2018年曾道五字诗

十进制编码与实数变量 的转换公式为 由于遗传算
发布时间:2019-11-11

  十进制编码与实数变量 的转换公式为 由于遗传算法的稳健性因此它对编码的要求并不苛刻。事实上 很多问题都可以采用基因一维染色体编码来表示 尤其是采用 符号集的二进制编码形式。而编码的策略或者方法对于遗传操作中的交叉操作有很大的影响。 、初始群体的生成遗传算法的效率及其运行结果的好坏和种群大小的选择有着

  十进制编码与实数变量 的转换公式为 由于遗传算法的稳健性因此它对编码的要求并不苛刻。事实上 很多问题都可以采用基因一维染色体编码来表示 尤其是采用 符号集的二进制编码形式。而编码的策略或者方法对于遗传操作中的交叉操作有很大的影响。 、初始群体的生成遗传算法的效率及其运行结果的好坏和种群大小的选择有着密切的关系 但如果种群规模过大 其适应度评估的次数会增加从而影响了算法的效率 而种群规模若过小 则会使遗传算法的搜索空间分布范围有限 导致早熟现象发生。 、适应度函数适应度函数在遗传算法的进化过程中作为选择运算的依据。适应值的计算可以分为以下几个步骤来进行 第一步 把染色体的二进制转换为十进制表达 第二步把染色体的十进制表达转换为问题空间的变量值 第三步计算染色体的适应值。归 由于遗传算法向着适应值增大的方向进化因此目标函数的寻优方向应该与适应度函数值增加的方向一致。特别关注|2019智慧校园标准体系建设与人工智能+!在实际应用中 适应度函数的设计要结合求解问题本身的需求而定。13835.com在互联网医院看病从此、另外 为了以后理论分析的方便 适应度函数最好取非负值。需要强调的是 适应度函数的设计将直接影响到遗传算法的性能。 、选择以标准化几何分布规律随机对种群中的染色体进行选择 该方法是一种排序选择方法 以最佳染色体的选择概率 。作为基本参数 按染色体的排列序号确定其选择的概率。选择机理仍然是适应值越大的染色体被选择的概率越大 适应值越小的染色体被选择的概率越小。 、交叉交叉操作在遗传算法中起着至关重要的作用 首先 采用均匀分布随机选择的方法选择交叉父代 其次 父代以线性交叉的方式产生子代。最后 用子代染色体替代了父 洪水预报模型的参数优选技术代染色体 产生了新的种群。通过交换其相互配对过程中的染色体的基因使获得的新生体更加优秀 交叉体现了信息交换的思想。 、变异由于外界因素或者其它因素的影响 在细胞分裂或者细胞复制的过程中 会产生一些错误 以致使某些基因发生变异 互相转换从而使生物表现出新生染色体的一些特性。香港马会六合神算,首先 根据变异概率‰随机的选择参与变异的父代染色体 然后 在父代染色体上随机的确定发生变异的基因所处的位置并进行变异转换继而产生予代染色体 子代染色体替换了父代的染色体。通过变异操作可以使遗传算法摆脱局部最优解的束缚 最终获得全局的最优解。 结论本章首先确定了推理公式中的各个参数 根据具体情况对参数的敏感性进行分析 得出了推理公式中要优化的参数 根据参数的物理意义及参数的分析 确定了五里牌站模型中参数的取值范围 最后主要介绍了参数优选技术中的遗传算法 为下一章五里牌站水文预报中参数的优化奠定了理论基础。 华北水利水电学院硕士学位论文 概述 五里牌水文站的洪水预报本次预报方案的研究地区是洙水流域的五里牌水文站 包括打鸟坳、梨树洲、水口、塘垅、下村 个雨量站。积水面积为 平均坡降为 洪水预报模型的选择考虑本地区的暴雨雨洪的特性结合已知的资料以及流域特征。本次洪水洪峰流量的预报模型采用线性统计模型以及推理公式法。线性统计分析法当变量之间存在相关关系时 就可以利用回归分析着重寻求变量之间近似的函数关系。但是在天气气象、水文预报等实际的应用中 影响因变量的白变量的个数往往是多个而不仅仅局限于一个 这时就需要进行一个因变量与多个自变量间的回归分析 即多元回归分析 多元线性回归分析是多元回归分析中最简单、最常用的一种分析方法 多元线性回归分析有着广泛的应用 它是统计理论中研究变量之间相关关系的一种重要方法 此方法可用于分析一个或多个自变量与一个因变量之间的线性数量关系 并可进行回归诊断分析。线性统计分析模型在洪水预报中有着广泛的应用‘ 线性回归分析的一般步骤、确定回归方程中的解释变量 自变量 和被解释变量 因变量 、根据因变量以及多个自变量的实测值来建立因变量和多个自变量之间的多元线性回归方程 、对回归方程进行各种检验 、利用所得到的回归方程进行因变量的预测【 与因变量共有 组实测数据 如表 所示。表 自变量五 一。与因变量共有咒组对应数 五里牌水文站的洪水预报因变量是一个可观测的随机变量 它受到聊一 个非随机因素五 随机因素的影响。如果自变量的取值只有一个 此时就属于一元线性回归。 