遺傳算法與BP模型的改進及其在水資源工程中的應用.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)化問題.解決這些問題的傳統(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.該論文的目的旨在尋求出能夠解決這些問題的更有效,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上,對遺傳算法進行了改進,建立了基于實數編碼的加速算法.并在天然河道水面線計算、溢流壩下游斷面水深計算、頻率曲線分析、分區(qū)給水系統(tǒng)等

2、水利工程問題中得以應用,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測、分類、評價等問題,恰好這類問題往往也存在多維、非線性的、實測數據信息不完整等特征,很難建立準確的數學模型來解決.人工神經網絡模型(Artificial Neural Net,abbreviated:ANN)是一種具有自組織學習、聯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)的人工神經網絡模型中,對BP網絡模型進行了改進,形成了一種基于模擬退火算法的BP神經網絡模型((簡記,SABP).并將其應用到實際工程當中,結果表明基于模擬退火算法的BP神經網絡模型比傳統(tǒng)改進的BP網絡模型在計算精度、運行速度方面均有很大的提高.為了能進一步地提高BP網絡的性能,該文嘗試將基于實數編碼的加速遺傳

4、算法與其耦合,形成了基于實數編碼的加速遺傳算法和模擬火算法的BP網絡(簡記,RAGASABP).經過在洪災損失預報、作物-水模型、作物需水量的計算、地下水位動態(tài)變化預測和水質評價中實際應用,證明基于實數編碼的加速遺傳算法和模擬火算法的BP網絡具有很強的非線性映射能力和分類、評價能力.最后,得出結論,認為RAGA(Real coded Accelerating Genetic Algorithm)和RAGASABP(Error back