降水頻率分析可為流域（區(qū)域）規(guī)劃和水利工程建設(shè)提供設(shè)計(jì)依據(jù)。頻率分析需要選取合適的水文分布線型和參數(shù)估計(jì)方法,但是目前沒有統(tǒng)一適用的分布線型和參數(shù)估計(jì)方法。對(duì)不同分布線型,在采用傳統(tǒng)參數(shù)估計(jì)方法時(shí)需要推導(dǎo)繁瑣的計(jì)算公式,計(jì)算過程復(fù)雜。智能優(yōu)化算法一般只需要知道其分布目標(biāo)優(yōu)化函數(shù)關(guān)系,不受函數(shù)連續(xù)性、光滑性限制,避免了大量的求參數(shù)計(jì)算,因而可應(yīng)用于水文頻率分布參數(shù)計(jì)算中。本文綜述了現(xiàn)行水文頻率計(jì)算中分布線型和參數(shù)估計(jì)方法研究進(jìn)展,總結(jié)了目前水文頻率分布參數(shù)計(jì)算中存在的問題,針對(duì)這些不足,本文引入智能優(yōu)化算法,在系統(tǒng)闡述各方法原理的基礎(chǔ)之上,并將其應(yīng)用于年降水頻率計(jì)算中。采用Matlab 2018b平臺(tái)編制計(jì)算程序,探討智能優(yōu)化算法在降水頻率分析計(jì)算中的應(yīng)用。以陜西省關(guān)中地區(qū)36個(gè)氣象站的年降水序列資料為例,應(yīng)用4種傳統(tǒng)參數(shù)估計(jì)方法（矩法（MOM）、極大似然法（MLM）、最大熵法（POME）、線性矩法（L-M））和4種智能優(yōu)化算法（反向?qū)W習(xí)自適應(yīng)差分進(jìn)化算法（OL-ADE算法）、蜻蜓算法（DA算法）、遺傳粒子群混合算法（HGAPSO算法）和群居蜘蛛算法（SSO算法））,按照6種優(yōu)化準(zhǔn)則（O... 

【文章來源】：西北農(nóng)林科技大學(xué)陜西省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：128 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

各站點(diǎn)的地理位置圖

西北農(nóng)林科技大學(xué)碩士學(xué)位論文76(k)蒲城站（GEV分布）(l)蒲城站（GLD分布）(m)潼關(guān)站（GLD分布）(n)渭南站（GEV分布）(o)渭南站（GLD分布）圖4-3渭南市年降水序列最佳分布曲線擬合圖Figure4-3FittingdiagramofoptimaldistributioncurveofannualprecipitationsequenceinWeinan（3）西安市各測站年降水序列最佳分布擬合效果

第四章實(shí)例應(yīng)用77(a)戶縣站（GLD分布）(b)藍(lán)田站（GLD分布）(c)臨潼站（GLD分布）(d)西安站（GLD分布）(e).周至站（GLD分布）圖4-4西安市年降水序列最佳分布曲線擬合圖Figure4-4FittingdiagramofoptimaldistributioncurveofannualprecipitationsequenceinXian（4）咸陽市各測站年降水序列最佳分布擬合效果

