大坝统计预警模型的改进粒子群耦合方法

王伟; 沈振中

美国《工程索引》（EI）核心期刊
美国《剑桥科学文摘》（CSA）收录期刊
荷兰斯高帕斯数据库（Scopus）收录期刊
英国INSPEC数据库（SA）收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

大坝统计预警模型的改进粒子群耦合方法

王伟, 沈振中

文章导航 > 武汉大学学报 ● 信息科学版 > 2009 > 34(8): 987-991

王伟, 沈振中. 大坝统计预警模型的改进粒子群耦合方法[J]. 武汉大学学报 ● 信息科学版, 2009, 34(8): 987-991.

引用本文:

王伟, 沈振中. 大坝统计预警模型的改进粒子群耦合方法[J]. 武汉大学学报 ● 信息科学版, 2009, 34(8): 987-991.

WANG Wei, SHEN Zhenzhong. Statistical Early Warning Model for Dam Based on Improved Particle Swarm Coupled Method[J]. Geomatics and Information Science of Wuhan University, 2009, 34(8): 987-991.

Citation:

WANG Wei, SHEN Zhenzhong. Statistical Early Warning Model for Dam Based on Improved Particle Swarm Coupled Method[J]. Geomatics and Information Science of Wuhan University, 2009, 34(8): 987-991.

大坝统计预警模型的改进粒子群耦合方法

王伟¹,
沈振中¹

¹河海大学水利水电工程学院,南京市西康路1号,210098

基金项目: 国家自然科学基金资助项目(50579010)；国家科技支撑计划资助项目(2006BAC14B03)

详细信息

作者简介:
王伟,博士生,主要从事水工结构安全监控理论方法研究。

中图分类号: P207

Statistical Early Warning Model for Dam Based on Improved Particle Swarm Coupled Method

WANG Wei¹,
SHEN Zhenzhong¹

¹ College of Water Conservancy and Hydropower Engineering,Hohai University,1 Xikang Road,Nanjing 210098,China

Funds: 国家自然科学基金资助项目(50579010)；国家科技支撑计划资助项目(2006BAC14B03)

摘要: 提出了一种新的自适应策略,并与模拟退火算法相结合,建立了基于模拟退火-自适应粒子群耦合方法的大坝统计预警模型。通过工程算例的研究表明,该方法能够提高粒子群算法的收敛性能,易跳出局部最小,算法收敛速度快。基于该方法的预警模型与最小二乘法相比,预报精度较高,预警评价结果与大坝的实际运行情况相吻合。
- 粒子群算法 /
- 模拟退火算法 /
- 大坝统计预警模型 /
- 最小二乘法
Abstract: Because the dam safety influencing indexes are complex,sometimes the results are bad when the statistical model is applied to early warning evaluation for dam. Suppose regression coefficients is transformed to the linear programming question. The coefficients of multi-statistic regression can be determined by the particle swarm optimization algorithm. But when the PSO algorithm was applied to high dimension space optimization question,the convergence rate would be slow and the calculations could easily fall into local extreme points. In order to overcome these shortcomings,the PSO is improved,and a new self-adapting strategy is proposed. The coupled method combines a new self-adapting strategy and simulated annealing algorithm,and the statistical early warning model for dam is based on it (SA-APSOR). Applications in practical engineering show that this method can improve the convergence ability of PSO,and can avoid the algorithm falling into the local extreme points. Hence,the convergence rate of this method is quick. Furthermore,compared with the traditional least square regression,the forecast precision of this model based on SA-APSOR is high and its early warning evaluation results almost correspond with the practice operating condition.
- PSO /
- SA /
- statistical early warning model for dam /
- LSM

