首页 > 学术论文

非线性水电工程模型的参数优化

来源:论文学术网
时间:2024-08-18 20:39:56
热度:

非线性水电工程模型的参数优化【摘要】:给出了非线性水电工程模型的参数优化的一种改进基因算法,并通过实例计算对该法与传统参数优化方法进行了比较。结果表明,该法直观、简单、拟合精度高、

【摘要】:给出了非线性水电工程模型的参数优化的一种改进基因算法,并通过实例计算对该法与传统参数优化方法进行了比较。结果表明,该法直观、简单、拟合精度高、通用性强,易为广大水电工程技术人员理解和使用。 【作者单位】: 河海大学!江苏南京 210098 河海大学!江苏南京 210098 河海大学!江苏南京 210098
【关键词】基因算法 优秀个体 非线性水电工程模型 参数优化
【基金】:国家“九五”重点攻关课题!95-B02-02-02
【分类号】:TV72
【正文快照】: 191言在水电工程实践和研究中,模型的参数优化(也称参数估计、模型拟合)问题长期以来一直是个热点和难点。由于实际工程模型多为非线性形式,传统的参数优化方法主要有线性化后的最小二乘法[11[Zj试算法[‘1、图解法[‘j等,这些方法不仅计算复杂、通用性差,拟合精度

您可以在本站搜索以下学术论文文献来了解更多相关内容

应用加速基因算法预测港口集装箱吞吐量    郑金海,金菊良

基因算法在水科学中的应用    丁晶,金菊良,杨晓华,袁鹏

遗传算法及其在水问题中的应用    金菊良

改正回归方程系数拟合法在分析水位流量关系中的应用    何薪基

遗传算法及其在水问题中的应用    金菊良

高水头闸室闸门小开度水流特性试验研究    唐涛

中国自然灾害的区域组合规律    李炳元,李矩章,王建军

人工神经元网络在电力系统中应用的新进展(一)    韩祯祥,文福栓

人工神经元网络在电力系统中应用的新进展(二)    韩祯祥;文福拴;

影响遗传算法性能的因素及改进措施    周双喜,杨彬

进化规划方法在电力系统静态负荷模型参数辨识中的应用    张琦,韩祯祥,文福拴

中国近期自然灾害程度的区域特征    刘燕华,李钜章,赵跃龙

多层神经网络同伦连续BP算法的递归实现    杨大力,刘泽民

灰色系统的几个理论问题    陈世联

一类二次0—1规划模型的遗传算法    姜大立,杜文,朱松年

河道洪水演算的神经网络模型    李致家,孔祥光

基于遗传算法的土坡稳定性分析    邹万杰,韦立德,徐卫亚

边坡稳定的模糊随机可靠性分析    杨建贵,蔡新,张永乐

遗传算法改进策略的研究    赵振勇;王力;王保华;杨本娟;

一种遗传算法及其在水稻洪灾易损性分析建模中的应用    周激流,丁晶,金菊良

加速遗传算法在边坡抗震稳定性分析中的应用    丰土根,刘汉龙,高玉峰,杨建贵

采用加速遗传算法反演裂隙岩体渗流参数    刘杰,王媛,杨建贵

标准遗传算法的改进方案——加速遗传算法    金菊良,杨晓华,丁晶

深圳港基于BP神经网络的集装箱预测模型    徐杏,史喜军

我国水文数据挖掘技术研究的回顾与展望    艾萍,倪伟新

基于遗传算法的水污染控制系统规划    黄国如,胡和平,田富强,何秉宇

裂隙岩体渗流场与应力场全耦合参数反问题    王媛;王学潮;刘杰;

遗传算法在TOPMODEL参数优选中的应用    解河海;郝振纯;

遗传算法理论及其在水问题中应用的研究    周激流

裂隙岩体渗流场及其与应力场耦合的参数反问题研究    刘杰

空间理论与空间复杂模型研究    毕巍强

免疫进化算法研究及其在水问题中的应用    倪长健

城市智能型防洪减灾决策支持系统研究    阎俊爱

遗传算法在水资源工程中的应用研究    金菊良

城市水环境系统控制决策支持技术研究    朱春龙

苏帕河流域梯级水电站联合优化调度模型研究    宋洋

黄土高原典型流域土地利用/森林植被演变的水文生态响应与尺度转换研究    张晓明

船舶技术经济论证中的支持向量机方法研究及应用    李冬琴

改进遗传算法及其在降雨径流模型中的应用    李水艳

ANSYS在土坝渗流场和应力场及其耦合分析中的应用研究    张媛媛

纳子峡水电站坝区岩土体工程地质性质研究    刘平

基于范例推理的黄土高边坡稳定性评价方法研究    郭社锋

基于遗传算法的水库优化调度研究    陈玉芬

裂隙岩体流固耦合参数反演分析    米健

城市河道污染控制与水质优化研究    张卫东

基于基因算法的大型关系数据库查询优化技术研究    王力

沿海内贸集装箱运输分析    付健

基于智能的港口物流预测系统的研究与应用    潘文军

选配线性化后的曲线拟合模型应注意的问题    何薪基;

用带权最小二乘法分析水位流量关系    李正最