【參考文獻(xiàn)】：
期刊論文
[1]基于智能算法的軸對(duì)稱鍛件預(yù)成形優(yōu)化設(shè)計(jì)[J]. 黃超群,來飛.  鍛壓技術(shù). 2020(02)
[2]基于雙頻蝙蝠算法的樹狀灌溉管網(wǎng)規(guī)劃[J]. 呂石磊,盧思華,魏志威,李震,吳奔雷.  湖南農(nóng)業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020(01)
[3]基于退火粒子群的混合差分進(jìn)化算法研究[J]. 郭洋婷,李瑞陽.  電子世界. 2020(02)
[4]一種動(dòng)態(tài)調(diào)整慣性權(quán)重的混合粒子群算法[J]. 胡堂清,張旭秀,曹曉月.  電光與控制. 2020(06)
[5]粒子群退火算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)及其應(yīng)用[J]. 王榮,白尚旺,黨偉超,潘理虎.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2020(01)
[6]引入反向?qū)W習(xí)機(jī)制的自適應(yīng)差分進(jìn)化算法研究[J]. 苗曉鋒,劉志偉.  計(jì)算機(jī)與數(shù)字工程. 2019(12)
[7]基于粒子群搜索策略的混合果蠅優(yōu)化算法[J]. 郭德龍,周錦程,周永權(quán).  計(jì)算機(jī)與數(shù)字工程. 2019(12)
[8]一種基于混合蛙跳和粒子群融合的改進(jìn)優(yōu)化新算法[J]. 周林,陶冠宏,王佩.  電子信息對(duì)抗技術(shù). 2019(06)
[9]基于精英反向?qū)W習(xí)的逐維改進(jìn)蜻蜓算法[J]. 何慶,黃閩茗,王旭.  南京師大學(xué)報(bào)(自然科學(xué)版). 2019(03)
[10]陜西省關(guān)中地區(qū)水資源開發(fā)利用現(xiàn)狀及節(jié)水潛力分析[J]. 黨輝,劉剛,馬清瑞,曹林順.  陜西水利. 2019(06)

博士論文
[1]多目標(biāo)人工蜂群算法研究及應(yīng)用[D]. 馬詩婧.東北師范大學(xué) 2019
[2]基于群集智能的復(fù)雜問題優(yōu)化算法與應(yīng)用研究[D]. 唐若笠.武漢大學(xué) 2016
[3]關(guān)中地區(qū)干旱預(yù)警與應(yīng)急水源配置研究[D]. 喬亮.長安大學(xué) 2015
[4]關(guān)中地區(qū)水資源安全評(píng)價(jià)[D]. 黨碧玲.陜西師范大學(xué) 2012
[5]關(guān)中地區(qū)土地利用動(dòng)態(tài)模擬與優(yōu)化配置研究[D]. 楊勇.陜西師范大學(xué) 2010
[6]基于GIS的關(guān)中地區(qū)土地利用變化及土地生態(tài)安全動(dòng)態(tài)研究[D]. 莫宏偉.陜西師范大學(xué) 2010
[7]基于格網(wǎng)GIS的關(guān)中地區(qū)生態(tài)安全評(píng)價(jià)與格局變化分析[D]. 薛亮.陜西師范大學(xué) 2009
[8]遺傳算法及其在水問題中的應(yīng)用[D]. 金菊良.河海大學(xué) 1998

碩士論文
[1]基于蜻蜓算法和花朵授粉算法的特征選擇方法研究[D]. 莊開元.吉林大學(xué) 2019
[2]梯級(jí)水庫群調(diào)度的優(yōu)化蜂群算法研究[D]. 李冬.華中科技大學(xué) 2018
[3]改進(jìn)果蠅算法在梯級(jí)水庫群發(fā)電優(yōu)化調(diào)度中的應(yīng)用[D]. 王媛.西安理工大學(xué) 2018
[4]基于智能組合模型對(duì)降雨量及徑流量預(yù)測的實(shí)證研究[D]. 張娟.蘭州大學(xué) 2018
[5]P-Ⅲ型曲線參數(shù)優(yōu)選及其不確定性研究[D]. 雷冠軍.華北水利水電大學(xué) 2016
[6]基于熵原理的水文頻率分布參數(shù)估計(jì)應(yīng)用研究[D]. 趙明哲.西北農(nóng)林科技大學(xué) 2016
[7]差分進(jìn)化算法改進(jìn)研究[D]. 代瑞瑞.西北師范大學(xué) 2016
[8]基于EMA法的洪水頻率分布參數(shù)估計(jì)方法研究[D]. 王俊珍.西北農(nóng)林科技大學(xué) 2014
[9]高階概率權(quán)重矩在洪水頻率分布參數(shù)估計(jì)中的應(yīng)用研究[D]. 肖玲.西北農(nóng)林科技大學(xué) 2014
[10]差分進(jìn)化算法在組合優(yōu)化問題中的應(yīng)用研究[D]. 張明.南京信息工程大學(xué) 2011



本文編號(hào)：3070947