测模型。以盘龙河天保站月径流预测为例进行分析，并与传统BP神经网络预测模型进行比较。结果表明：GA—SVM、PSO—SVM和CV—SVM径流预测模型具有较好的预报精度，预测效果明显优于传统BP神经网络模型，表明所构建的几种基于参数优化的SVM模型用于径流预测是合理可行和有效的。相对而言，GA—SVM、PSO—SVM模型的预测精度略高于CV—SVM模型。

盘龙河流域水环境剩余容量年内分配对策研究

以《文山州盘龙河流域水资源利用规划》中现状（2005年）、近期（2020年）和远期（2030年）统计和预测的经济、社会基础数据为依据，进行盘龙河流域污染物入河量估算和水环境容量计算分析，在确保盘龙河干流水功能区水质达标和考虑安全系数的前提下，为充分利用水环境剩余容量资源，提出以盘龙河多年月平均流量占年平均流量的比例作为水环境剩余容量的分配权重，进行逐月剩余容量分配，旨在为盘龙河流域经济社会发展和水污染防治提供参考和决策依据。结果表明：在未考虑水污染治理情况下，虽然盘龙河流域现状、近期和远期水环境剩余容量均较大，但分布不均，中上游段污染负荷重，环境容量小，矛盾突出；下游段污染负荷小，环境容量大，容量资源浪费严重。

飞蛾火焰优化算法及其在梯级水库优化调度中的应用

利用一种新型群智能仿生算法——飞蛾火焰优化(MFO)算法求解某梯级水库群丰、平、枯优化调度问题,求解结果与混合蛙跳算法(SFLA)、粒子群优化算法(PSO)、布谷鸟搜索算法(CS)和入侵杂草优化算法(IWO)的求解结果进行比较。结果表明,MFO算法丰、平、枯优化调度发电量分别比其他4种算法增加了0. 179 2～0. 960 2、0. 097 2～0. 564 1、0. 082 4～0. 322 0亿kW·h,具有较好的优化调度效果。将MFO算法应用于实际工程,验证了该算法具有较好的收敛精度和全局极值寻优能力,是一种有效可行的水库群优化调度模型求解方法,可为求解水库优化调度问题提供新的途径和方法。

基于多重线性回归P值检验的RBF神经网络模型在城市需水预测中的应用

基于多重线性回归模型P值检验，根据构建的3种不同影响因子输入的RBF需水预测模型，对上海市2006～2010年需水量进行预测。结果表明，RBF需水预测模型合理可行，具有较好的预测精度和泛化能力，可作为提高需水预测精度的有效途径和方法。