共查询到20条相似文献,搜索用时 203 毫秒
1.
构建了遗传算法与Levenberg-Marquardt算法相结合的混合遗传算法,用于求解根系吸水模型参数。分别进行数值试验和棉花根系吸水试验对混合遗传算法求解精度进行验证。数值试验表明,采用混合遗传算法优化求解根系吸水模型参数的优化值具有较高的精度,含水率资料的时间步长和空间步长对根系吸水模型参数的优化精度有较大影响,在实际中时间步长可取值5~10d,空间步长取值5~10cm。对室内棉花根系吸水进行模拟分析,结果表明混合遗传算法求解的根系吸水模型可以很好地模拟根系吸水。该方法可用于求解根系吸水参数。 相似文献
2.
基于免疫蛙跳算法优化的投影寻踪水质评价模型 总被引:1,自引:0,他引:1
以地下水各聚类指标水质级别国家标准值为评价标准,应用基于高维降维技术的投影寻踪模型,并采用改进的免疫蛙跳算法对投影寻踪模型投影方向进行优化求解,将高维数据指标转换到低维子空间,根据计算得出投影函数值的大小对样本水质进行评价。结果表明:免疫蛙跳算法收敛速度、搜索精度优于混合蛙跳算法;基于免疫蛙跳算法优化的投影寻踪模型能够很好的对水环境质量进行评价,可用于其他环境的综合评价。 相似文献
3.
为提高风洞试验俯仰机构的运动精度,减少初始误差,提出了基于改进蚁群算法的俯仰机构运动误差优化分析方法。针对影响俯仰机构运动精度的3个误差源——弧形导轨半径R、连杆长度L、直线导轨安装位置yOa,建立俯仰机构运动误差分析数学模型;推导了可用于分析误差的改进蚁群算法模型,将俯仰机构3个误差源的求解转换为对目标函数优化问题的求解,采用改进算法进行误差优化。对比传统数值方法,改进后的蚁群算法对误差求解精度达到10~(-5)mm级,有效地避免了结构自身产生的初始误差源对计算结果的影响。 相似文献
4.
5.
为求解三维水动力模型的高精度数值计算,设计了一种在曲线坐标系下求解的新方法.对ξ,η和ζ共3个方向的空间导数分别采用高精度的紧致有限差分以及非线性项的迎风紧致有限差分格式,时间积分则采用四阶修正Runge-Kutta显式格式.为了验证该算法求解曲线坐标系下三维水动力模型的正确性,选取与De Vriend的180°弯道水槽试验相同的物理参数进行数值试验,计算出水位、流速分布等,并将计算结果与De Vriend的试验值以及先前采用SIMPLEC法获得的数值结果进行了对比分析.结果发现:文中创建的高精度算法获得的数值解比SIMPLEC法计算的数值结果更符合试验值,通过算法定量计算得到的平均速度值与试验测量值之间产生的最大相对误差约为3%.说明构建的高精度紧致有限差分算法来数值求解三维水动力问题是可行的、合理的,为天然河道、明渠以及湖泊等水动力计算提供参考依据. 相似文献
6.
7.
分别以无限含水层和有直线隔水边界含水层情况下的解析解为基础,应用提出的单纯形差分进化混合优化算法求解分析2种条件下的抽水试验数据,确定含水层参数的函数优化问题.将具有全局搜索能力强、原理简单、受控参数少、而局部搜索能力弱等特点的差分进化算法与具有局部搜索能力强、运算速度快、而对参数初值的选取依赖性较强和易于陷入局部极值等特点的单纯形优化算法进行结合,构成了一种混合优化算法,即单纯形差分混合优化算法.这种混合算法同时具有确定性运算和随机性搜索所具有的共同优点,能够较好地平衡全局搜索能力和局部搜索能力.数值实验结果表明,单纯形差分混合优化算法能够有效地应用于分析抽水试验数据,识别含水层参数;与其他方法相比较,其具有运算速度快、效率高和计算结果精度高等优点. 相似文献
8.
土壤水动力参数是模拟田间土壤物质传输过程的基本参数,准确确定土壤水动力参数对实现农田生境精准调控具有重要意义。基于一维垂直入渗试验数据,采用代数方法和数值方法,构造3个不同的目标函数,并分析鲸鱼优化算法和灰狼优化算法反演Brooks-Corey-Mualem模型参数的适用性。结果表明:通过选择合适的目标函数,两种群智能优化算法均可用于反演土壤水动力参数。在代数方法中,鲸鱼优化算法在目标函数2下(由累积入渗量、入渗时间、含水率构成的相对误差)固定参数θr、θs优化得到的土壤水动力参数误差最小,反演参数得到的累积入渗量、入渗率、含水率的相对误差都在9.74%以下,决定系数都在0.904 0以上,反演时间为70 s;在数值方法中,灰狼优化算法在目标函数3下(由累积入渗量、湿润锋深度、含水率构成的相对误差)固定参数θr、θs优化得到的参数误差最小,反演参数得到的累积入渗量、入渗率、含水率的相对误差都在2.53%以下,决定系数都在0.991 7以上,反演时间为115 s。因此,代数方法所用时间短、精度相对较低... 相似文献
9.
