共查询到18条相似文献，搜索用时 390 毫秒
1.
2.
为了提高水库和河流中长期径流预测精度,针对粒子群算法存在的缺陷,提出了动态调整粒子群算法（DAPSO）。借助霍尔特-温特斯线性季节性模型的预测功能,应用DAPSO算法求解和优化霍尔特-温特斯线性季节性模型组合参数,形成动态调整粒子群-霍尔特-温特斯线性季节性模型组合算法,对石泉水库进行中长期径流预测。仿真计算表明,动态调整粒子群-霍尔特-温特斯线性季节性模型算法收敛速度快于霍尔特-温特斯线性季节性模型算法、粒子群-霍尔特-温特斯线性季节性模型算法。该组合算法克服了按梯度试算法搜索质量差和精度不高的缺点,输出稳定性好,预报精度显著提高,置信度为95%时的预测相对误差小于6%。该算法可应用于水库和河川中长期径流预测。 相似文献
3.
GIS与粒子群算法在农村变电站选址规划中的应用 总被引：4，自引：2，他引：2
针对基本粒子群算法在农村变电站选址问题中得到全局最优解的收敛速度慢和易陷入局部最优解的缺点,该文以某县开发区为例,运用惯性权重动态调整策略,有效地平衡了算法的全局和局部搜索能力,从而改善了基本粒子群算法的性能,并且充分考虑地理信息系统对规划站址的影响,将改进的粒子群算法和图形问题相结合。结果表明：基本粒子群算法得到最优解的迭代次数为48次,改进后算法的迭代次数减少到26次,得到最优解的速度提高了近一倍,并以GIS为平台实现了规划的可视化。 相似文献
4.
对于大体积混凝土最优温控方案的选取,传统方法是按照规范的要求和人工反复修改方案,存在效率低下和受限于经验的问题。该文采用改进的微粒群算法(PSO,particle swarm optimization)优化方法,以及基于有限元(FEM,finite element method)的混凝土温度场和应力场仿真算法联合进行优化。算例设定了2个优化目标,即只考虑安全性的单目标优化(多特征点达到最小防裂安全系数1.8),以及考虑安全性和经济性的双目标优化(温控综合成本最小化)。计算结果表明,所提方法能够实现温控方案的自动寻优,优化结果更科学合理,总体研究效率可提高50%以上。考虑双目标优化后,在确保防裂安全的条件下能够明显降低温控措施的综合成本。 相似文献
5.
基于改进粒子群算法的车辆转向梯形机构优化 总被引：4，自引：3，他引：1
通过对车辆转向机构的尺寸和定位参数进行优化,能有效减小车辆转向机构的实际运动轨迹和理论运动轨迹间误差,进而有效改善车辆的操纵性能和提高转向安全性。该文研究了转向梯形机构的工作原理及其对车辆转向性能的影响,建立了转向梯形机构的非线性优化模型;然后引入越界检测函数改进传统粒子群优化算法,并给出了求解转向梯形机构非线性优化模型的方法;编制了改进粒子群算法的实现程序,并对3款不同车型的转向梯形机构进行了优化设计;最后选取3种不同智能算法分别对途乐GRX转向梯形机构进行多组优化试验。试验结果表明,改进粒子群算法的收敛速度快于传统粒子群算法和基于模拟退火的粒子群算法,求解精度略逊于基于模拟退火的粒子群算法,但仍能保证求解精度。 相似文献
6.
农产品加工是食品供应链质量控制的关键环节。该文针对农产品加工环节的产品召回优化问题,给出了批次分散优化模型并分析了其算法复杂度。针对优化模型为NP难度(non-deterministic polynomial hard),难以求解的问题,指出了采用粒子群优化进行求解的途径。针对粒子群优化算法在进化的初期收敛速度快,易引起早熟;在进化后期收敛速度慢,易引起振荡的问题,提出了一种基于分段门限粒子替换策略的改进粒子群优化算法。采用相关算例对该文提出的改进粒子群优化算法进行优化性能验证,并与类似智能优化算法进行性能对比。算例仿真和性能对比的结果表明,该算法运算开销约为同类算法的10%,且可以降低潜在的召回规模约30%,适用于农产品加工环节的产品召回优化。 相似文献
7.
粒子群优化算法（PSO）源于对鸟群捕食系统的模拟,是近年来被广为关注和研究的一种智能优化算法。PSO算法属于进化算法的一种,比遗传算法（GA）更简单易实现,且没有交叉和变异操作,需要设定的参数也不多,收敛速度快。目前已广泛应用于函数优化、神经网络训练、模糊系统控制以及其他遗传算法等领域。目前PSO的研究主要集中在算法本身和算法的应用研究两个方面。 相似文献
8.
