一、免疫进化算法及其在暴雨强度公式参数优化中的应用（论文文献综述）
李霏[1]（2020）在《污水处理过程智能检测与优化控制的研究》文中认为污水处理过程（Wastewater treatment process,WWTPs）具有复杂的生物、物理和化学特性,且因其变量之间严重的耦合关系和高度的非线性而难以控制。目前,我国采用活性污泥法去除水中的污染物,该生化反应过程耗电量高,产生了巨大的运行成本,且鲜有研究专注于减少或完全消除污染物浓度峰值超标的问题。此外,随着世界范围内实施愈加严格的标准和法规,高额的罚款将导致成本增加。因此,如何实现污水处理全流程出水水质实时达标,提高污水处理质量并减少能耗是一个亟待解决的难题。其主要体现在:1)出水氨氮（Ammonia nitrogen,NH4-N）做为污水处理过程中水污染控制系统的关键因素,水质在线检测难以实现并具有挑战性;2)如何求得收敛性与分布性最好的帕累托（Pareto）最优解,从而获得最佳的溶解氧和硝态氮设定值;3)WWTPs的评估策略不仅仅涉及一个目标,而是多个目标,如出水水质、运行成本及系统的稳定性。如何实现在保证平均出水水质达标的前提下降低成本显得尤为重要;4)污水处理过程是一个复杂动态系统,多个目标随时间变化,如何采用动态控制策略实现在环境发生变化时快速跟踪移动的Pareto前沿,实现污水处理的优化运行;5)如何实时在完全消除出水峰值超标的前提下,提高污水处理质量并减少能耗。针对以上问题,本文提出了污水处理过程智能检测与优化控制的研究策略。首先,分析了污水处理过程特性,建立基于数据驱动的污水处理过程智能检测方法预测出水氨氮浓度。其次,设计能耗和水质多目标优化算法,求取溶解氧和硝态氮的优化设定值,并采用自组织跟踪控制器来追踪该设定值。此外,提出动态多目标优化控制方法,从而应对环境的动态变化,获得较好的控制性能。最后,依据关键水质智能检测结果,设计知识决策方案,提供抑制峰值超标的优化控制策略,并采用国际基准仿真平台（Benchmark Simulation Model No.1,BSM1）进行验证。论文主要研究工作和创新点如下:（1）基于人工免疫自组织径向基神经网络（Radial basis function neural network,RBFNN）出水NH4-N预测器水污染是一个重要的环境问题,水质在线检测仍是亟待解决的难题,特别是出水NH4-N超标已成为焦点之一。NH4-N超标可能引起水体富营养化,增加污水遗传毒性,危及人类健康。为了使污水处理过程能够实时了解NH4-N浓度,本论文提出了一种基于距离浓度人工免疫自组织RBFNN（Self-organizing RBF neural network based on distance concen-tration immune algorithm,DCIA-SORBF）的NH4-N预测器。首先,对实际采集到的数据进行预处理,并选择与出水NH4-N具有较强相关性的过程变量。此外,采用RBFNN创建出水NH4-N的软测量模型,并通过距离浓度人工免疫算法对其结构和参数自组织调整。最后,采用训练好的DCIA-SORBF模型对出水NH4-N进行实时预测。实验结果表明,所提出的出水NH4-N预测器在效率和精度上具有显着的优越性。（2）基于均匀分布的自适应混合进化人工免疫算法通常,在迭代过程中的进化算法,无论是多目标优化问题还是单目标优化问题,目标空间都存在个体分布不均匀的问题。这种不均匀的分布大大降低了种群的多样性和收敛速度。为此,本论文提出了一种基于均匀分布选择机制的自适应混合进化免疫算法（Adaptive hybrid evolutionary immune algorithm based on a uniform distribution selection mechanism,AUDHEIA）。在该算法中,种群中的个体被映射到与目标空间相对应的超平面,并聚类以增加种群中个体的多样性。为了改善解的分布性,将映射的超平面进行均匀分区。随着迭代过程中分布性的不断变化,自适应地调整判断种群分布标准的阈值。当相应区间内不满足阈值时,激活分布性增强模块。随后,在每个区间内选择相同数量的个体。然而,在迭代过程中,有时某些区间内没有足够的个体或为空。此时,采用最优个体的极限优化变异策略来补足个体。