水文地质参数是地下水数值模拟中重要的参数,通过抽水试验进行水文地质参数的反演,用一个复杂的非线性优化问题来描述,由于传统方法如图解法等因人为因素造成计算结果精度低。利用鱼群算法良好的全局搜索能力和模拟退火较强的局部寻优能力相结合的混合算法反演含水层参数。实例证实,混合算法计算结果比传统方法计算结果更可靠、精度更高,反演的参数代入泰斯公式后计算降深值符合实际降深值,与人工鱼群算法相比,运行更短,计算效率更高,是一种求解出含水层参数的简单、有效的方法。 相似文献
10.
以河南省商丘市为研究区,首先采用OAT(One-at-a-time)方法对WheatGrow模型的输入品种参数进行敏感性分析,在此基础上以抽穗期的开始日期作为约束条件构建代价函数,引入SCE-UA(Shuffled complex evolution method developed at the University of Arizona)算法求解得到最优作物品种参数组合,并利用2015—2016年度和2016—2017年度田间实验资料对SCE-UA算法的有效性进行验证。结果表明,基本早熟性参数对穗分化期的模拟结果影响最显著,温度敏感性参数比光周期敏感性参数和生理春化时间参数具有更高的敏感度,生理春化时间的敏感度最低。基于优化后的参数得到的穗分化期模拟值与观测值之间的平均绝对误差(Mean absolute error,MAE)和均方根误差(Root mean square error,RMSE)均小于3 d,表明SCE-UA算法可以有效地获取WheatGrow模型最优品种参数组合。本研究可为WheatGrow模型品种参数的调整优化和模型的推广应用提供依据。 相似文献
11.
融合ARIMA模型和GAWNN的溶解氧含量预测方法 总被引:3,自引:0,他引:3
针对河流污染治理、水源管理,提出了融合差分自回归滑动平均ARIMA模型和遗传算法优化的小波神经网络相结合的河流水质预测方法。将采集的河流水质参数时间序列数据,分解为线性和非线性序列,线性数据使用ARIMA模型预测,使用最小二乘法完成了ARIMA模型参数估计。对于经过ARIMA模型处理的非线性残差数据、预测值与原始溶解氧序列之间的线性和非线性关系,采用小波神经网络(WNN)获得预测值,并采用遗传算法的选择、交叉、变异等操作优化网络参数,比传统WNN模型预测精度显著提高。ARIMA模型、小波神经网络、遗传算法优化小波神经网络(GAWNN)和未经遗传算法优化的组合模型预测平均绝对误差分别为0.29%、0.39%、0.26%、0.24%,提出的组合模型预测结果平均绝对误差约0.19%且为最小。结果表明,该组合模型优于单个模型和传统组合模型的预测结果。 相似文献
12.
The root zone water quality model (RZWQM) was developed primarily for water quality research with a generic plant growth module primarily serving as a sink for plant nitrogen and water uptake. In this study, we coupled the CERES-Maize Version 3.5 crop growth model with RZWQM to provide RZWQM users with the option for selecting a more comprehensive plant growth model. In the hybrid model, RZWQM supplied CERES with daily soil water and nitrogen contents, soil temperature, and potential evapotranspiration, in addition to daily weather data. CERES-Maize supplied RZWQM with daily water and nitrogen uptake, and other plant growth variables (e.g., root distribution and leaf area index). The RZWQM-CERES hybrid model was evaluated with two well-documented experimental datasets distributed with DSSAT (Decision Support System for Agrotechnology Transfer) Version 3.5, which had various nitrogen and irrigation treatments. Simulation results were compared to the original DSSAT-CERES-Maize model. Both models used the same plant cultivar coefficients and the same soil parameters as distributed with DSSAT Version 3.5. The hybrid model provided similar maize prediction in terms of yield, biomass and leaf area index, as the DSSAT-CERES model when the same soil and crop parameters were used. No overall differences were found between the two models based on the paired t test, suggesting successful coupling of the two models. The hybrid model offers RZWQM users access to a rigorous new plant growth model and provides CERES-Maize users with a tool to address soil and water quality issues under different cropping systems. 相似文献
13.