基于改进灰度共生矩阵和粒子群算法的稻飞虱分类 总被引：4，自引：3，他引：1
针对稻飞虱远程实时识别采集图像质量不高而无法使用颜色特征的问题,应用灰度共生矩阵提取的纹理特征值对稻飞虱分类进行了研究。采用自行设计的拍摄装置采集稻飞虱图像,经过一系列预处理后得到去掉背景的稻飞虱灰度图像;对灰度图像采用改进的灰度共生矩阵提取纹理特征值,再用反向传播BP(back propagation)神经网络和参数改进粒子群算法优化BP神经网络分别进行训练和测试,以此检验纹理特征值的识别效果和粒子群算法的优化效果。试验用Matlab验证算法,对白背飞虱、灰飞虱和褐飞虱共300个样本进行了训练和测试,结果表明基于参数选择改进粒子群算法优化BP神经网络的识别率总体达到了95%,比直接用BP神经网络的识别率高,而且经过Matlab测试,训练时间只用了0.5683s,说明粒子群算法更满足实时性要求。 相似文献
9.
应用现代智能优化算法，按照不同适线准则进行了设计洪水的频率计算。根据我国水利水电工程设计洪水计算规范，应用粒子群算法按照离（残）差平方和最小，离（残）差绝对值最小和相对离（残）差平方和最小准则，进行了设计洪水频率曲线参数的优化估计研究。通过实例验证，认为粒子群算法进行设计洪水频率曲线参数估计优于传统的经验适线法。与传统优化方法相比，粒子群算法对优化目标函数要求低，避免了大量的求导计算，是一种推求设计洪水频率曲线统计参数的新途径。 相似文献
10.
基于随机粒子群算法的Van Genuchten方程参数优化求解 总被引：5，自引：2，他引：5
使用随机粒子群算法拟合土壤水分特征曲线并以此求解出Van Genuchten方程参数。通过算例与其他优化算法比较，结果表明：随机粒子群算法具有运算速度快，编程简单，初值无关性，全局收敛和计算精度高等优点，可以作为计算Van Genuchten方程参数的新方法。 相似文献
11.
采用LWD-QPSO-SOMBP神经网络的拖拉机柴油机故障诊断 总被引：1，自引：1，他引：0
针对目前拖拉机柴油机故障诊断中单BP（Back Propagation）神经网络模型的局限性,该研究提出一种LWD-QPSO-SOMBP（Linear Weight Decrease-Quantum Particle Swarm Optimization-Self Organizing Maps Back Propagation）神经网络的拖拉机柴油机故障诊断模型。首先,将SOM（Self Organizing Maps）神经网络和BP神经网络结合,重置网络结构并利用LWD-QPSO（Linear Weight Decrease-Quantum Particle Swarm Optimization）算法对网络的权值和阈值进行优化;然后,分析拖拉机柴油机的故障机理,确定反映故障发生的数据信号;最后,确定LWD-QPSO-SOMBP神经网络模型的结构参数,基于CAN（Controller Area Network）总线技术采集潍柴WP6型拖拉机柴油机传感器信号数据对LWD-QPSO-SOMBP神经网络的性能进行测试,并将测试结果与BP神经网络、SOMBP（Self Organizing Maps Back Propagation）神经网络、PSO-SOMBP（Particle Swarm Optimization-Self Organizing Maps Back Propagation）神经网络、LWD-PSO-SOMBP（Linear Weight Decrease-Particle Swarm Optimization-Self Organizing Maps Back Propagation）神经网络及改进量子粒子群（Improved Quantum Particle Swarm Optimization,IQPSO）算法优化后的SOMBP神经网络的测试结果进行对比。试验结果表明, LWD-QPSO-SOMBP神经网络输出总误差为0.111 8、平均相对误差为0.005 8、均方误差为0.000 3,相比于其他5种神经网络均为最低。LWD-QPSO-SOMBP神经网络充分发挥并有效综合了SOM神经网络在数据预处理及PSO算法在优化BP神经网络初始权值阈值方面的优势,实现了拖拉机柴油机的高精度故障诊断。LWD-QPSO-SOMBP神经网络由于使用SOM神经网络结构对输入数据进行预处理,网络收敛速度大幅度提升,相比单BP神经网络,迭代次数由2 431次降为63次,下降了97.40%;同时采取LWD-QPSO算法对BP神经网络的初始权值阈值进行优化,降低了传统PSO算法的粒子适应度,进一步提高了网络的收敛精度和收敛速度,相比传统PSO算法,粒子适应度从0.15降为0.11,下降了26.67%,网络训练误差由0.004降为0.000 6,下降了85.00%;LWD-QPSO-SOMBP神经网络的故障诊断准确率大幅度提升,相比于单BP神经网络,输出总准确率由85.00%上升至99.44%。研究结果可为高精度拖拉机柴油机故障诊断提供参考。 相似文献
12.