实验结果表明,该算法能够较好地跳出局部最优,具有较高的收敛速度。此外,该算法的分布性和收敛性均优于文中同类的测试算法。（3）污水处理过程免疫多目标优化控制方法针对污水处理过程控制中能耗过大,出水水质严重超标等问题,提出了一种基于免疫优化的智能控制方法。首先,该方法以污水处理能耗和出水水质作为优化目标,建立优化目标函数模型。其次,采用本论文提出的AUDHEIA来获得收敛性和分布性较好的Pareto解,从而得到最佳的溶解氧和硝态氮优化设定值。最后,应用自组织递归模糊神经网络控制器对该设定值进行底层的跟踪控制。为了验证算法的有效性,在国际基准的污水处理仿真平台BSM1上进行实验。结果显示,所提出的免疫优化控制方法,能够在满足出水水质达标的同时,有效地降低污水处理过程能耗。（4）污水处理动态过程免疫优化控制方法由于污水处理过程动态变化,且能耗和水质存在相互冲突的耦合关系。在环境发生变化时,固定的优化设定值已无法有效地快速实现污水处理的优化运行。为此,本论文提出了一种动态多目标免疫优化控制（Dynamic multi-objective immune optimization control,DMOIA-OC）方法。该方法通过数据建模获得动态变化的目标函数,并设计动态免疫优化（Dynamic multi-objective immune algorithm,DMOIA）算法来获取随环境动态变化的溶解氧和硝态氮的最佳设定值。DMOIA采用多向预测策略,以提高进化算法求解动态多目标优化问题的性能。为了更精确地预测Pareto解集的移动位置,通过自适应均匀分布策略将种群聚类为多个代表性的组,并根据环境变化预测个体进化方向,在预测的新位置周围重新初始化种群。最后,该方法通过BSM1仿真平台进行验证。实验结果表明,所提出的DMOIA-OC方法与同类方法相比,控制性能显着提高。（5）污水处理过程智能检测与优化控制系统为了实现污水处理过程全流程有效抑制出水水质峰值超标且节能降耗的目的,本论文提出了污水处理过程智能检测与优化控制（Intelligent detection and optimal control of wastewater treatment process,IDOC）系统。首先,该系统采用提出的DCIA-SORBF软测量模型预测出水氨氮和总氮浓度。并根据该预测结果与专家知识,设计污水处理过程全流程优化控制策略。当预测水质达标时,采用动态免疫优化算法求取高质量的溶解氧和硝态氮设定值,以达到节能降耗的目的。当预测出水水质不达标时,启动峰值超标抑制控制策略实现出水水质实时达标。最后,采用BSM1仿真模型对该方法进行验证。实验结果表明,所提出的IDOC系统可以实现全流程污水处理实时达标并能够有效地降低能耗,从而具有较好的实际应用价值。
张小潭,吴绍飞,顾雯叶[2]（2020）在《改进的实数编码加速遗传算法在暴雨强度公式参数优化中的应用》文中研究指明针对城市暴雨强度公式参数识别时,传统求解方法（如牛顿迭代法、高斯-牛顿法等）存在间接拟合,而优化算法（如实数编码加速遗传算法、蚁群算法等）存在随机性,盲目地在一个区间内寻优拟合精度不高等问题,本文将两种方法结合,提出一种改进的实数编码加速遗传算法（RAGA）,为暴雨强度公式参数识别提供一种新途径。该方法将传统求解方法所求的可行解作为改进遗传算法的初始参数,通过在每次代际寻优时设置各参数廊道约束来改进RAGA以提高算法搜索效率,直至公式拟合精度无法提高为止。将该方法应用于国内多地暴雨强度公式参数识别中以评估算法的有效性,结果表明此方法实用可行、搜索效率较高,可以快速收敛到最优解。实例表明该方法在暴雨强度公式参数识别中是实用有效的。