[1]	王乐洋, 许冉冉, 靳锡波, 丁锐. 非线性反演算法的综合评价对比 . 武汉大学学报 ● 信息科学版, 2022, 47(3): 341-351. doi: 10.13203/j.whugis20200217
[2]	王乐洋, 靳锡波, 许光煜. 断层参数反演的动态惯性因子的粒子群算法 . 武汉大学学报 ● 信息科学版, 2021, 46(4): 510-519. doi: 10.13203/j.whugis20190321
[3]	吕志鹏, 隋立芬. 基于非线性高斯-赫尔默特模型的结构总体最小二乘法 . 武汉大学学报 ● 信息科学版, 2019, 44(12): 1808-1815. doi: 10.13203/j.whugis20180104
[4]	王乐洋, 赵雄, 高华. 大地测量地震断层同震滑动分布反演的两步解法 . 武汉大学学报 ● 信息科学版, 2019, 44(9): 1265-1273, 1311. doi: 10.13203/j.whugis20170382
[5]	张志伟, 暴景阳, 肖付民, 辛键. 利用模拟退火算法反演多波束测量声速剖面 . 武汉大学学报 ● 信息科学版, 2018, 43(8): 1234-1241. doi: 10.13203/j.whugis20160304
[6]	王立, 吴雄斌, 马克涛, 沈志奔. 利用X波段导航雷达探测海洋表面流速的方法 . 武汉大学学报 ● 信息科学版, 2015, 40(1): 90-95.
[7]	李清泉, 陈小宇, 毛庆洲, 李必军. 光纤陀螺仪关键参数快速标定方法 . 武汉大学学报 ● 信息科学版, 2013, 38(11): 1369-1373.
[8]	杨晟, 李学军, 朱诗兵. 遥感影像匹配中的反定位误匹配剔除算法 . 武汉大学学报 ● 信息科学版, 2013, 38(9): 1083-1087.
[9]	刘耀林, 夏寅, 刘殿锋, 洪晓峰. 基于目标规划与模拟退火算法的土地利用分区优化方法 . 武汉大学学报 ● 信息科学版, 2012, 37(7): 762-765.
[10]	詹庆明, 周新刚, 肖映辉, 喻亮. 从激光点云中提取古建筑线性和圆形特征的比较 . 武汉大学学报 ● 信息科学版, 2011, 36(6): 674-677.
[11]	刘耀林, 洪晓峰, 刘殿锋, 夏寅. 利用模拟退火算法的村镇土地利用空间优化调控模型 . 武汉大学学报 ● 信息科学版, 2011, 36(6): 752-755.
[12]	鲁敏, 张金芳. 栅格地形的最优路径分析 . 武汉大学学报 ● 信息科学版, 2010, 35(1): 59-63.
[13]	张中山, 燕琴, 余洁, 李岩. 基于粒子群算法的全极化SAR图像非监督分类算法研究 . 武汉大学学报 ● 信息科学版, 2010, 35(8): 941-945.
[14]	戴虹. 平板平面度检定及数据处理方法的改进 . 武汉大学学报 ● 信息科学版, 2009, 34(10): 1210-1213.
[15]	邹贤才, 李建成, 徐新禹, 王正涛. 利用能量法由沿轨扰动位数据恢复位系数精度分析 . 武汉大学学报 ● 信息科学版, 2006, 31(11): 1011-1014.
[16]	徐新禹, 李建成, 邹贤才, 禇永海. 最小二乘法求解三类卫星重力梯度边值问题的研究 . 武汉大学学报 ● 信息科学版, 2006, 31(11): 987-990.
[17]	许才军, 王华. InSAR相位解缠算法比较及误差分析 . 武汉大学学报 ● 信息科学版, 2004, 29(1): 67-71.
[18]	张祖勋, 吴军, 张剑清. 建筑场景三维重建中影像方位元素的获取方法 . 武汉大学学报 ● 信息科学版, 2003, 28(3): 265-271,300.
[19]	祝国瑞, 唐旭, 王平. 模拟退火算法在动态建立基准地价模型中的应用 . 武汉大学学报 ● 信息科学版, 2003, 28(5): 593-595,607.
[20]	杨杰, 廖明生, 江万寿, 杨文. 从单幅雷达影像提取地面高程信息 . 武汉大学学报 ● 信息科学版, 2000, 25(6): 537-541.

点击查看大图

计量

文章访问数: 480
HTML全文浏览量: 42
PDF下载量: 358
被引次数: 0

大坝统计预警模型的改进粒子群耦合方法

王伟¹,
沈振中¹

¹河海大学水利水电工程学院,南京市西康路1号,210098

基金项目: 国家自然科学基金资助项目(50579010)；国家科技支撑计划资助项目(2006BAC14B03)

作者简介:
王伟,博士生,主要从事水工结构安全监控理论方法研究。

收稿日期: 2009-06-12
修回日期: 2009-06-12
刊出日期: 2009-08-05

中图分类号: P207

关键词:

摘要: 提出了一种新的自适应策略,并与模拟退火算法相结合,建立了基于模拟退火-自适应粒子群耦合方法的大坝统计预警模型。通过工程算例的研究表明,该方法能够提高粒子群算法的收敛性能,易跳出局部最小,算法收敛速度快。基于该方法的预警模型与最小二乘法相比,预报精度较高,预警评价结果与大坝的实际运行情况相吻合。

English Abstract

Statistical Early Warning Model for Dam Based on Improved Particle Swarm Coupled Method

WANG Wei¹,
SHEN Zhenzhong¹

¹ College of Water Conservancy and Hydropower Engineering,Hohai University,1 Xikang Road,Nanjing 210098,China

Funds: 国家自然科学基金资助项目(50579010)；国家科技支撑计划资助项目(2006BAC14B03)

Received Date: 2009-06-12
Rev Recd Date: 2009-06-12
Publish Date: 2009-08-05

Keywords:

PSO /
SA /
statistical early warning model for dam /
LSM

Abstract: Because the dam safety influencing indexes are complex,sometimes the results are bad when the statistical model is applied to early warning evaluation for dam. Suppose regression coefficients is transformed to the linear programming question. The coefficients of multi-statistic regression can be determined by the particle swarm optimization algorithm. But when the PSO algorithm was applied to high dimension space optimization question,the convergence rate would be slow and the calculations could easily fall into local extreme points. In order to overcome these shortcomings,the PSO is improved,and a new self-adapting strategy is proposed. The coupled method combines a new self-adapting strategy and simulated annealing algorithm,and the statistical early warning model for dam is based on it (SA-APSOR). Applications in practical engineering show that this method can improve the convergence ability of PSO,and can avoid the algorithm falling into the local extreme points. Hence,the convergence rate of this method is quick. Furthermore,compared with the traditional least square regression,the forecast precision of this model based on SA-APSOR is high and its early warning evaluation results almost correspond with the practice operating condition.

王伟, 沈振中. 大坝统计预警模型的改进粒子群耦合方法[J]. 武汉大学学报 ● 信息科学版, 2009, 34(8): 987-991.

引用本文:

王伟, 沈振中. 大坝统计预警模型的改进粒子群耦合方法[J]. 武汉大学学报 ● 信息科学版, 2009, 34(8): 987-991.

WANG Wei, SHEN Zhenzhong. Statistical Early Warning Model for Dam Based on Improved Particle Swarm Coupled Method[J]. Geomatics and Information Science of Wuhan University, 2009, 34(8): 987-991.

Citation:

WANG Wei, SHEN Zhenzhong. Statistical Early Warning Model for Dam Based on Improved Particle Swarm Coupled Method[J]. Geomatics and Information Science of Wuhan University, 2009, 34(8): 987-991.