14.
基于混合遗传算法的谐波齿轮传动优化设计 总被引:1,自引:0,他引:1
以谐波齿轮传动体积最小为优化设计目标,建立了混合离散变量优化设计数学模型。引入混沌移民算子,对基本遗传算法进行了改进,以维持群体的多样性,提高全局收敛能力。提出了一种设计变量的离散化处理方法,结合染色体编码的修正技术,在遗传算法中染色体按离散化后的设计变量进行离散搜索。开发了混合离散变量优化的改进遗传算法程序,给出了谐波齿轮传动的混合离散变量优化设计实例,所得优化设计参数符合设计规范,不需进一步处理就可直接用于制造。 相似文献
15.
16.
Water uptake by plant roots is an important process in the hydrological cycle, not only for plant growth but also for the role it plays in shaping microbial community and bringing in physical and biochemical changes to soils. The ability of roots to extract water is determined by combined soil and plant characteristics, and how to model it has been of interest for many years. Most macroscopic models for water uptake operate at soil profile scale under the assumption that the uptake rate depends on root density and soil moisture. Whilst proved appropriate, these models need spatio-temporal root density distributions, which is tedious to measure in situ and prone to uncertainty because of the complexity of root architecture hidden in the opaque soils. As a result, developing alternative methods that do not explicitly need the root density to estimate the root water uptake is practically useful but has not yet been addressed. This paper presents and tests such an approach. The method is based on a neural network model, estimating the water uptake using different types of data that are easy to measure in the field. Sunflower grown in a sandy loam subjected to water stress and salinity was taken as a demonstrating example. The inputs to the neural network model included soil moisture, electrical conductivity of the soil solution, height and diameter of plant shoot, potential evapotranspiration, atmospheric humidity and air temperature. The outputs were the root water uptake rate at different depths in the soil profile. To train and test the model, the root water uptake rate was directly measured based on mass balance and Darcy's law assessed from the measured soil moisture content and soil water matric potential in profiles from the soil surface to a depth of 100 cm. The ‘measured’ root water uptake agreed well with that predicted by the neural network model. The successful performance of the model provides an alternative and more practical way to estimate the root water uptake at field scale. 相似文献
17.
18.
提高盐渍化土壤农业生产力已成为边际土壤地力提升的重要组成部分及途径,研究盐分胁迫对根系吸水的影响及其根系吸水模型的建立是该方面的重要研究内容之一。首先介绍了作物根系吸水模型的研究进展,在此基础上,对目前国内外常用的水盐胁迫条件下作物根系吸水模型及其相关研究作了综述,指出由静态向动态方向发展、突出水分胁迫与盐分胁迫对根系吸水耦合、体现作物根系吸水特征空间差异是水盐胁迫条件下作物根系吸水模型研究的重点。 相似文献
19.
基于IBAS-BP算法的冬小麦根系土壤含水率预测模型 总被引:1,自引:0,他引:1
为在节水灌溉系统中精确测量和预测根系土壤含水率,将传统天牛须算法每次迭代过程中的一只天牛改进为一个天牛种群,建立了基于改进天牛须搜索算法优化的IBAS BP预测模型,并利用实测浅层土壤含水率数据,对深度50 cm冬小麦根系土壤含水率进行预测。结果表明,与PSO BP预测模型、GA BP预测模型以及原始BAS BP模型相比,IBAS BP模型可准确预测冬小麦根系土壤含水率,有效避免了网络陷入局部极小值的可能性,且相对误差均值仅为0.0045。 相似文献
20.
基于GA-BP神经网络的池塘养殖水温短期预测系统 总被引:1,自引:0,他引:1
为解决传统的水温小样本非实时预测方法预测精度低、鲁棒性差等问题,基于物联网实时数据,提出了遗传算法(GA)优化BP神经网络的池塘养殖水温短期预测方法,并在此基础上设计开发了池塘养殖水温预测系统,首先采用主成分分析法筛选出影响池塘水温的关键影响因子,减少输入元素;然后使用遗传算法对初始权重和阈值进行优化,获取最优参数并构建了基于BP神经网络的水温预测模型;最后采用Java语言开发了基于B/S体系结构的预测系统。该系统在江苏省宜兴市河蟹养殖池塘进行了预测验证。结果表明:该系统在短期的水温预测中具有准确的预测效果,与传统的BP神经网络算法相比,研究内容评价指标平均绝对误差(MAE)、平均绝对百分误差(MAPE)和误差均方根(MSE)分别为0.196 8、0.007 9和0.059 2,均优于单一BP神经网络预测,可满足实际的养殖池塘水温管理需要。 相似文献