采用RNCA-PSO-ELM的水稻叶绿素光谱特征分析与反演 总被引：1，自引：1，他引：0
为探索有效的水稻叶绿素光谱特征选择方法与含量反演建模,解决东北粳稻叶绿素含量无人机遥感监测等问题,该研究利用沈阳农业大学卡力玛水稻实验站2018-2020年无人机（Unmanned Aerial Vehicle,UAV）水稻冠层高光谱数据及地面样本数据,设计了基于正则近邻成分分析的光谱特征选择方法,优化了其损失函数与正则化参数,获得水稻叶绿素不同含量的特征波段,并以此为输入,构建粒子群优化极限学习机叶绿素含量反演模型。结果表明：正则近邻成分分析算法具有较好的特征选择能力,其损失函数为均方误差损失函数、正则化参数值为0.306时,特征选择效果最佳,初选出权重非零的16个特征波段;进一步以叶绿素极限学习机反演精度为判据,优选出权重最高的6个特征波段：710、716、508、798、532和708 nm;应用粒子群优化算法优化了极限学习机模型的输入权值和阈值偏差,粒子群算法正交试验种群规模（POP）、惯性权重（IW）、学习因子（C1,C2）和速度位置相关系数（MC）的优选结果分别为50、1.5、1.3、3.5和0.6;基于正则近邻成分分析-粒子群优化极限学习机叶绿素含量反演结果的RMSE和R2分别为9.549 mg/L、0.891。研究结果可为基于无人机平台的高通量作物监测提供理论依据,并为筛选无人机高光谱波段实现作物长势参数快速估测提供参考。 相似文献
13.
机油乳剂防治策略对柑橘园害虫天敌群落结构与动态的影响 总被引：1，自引：0，他引：1
不同防治策略对果园害虫天敌群落的影响试验结果表明,与果农常规防治策略(主要使用化学合成农药防治害虫)试区相比,机油乳剂防治策略(主要使用机油乳剂防治害虫)试区柑橘害虫天敌群落丰富度较高,且随该防治策略的继续实施而进一步逐年提高,天敌群落均匀度指数较稳定,而天敌群落多样性指数则无明显变化。 相似文献
14.
针对单传感器难以完成水体可溶解有机物（Dissolved Organic Matter，DOM）总量与组份的测试问题，该研究提出利用光纤表面等离子共振（Surface Plasma Resonance，SPR）传感器的非特异选择性来构建传感阵列。通过对光纤SPR传感器的交叉敏感性分析，将获得的多模光纤镀以7种不同厚度金膜的传感器设计方案，膜厚为55～85 nm，使其对不同的可溶解有机物（Dissolved Organic Matter，DOM）的组份产生类似味蕾的交叉敏感性响应。利用粒子群算法（Particle Swarm Optimization，PSO）训练的BP神经网络构建3个分类器：PSO-BP（波长）、PSO-BP（谱宽）、PSO-BP（光强），实现对待测量响应信息的有效提取，并对里运河（A）、洪泽湖（B）、公园景观湖（C）、校园景观湖（D）4种水体的5种DOM组份（酪氨酸类蛋白质、色氨酸类蛋白质、富里酸、溶解性微生物代谢产物、腐殖酸）及其浓度进行预测，在洪泽湖水的色氨酸类蛋白质组份测试试验中，最高正确率可达85%。同时，对多分类器的结构参数进行试验分析，重点考察隐含层节点个数及神经网络结构对DOM组份测试的影响。试验结果表明：隐层节点数取15时可以获得最佳测试效果，通过基于传统神经网络RBF、BP与PSO-BP的比较试验可知，基于PSO-BP的3个分类器在DOM组份测试中的精度最高，对4种水体的色氨酸类蛋白质及溶解性微生物代谢产物组份测试的平均分类精度可达87.50%、86.28%。该研究结果为基于光纤SPR传感器及多分类器在DOM组份测试的应用提供依据及新的思路。 相似文献
15.
针对甘蔗横向种植机的施肥机构由于肥料潮湿结块易堵塞等问题,该研究对施肥机构进行电液传动与控制改造,构建了一套基于粒子群（Particle swarm optimization,PSO）-前反馈（Back Propagation,BP）神经网络预测的施肥监控系统。以施肥马达的压力、转速及肥料箱中肥料量为输入参数,将施肥机构的工作状态（空载状态、正常状态、重载状态、堵塞状态）作为输出,通过BP算法建立输入与输出之间的映射关系,并用PSO算法优化BP算法的权值与阈值,相比未优化BP算法,优化后的工作状态预测准确率由97%提高到99%。以识别施肥机构工作状态响应准确率以及重载状态下堵塞预防概率为试验指标进行车间试验,结果表明：工作状态响应识别准确率为89%;重载状态下,控制系统控制施肥马达正反转并消除堵塞的概率为87.5%。在田间试验中,监控系统能准确预测施肥机构的重载状态并自动执行防堵控制指令,没有出现堵塞故障。该施肥防堵塞监控系统无需上位机,能够满足复杂多变工况下施肥机构的工况预测及防堵控制要求,可为其他施肥机构的自动化改造提供参考。 相似文献
16.
