FA-RBF复合神经网络模型及其在地下水位预测中的应用

地下水动态变化过程呈现出高度复杂的非线性特征,增加了地下水位预测的难度.为充分反映地下水位变化过程中自变量和因变量之间的非线性映射关系,克服在获取水文地质参数与查明水文地质条件方面的困难,避免部分智能方法实现繁琐复杂、计算效率低、限制条件多等不足,提出将因子分析方法与RBF神经网络算法构成复合模型,用于地下水位预测.结果表明,复合模型可以用于地下水位预测,模型计算结果可靠,网络训练时间缩短,计算精度有所提高;而且有成熟算法,实现简单.     

免疫粒子群优化算法在农业水资源优化配置中的应用

求解农业水资源优化配置模型(高维非线性优化模型),较常采用大系统分解协调原理和动态规划相结合的方法,这样减少了变量个数,便于优化求解,但协调的过程需要多次从低阶模型中返回信息,而且对于每层的寻优求解过程存在难以克服的矛盾.采用标准的粒子群优化算法则优化程度不易保证并容易陷入局部最优,优化结果对初始种群依赖性较强.因此应用免疫进化算法对标准粒子群优化算法进行改进并应用于灌区农业水资源优化配置模型的求解.算例分析表明,免疫粒子群算法为求解高维复杂的优化配置问题提供了新思路.     

基于非线性变换的PCP-C模型及其在地下水动态分类中的应用

为了克服目前地下水动态分类方法中存在的不能揭示分类指标空间到类型空间的非线性映射关系、方法复杂、计算量大等缺陷,可采用基于非线性变换的主成分投影(PCP)-聚类(C)模型,对地下水动态进行分类.方法首先对分类指标数据进行对数中心化变换,然后应用主成分投影法将变换后的多维指标向量映射到最优一维向量空间,并根据各样本指标在一维向量空间的投影值进行聚类分析,由此得到地下水动态分类结果.地下水动态分类结果表明,建议方法概念清晰,结构简单,计算简便,分类结果可信,是一种有效的地下水动态分类方法.