其中为因变量 为自变量 成为截距 即常量 屈是表明白变量对因变量影响程度的回归系数。可用最小二乘法求解方程中的两个参数屁和屈。届 若因变量与自变量五 吃…‰一。有如下线性关系 尾一。…是未知的参数。在实际应用中一般不能事先断定因变量 与自变量五 ‘一。之间是否存在线性关系在依据因变量与多个白变量的实测值建立多元线性回归方程之前 由于因变量与多个自变量间的线性关系只是一种假设 虽然这种假设常常不是没有根据的 但是在建立多元线性回归方程之后 我们还必须对因变量与多个自变量之间的线性关系的假设进行显著性检验 对多元线性回归方程进行显著性检验【 。比较常用的是 检验和 检验。 检验对于一元线性回归检验的统计量为 检验对于一元线性回归检验的统计量为 对于多元线性回归检验的统计量为 对于五里牌站的洪峰流量预报首先是对最大洪峰流量分别与流域面积 最长河道 平均坡降 时段总雨量 最大时雨量最大 小时雨量 最大 小时雨量 最大 小时雨量 进行多元线性逐步回归 得到影响洪峰流量最大的两个因子分别是时段总雨量 最大小时雨量 建立相关方程 计算洪峰流量 。根据所给出的 场洪峰流量及所求出的五里牌站的时段总暴雨雨量 最大小时雨量 利用 可以求出因变量 和自变量时段总暴雨量 。总及最大 小时雨量 的关系如下 利用旧所求的相关关系如图 所示 利用统计模型预报洪峰流量的结果如表 所示。 最大六小时雨量时段总雨量 利用所求 统计模型所求的结果华北水利水电学院硕士学位论文续表 统计模型所求的结果 不合格合格 不合格 合格 合格从表 看出 统计模型预测的 场洪峰流量其中合格的场次为 推理公式法首先根据资料分割出场次洪水 然后结合《湖南省暴雨洪水查算手册》求出每场次洪水的最大时雨量 最后利用第三章的洪峰流量程序化求解 求出每一场次的洪峰流量。 推理公式模型参数的率定在流域水文模模型中 参数的率定至关重要 对于有经验的率定者来说 通过试错法确定模型参数比较容易得到较好的参数率定值 但对于缺少经验的率定者来说 人工率定过程费时费力。所谓“自动率定技术’’是指自动调整参数使模型拟合的资料最好 也就是达到最优。本文选用从 场场次洪水作为模型的验证期。首先利用试错法试算得出 组暴雨递减指数 、经验性汇流参数 、经验性损失参数 然后利用试错法得出一组值最后利用遗传算法进行优化。 模型参数的率定结果经过对所给流域实测暴雨洪水资料的整理结合试错法对参数进行率定。首先根据资料求出 场场次洪水中的每一场次洪水中的最大时雨量结合推理公式对用试错法得出 组对应的参数 、和“。最后结合这组参数 得出一组参数值 推理公式模型中所含有的参数以及参数表示的物理意义如下表 所示 利用试错法求出的洪峰流量结果如表 所示。 五里牌水文站的洪水预报表 推理公式法求出的洪峰流量结果 模型参数的率定是选择一组参数值 中是求出的是组参数值 从表中的结果来看 的取值范围在 之间 的取值范围在 之间 斗的取值范围在 之间 结合它们的取值范围 以及第三章中用 求解洪峰流量的方法 用试错法经过试算最终率定的参数结果为 汇流参数 损失参数“取。试错法率定参数的结果见表 。华北水利水电学院硕士学位论文表 试错法率定的模型参数 用所得的参数对率定期的场洪水进行率定 率定结果如表 试错法率定的洪峰流量预报结果’不合格 合格 合格 合格 合格 不合格 合格 合格 合格合格 合格 不合格 合格 不合格 不合格 合格由表 可以知道 在率定期的 场洪水中 预报洪峰流量合格的场次有 合格率为。由于试错法工作量太大 需要很长的时间且预报的结果也不是很理想 于是洪峰流量的预报本文采用遗传算法进行优化 常常通过目标函数来体现洪峰流量的优化准则。 由实测的暴雨洪水资料优选模型参数 我们通常采用实测洪水过程线上各离散点的计算值与实测值之间误差平方和最小作为参数优化的目标函数。结合五里牌站的实际情况 首先根据所给的基本资料以及所求得的每一场洪水的最大时雨量 利用推理公式法的程序化求解率定期各场次洪水的洪峰流量 运行界面如图 所示 再结合第五章参数取值的范围 利用遗传算法对汇流参数 、暴雨递减指 五里牌水文站的洪水预报数 、流域损失参数 进行优化 优化的结果如图 所示。‘ …藕霎一计善一二 一一一 黛萋萋豢豢种群大小随 …设计变量变量下限 变量上甩稿码长度『授增量

  推理公式参数优化与应用研究研究,优化,参数,推理公式,公式参数,反馈意见


本港台同步现场报码| 波肖门尾图库| 开奖直播| 六合资料库| 四海图库总站| www.330568.com| 风逍遥高手论坛| www.0004111.com| www.988226.com| 3224刘伯温开奖网站| 公牛网| 香港马会开奖资料|