為拓展生長(zhǎng)模型在徑流及地下水位預(yù)測(cè)中的應(yīng)用范疇,提高模型預(yù)測(cè)精度,提出人工生態(tài)系統(tǒng)優(yōu)化（AEO）算法-組合生長(zhǎng)預(yù)測(cè)模型。選取6個(gè)標(biāo)準(zhǔn)測(cè)試函數(shù)和本文Schumacher、Usher模型參數(shù)優(yōu)化實(shí)例對(duì)AEO算法進(jìn)行仿真驗(yàn)證,并與鯨魚(yú)優(yōu)化算法（WOA）、灰狼優(yōu)化（GWO）算法、教學(xué)優(yōu)化（TLBO）算法、粒子群優(yōu)化（PSO）算法的仿真結(jié)果進(jìn)行比較�；赟chumacher、Usher單一生長(zhǎng)函數(shù)構(gòu)建Schumacher-Usher組合生長(zhǎng)模型,針對(duì)組合模型參數(shù)及權(quán)重系數(shù)選取困難的實(shí)際問(wèn)題,利用AEO算法同時(shí)對(duì)組合模型參數(shù)和權(quán)重系數(shù)進(jìn)行優(yōu)化,提出AEO-Schumacher-Usher組合生長(zhǎng)預(yù)測(cè)模型,并構(gòu)建AEO-Schumacher、AEO-Usher、AEO-SVM模型作對(duì)比,以文獻(xiàn)徑流及地下水位預(yù)測(cè)為例進(jìn)行實(shí)例驗(yàn)證。結(jié)果表明,AEO算法尋優(yōu)精度優(yōu)于WOA、GWO、TLBO、PSO算法,具有較好的尋優(yōu)精度、全局搜索能力和穩(wěn)健性能。AEO-Schumacher-Usher模型對(duì)兩個(gè)實(shí)例預(yù)測(cè)的平均相對(duì)誤差絕對(duì)值分別為2.32%、0.15%,預(yù)測(cè)精度優(yōu)于AEO-Schumacher、AEO-Us... 

【文章來(lái)源】：中國(guó)農(nóng)村水利水電. 2020,(11)北大核心

【文章頁(yè)數(shù)】：8 頁(yè)

【文章目錄】：
1 研究背景
2 人工生態(tài)系統(tǒng)優(yōu)化算法-組合生長(zhǎng)預(yù)測(cè)模型
    2.1 人工生態(tài)系統(tǒng)優(yōu)化算法
    2.2 組合生長(zhǎng)模型
        （1）Schumacher模型。
        （2）Usher模型。
    2.3 組合生長(zhǎng)模型結(jié)構(gòu)及預(yù)測(cè)實(shí)現(xiàn)步驟
3 實(shí)例應(yīng)用
    3.1 數(shù)據(jù)來(lái)源及分析
    3.2 算法驗(yàn)證
        3.2.1 標(biāo)準(zhǔn)測(cè)試函數(shù)仿真驗(yàn)證
        3.2.2 實(shí)例問(wèn)題優(yōu)化
    3.3 預(yù)測(cè)及分析
4 結(jié) 論


【參考文獻(xiàn)】：
期刊論文
[1]Usher模型在垃圾土沉降預(yù)測(cè)中的應(yīng)用[J]. 張玉杰,郝增韜,譚進(jìn).  長(zhǎng)安大學(xué)學(xué)報(bào)(自然科學(xué)版). 2012(04)
[2]年均徑流預(yù)測(cè)的遺傳神經(jīng)網(wǎng)絡(luò)模型研究[J]. 吳海波,趙曉慎,王文川.  人民黃河. 2012(04)
[3]基于加權(quán)秩次集對(duì)分析法的年徑流預(yù)報(bào)模型[J]. 王延亭,王建群,張玉杰.  水電能源科學(xué). 2012(03)
[4]水庫(kù)流域年均徑流模型的灰色神經(jīng)網(wǎng)絡(luò)分析[J]. 萬(wàn)星,丁晶,廖杰.  水力發(fā)電. 2005(04)
[5]廣義Schumacher模型的改進(jìn)及其應(yīng)用[J]. 洪偉,吳承禎,閆淑君.  應(yīng)用生態(tài)學(xué)報(bào). 2004(02)



本文編號(hào)：2992292