遺傳算法與BP模型的改進(jìn)及其在水資源工程中的應(yīng)用.pdf

1、在水資源系統(tǒng)工程中,存在諸多非線性、多維組合優(yōu)化問(wèn)題.解決這些問(wèn)題的傳統(tǒng)方法多采用解析法和窮舉法,但這些方法都存在不同程度的缺點(diǎn).該論文的目的旨在尋求出能夠解決這些問(wèn)題的更有效,更方便的方法.遺傳算法(Genetic Algorithm,abbreviated:GA)是一種全局優(yōu)化方法,該論文在前人研究基礎(chǔ)上,對(duì)遺傳算法進(jìn)行了改進(jìn),建立了基于實(shí)數(shù)編碼的加速算法.并在天然河道水面線計(jì)算、溢流壩下游斷面水深計(jì)算、頻率曲線分析、分區(qū)給水系統(tǒng)等

2、水利工程問(wèn)題中得以應(yīng)用,證明該算法是一種性能優(yōu)越,使用方便的全局優(yōu)化方法.另外,水利工程中涉及到許多預(yù)測(cè)、分類、評(píng)價(jià)等問(wèn)題,恰好這類問(wèn)題往往也存在多維、非線性的、實(shí)測(cè)數(shù)據(jù)信息不完整等特征,很難建立準(zhǔn)確的數(shù)學(xué)模型來(lái)解決.人工神經(jīng)網(wǎng)絡(luò)模型(Artificial Neural Net,abbreviated:ANN)是一種具有自組織學(xué)習(xí)、聯(lián)想記憶功能的信息處理系統(tǒng).該文把模擬退火算法(Simulated Annealing algorithm

3、,abbreviated:SA)融入到誤差反向傳播(Error back Propagation,abbreviated:BP)的人工神經(jīng)網(wǎng)絡(luò)模型中,對(duì)BP網(wǎng)絡(luò)模型進(jìn)行了改進(jìn),形成了一種基于模擬退火算法的BP神經(jīng)網(wǎng)絡(luò)模型((簡(jiǎn)記,SABP).并將其應(yīng)用到實(shí)際工程當(dāng)中,結(jié)果表明基于模擬退火算法的BP神經(jīng)網(wǎng)絡(luò)模型比傳統(tǒng)改進(jìn)的BP網(wǎng)絡(luò)模型在計(jì)算精度、運(yùn)行速度方面均有很大的提高.為了能進(jìn)一步地提高BP網(wǎng)絡(luò)的性能,該文嘗試將基于實(shí)數(shù)編碼的加速遺傳

4、算法與其耦合,形成了基于實(shí)數(shù)編碼的加速遺傳算法和模擬火算法的BP網(wǎng)絡(luò)(簡(jiǎn)記,RAGASABP).經(jīng)過(guò)在洪災(zāi)損失預(yù)報(bào)、作物-水模型、作物需水量的計(jì)算、地下水位動(dòng)態(tài)變化預(yù)測(cè)和水質(zhì)評(píng)價(jià)中實(shí)際應(yīng)用,證明基于實(shí)數(shù)編碼的加速遺傳算法和模擬火算法的BP網(wǎng)絡(luò)具有很強(qiáng)的非線性映射能力和分類、評(píng)價(jià)能力.最后,得出結(jié)論,認(rèn)為RAGA(Real coded Accelerating Genetic Algorithm)和RAGASABP(Error back