高光谱遥感技术已广泛应用于植被类型制图。然而,稀疏植被冠层覆盖和土壤背景影响仍然是干旱区植被类型遥感分类的主要挑战,单独利用遥感数据光谱或纹理特征难以获得可靠的分类精度和稳定性。广义正态分布优化算法（Generalized Normal Distribution Optimization,GNDO）的特征优选结果在质量和稳定性方面相较传统优化算法具有优势,但目前还未应用于高光谱波段选取研究。为探索结合ZY-1 02D光谱与纹理特征进行干旱区植被类型遥感分类的可行性,验证GNDO方法应用于高光谱波段选取的有效性,同时探讨不同数量训练像元条件下,各特征选取方法的选择结果差异和对植被类型分类精度的影响,该研究以青海省都兰县宗加镇为例,在随机选取各分类类别不同数量训练像元（30、50、100、150、200）基础上,分别利用遗传算法（Genetic Algorithm,GA）、粒子群优化算法（Particle Swarm Optimization,PSO）、灰狼优化算法（Grey Wolf Optimization,GWO）以及GNDO算法进行高光谱波段选取并对比结果,同时利用灰度共生矩阵（Gray-Level Co-occurrence Matrix,GLCM）方法提取纹理特征,将提取的光谱特征和纹理特征组合成30组分类数据集,利用随机森林（Random Forest,RF）方法完成植被类型自动分类,对比不同分类数据集的分类精度。结果显示：蓝波段（400～450 nm）、红边波段（700～750 nm）和红波段（600～650 nm）对区分植被类型最敏感;基于光谱特征的分类数据集中,使用200个训练像元和GNDO方法进行特征优选获取的分类数据集（GNDO200）获得了最高的总体分类精度（80.44%）;随着训练像元的增加,各分类数据集总体分类精度整体均呈上升趋势,不同的特征选择方法的分类精度对训练像元数量表现出不同的依赖程度;图像纹理特征的加入,明显提升了植被分类精度,将使用200个训练像元和GWO方法进行波段优选的结果与纹理特征结合的分类数据集（GWO200+TEX）获得了最高的总体分类精度（82.86%）。该研究验证了ZY1-02D国产高光谱卫星数据光谱纹理特征结合进行干旱区植被类型划分的潜力,证实了GNDO方法对高光谱波段选取的有效性,为高光谱植被类型制图中光谱、纹理特征选取提供了一种思路。 相似文献
17.
在横磁通风力发电机的设计与测试研究中,高质量的输出电压对风电机组背靠背变流器的可靠运行具有重要的影响作用。该文将正交设计、支持向量机非线性回归分析以及粒子群智能优化算法相结合,提出了一种以输出电压谐波最小为优化目标的横磁通发电机优化设计方法。首先,在基于标量磁位求解的三维有限元模型基础上,确定对发电机空载反电势敏感度较高的设计参数作为优化变量;其次,通过正交试验建立参数样本空间,并运用最小二乘支持向量机实现电机电磁模型的非线性回归建模,为电机优化所需的大规模迭代运算提供高效的计算模型;最后利用粒子群算法良好的全局优化特性进行寻优操作。通过一台1.5kW聚磁式横磁通永磁同步发电机设计,优化方案的空载输出电压谐波含量为14.36%,比初始方案有所降低,证明了建模和优化方案的正确性和工程实用价值。 相似文献
18.
基于Relief F和PSO混合特征选择的面向对象土地利用分类 总被引：15，自引：11，他引：4
针对面向对象土地利用分类存在特征维数过高的问题,提出了一种结合Relief F和粒子群优化算法(particle swarm optimization,PSO)的混合特征选择方法,即首先利用Relief F作为特征预选器滤除相关性小的特征,然后以PSO作为搜索算法,以支持向量机(support vector machine,SVM)的分类精度作为评估函数在剩余特征中选择出最优特征子集。该文以吉林省长春市部分区域为研究区,采用Landsat8遥感影像为数据源,首先对其进行多尺度分割,然后提取影像对象的光谱、纹理、形状和空间关系特征,利用提出的混合特征选择方法选取最优特征子集,最后使用SVM分类器对研究区进行土地利用分类,总体分类精度和Kappa系数分别为85.88%和0.8036,与基于4种其他特征选择方法的土地利用分类结果进行比较,基于Relief F和PSO的混合特征选择方法利用最少的特征获得最高的分类精度,能够有效地用于面向对象土地利用分类。 相似文献