排序方式： 共有4条查询结果，搜索用时 15 毫秒
1
1.
为科学识别云南省16个州市最严格水资源管理区域类型,提出最优觅食算法(OFA)-投影寻踪(PP)识别模型。从最严格水资源管理用水总量控制红线、用水效率控制红线、纳污控制红线3个方面分别构建指标体系和分级标准,利用2015年云南省各州市指标数据及分级标准阈值分别构建基于"三条红线"的投影指标函数,采用OFA分别搜索最优投影向量,并计算各州市综合投影值和各分级标准阈值投影值,利用分级标准阈值投影值对各区域最严格水资源管理类型进行识别。结果表明,OFA-PP识别模型具有较好的识别效果,识别结果可为云南省实行最严格水资源管理制度提供参考。 相似文献
2.
基于人工神经网络基本原理和方法,构建多隐层BP神经网络径流预测模型,以新疆伊犁河雅马渡站径流预测为例进行分析,并构建常规单隐层BP以及RBF、GRNN神经网络模型作为对比分析模型,将各模型预测结果与文献[1]中的预测结果进行比较,结果表明:(1)多隐层BP神经网络径流预测模型泛化能力强,预测精度高,算法稳定,模型精度优于IEA-BP网络模型,表明研究建立的多隐层BP神经网络模型用于径流预测是合理可行的,是一种可以应用于水文径流预测预报的新方法.(2)RBF、GRNN神经网络径流预测模型预测精度高于常规单隐层BP网络模型,且RBF与GRNN神经网络模型具有收敛速度快、预测精度高、调整参数少,不易陷入局部极小值等优点,可以更快地预测网络,具有较大的计算优势. 相似文献
3.
针对月降水量时间序列多尺度非平稳性特点,提出小波包分解（WPD）-白骨顶鸟优化算法（COA）-极限学习机（ELM）相融合的降水量预测模型。首先,利用WPD将非平稳月降水量时间序列分解为若干子序列分量;然后在不同维度条件下利用6个典型函数对COA进行仿真测试;利用COA优化ELM输入层权值和隐含层偏值,对每一个子序列分量分别建立COA-ELM模型进行预测,将预测结果叠加重构后即为最终预测结果;最后,以云南省龙潭站汛期和主汛期月降水量数据为例进行实验,并与WPDCOA-BP、WPD-ELM、WPD-BP预测模型进行比较。结果表明：COA在不同维度条件下均具有较好的寻优精度和全局搜索能力。WPD-COA-ELM模型对实例汛期、主汛期月降水量时间序列预测的平均绝对百分比误差分别为3.91%、3.59%,预测精度优于WPD-COA-BP模型,远优于WPD-ELM、WPD-BP模型。WPD能科学降低月降水时间序列数据的复杂性,提高预测效果;COA能有效优化ELM输入层权值和隐含层偏值,提高ELM网络性能。 相似文献
4.
为客观衡量水资源短缺风险评价过程中的随机性与模糊性,将正态云模型引入水资源短缺风险评价,建立足球联赛竞争算法-投影寻踪-正态云评价模型,以云南省各州市水资源短缺风险评价为例进行实例研究。从水资源等系统遴选20个指标构建水资源短缺风险评价指标体系和分级标准,采用云模型正向发生器计算水资源短缺风险分级评价指标的隶属度;在分级标准阈值间随机内插样本构造投影寻踪优化目标函数,利用足球联赛竞争算法、粒子群算法、布谷鸟搜索算法和差分进化算法优化投影寻踪目标函数并进行比较,并通过足球联赛竞争算法-投影寻踪法给出各指标权重;根据隶属度矩阵和权重矩阵计算水资源短缺风险评价的分级确定度并进行评价,评价结果与投影寻踪法、模糊综合评价法比较。结果表明:足球联赛竞争算法寻优精度高于粒子群算法等3种算法。昆明市、怒江州和迪庆州水资源风险评价为低风险;玉溪市、保山市、文山州和德宏州评价为较低风险;曲靖市、昭通市、普洱市、临沧市和红河州评价为中等风险;其余州市评价为较高风险,评价结果与投影寻踪法、模糊评价法基本一致。足球联赛竞争算法-投影寻踪-正态云评价模型兼具模糊性和随机性,既能反映水资源短缺风险评价分级的定性概念,又可反映隶属程度的不确定性,具有较好的应用价值。 相似文献
1