黎云涛[3]（2019）在《基于网格差分和协同进化的多目标优化算法研究及应用》文中认为多目标优化问题一直是科研领域和实际工程中亟待解决的难题。鉴于传统的多目标优化算法在提高最优解集的收敛性和多样性方面都存在着不足。因此,如何同时提高算法的有效性和保护多样性成为了研究多目标优化算法的重中之重。本文研究和改进了基于快速非支配排序和精英策略的多目标遗传算法（NSGA-Ⅱ）,利用网格机制并结合了协同进化的思想提出了 一种高效的多目标优化算法,且将提出的算法应用到解决PID控制器参数优化的问题中。具体内容如下:（1）针对传统多目标优化算法收敛性不足的问题,提出了一种基于改进的匹配选择和网格差分的双向局部搜索算法。首先在算法匹配的过程中,通过有方向性地选择两个潜力个体进行交配,使获得的个体更具有导向性,再通过建立网格机制,对于新产生的个体进行优劣性分析。实验结果表明,改进的算法在收敛性上面获得了较好的改善,使得算法的最优解集更加贴近优化问题的真实前沿。（2）针对传统多目标优化算法多样性不足的问题,提出了一种新型惩罚机制的环境选择方法。在当代种群个体被选择后,应对其周围的个体进行惩罚,通过带有改进策略的惩罚机制,舍弃分布密集的个体,从而改善算法的多样性,防止最优解集分布密集。将改进的算法和其它的三种多目标优化算法进行对比研究,结果表明基于网格差分双向局部搜索的多目标优化算法能快速高效地获得更好的最优解集,且能在目标空间中均匀分布。（3）在算法进化过程中,针对决策者常常忽略种群个体之间相互合作关系的问题,本文结合了协同进化的思想对算法进行了有效的改进。在算法进化过程中的种群平均分为两个或若干个子种群且进行并行进化,在进化过程中将两个子种群的第一等级非支配前沿的部分个体进行互换操作。该方法使得种群在进化过程中充分的利用了个体之间的合作关系,提高了算法的搜索能力和精准度。（4）将改进的多目标优化算法应用到PID参数整定中,并与其它多目标优化算法及传统PID参数整定方法进行比较。实验结果表明,改进的算法相较于传统PID参数整定方法能获得的更优的控制器参数,而相对于其它多目标优化算法该方法能获得更好的最优前沿。
马智群[4]（2019）在《陕西省淳化县暴雨强度公式推求研究》文中指出我国许多地区常年频繁出现极端降雨事件,给人们带来了极大困扰,甚至对人民的人身安全和财产安全产生巨大威胁。暴雨强度公式是城市雨水排放和防止城市内涝系统规划设计中的重要依据,因此编制适合当地发展建设的暴雨强度公式是必不可少的。淳化县没有编制当地的暴雨强度公式,因此推求适合淳化县的暴雨强度公式是必要的。本文采用淳化县气象局提供的19982017年20年的降雨数据,使用年最大值法选取降雨样本。然后分别利用耿贝尔分布曲线、皮尔逊Ⅲ型分布曲线和指数型分布曲线来进行频率曲线调整,皮尔逊Ⅲ型分布曲线采用适线法求得相应参数、itP数据表及频率拟合图,而耿贝尔和指数型理论分布线采用最小二乘法求得相应参数、itP数据表及频率拟合图。利用求得的itP数据表,分别使用最小二乘法、麦夸尔特法和高斯-牛顿法计算参数值。对求得的绝对均方差和相对均方差进行分析校对,选定淳化县的暴雨强度公式,最终通过分析暴雨强度公式的计算值和理论值来求证公式的准确性。通过研究计算淳化县的暴雨强度公式,得出:（1）三种分布线型中最适合淳化县地区的为耿贝尔分布线型;（2）选用的三种参数求解方法中,麦夸尔特法为三者中的最优参数求解方法;（3）综合（1）（2）,耿贝尔分布曲线下的麦夸尔特法求得的暴雨强度公式为淳化县地区暴雨强度公式;（4）通过比对分析所推暴雨强度公式的计算值与通过耿贝尔分布曲线拟合得到的理论值之间的误差,证明在实际工程应用中淳化县暴雨强度公式可行。推求的淳化县暴雨强度总公式为:（?）。当淳化县暴雨强度公式的P=220a时,其绝对均方差和相对均方差分别为0.0287mm/min（小于0.05mm/min）和3.07%（小于5%）;当P=2100a时,其绝对均方差和相对均方差分别为0.0402mm/min（小于0.05mm/min）和3.60%（小于5%）,满足规范要求。当实际工程的设计重现期与本文推求的暴雨强度分公式重现期相同时,由于暴雨强度分公式的精度比总公式高,此时建议采用分公式。
苍隋鑫,雷冠军,梁云,王铁[5]（2019）在《群居蜘蛛优化算法在暴雨强度公式参数估计中的运用》文中指出以1991—2016年共26 a的年最大时段降雨量作为样本值,利用皮尔逊-Ⅲ型（P-Ⅲ型）分布频率曲线对统计样本进行拟合,分别采用群居蜘蛛算法（SSO）和最小二乘法（LS）对暴雨强度公式进行推求,并进行精度检验。结果表明,SSO算法推求的暴雨强度公式精度高于LS算法。
李增永,史雯雨[6]（2018）在《暴雨强度公式对比分析及参数优化求解》文中研究表明暴雨强度公式是计算城市防洪、除涝或排水工程设计暴雨量的重要依据,其选择的合理性直接影响到城市防洪排涝系统的规模和效益。以自贡气象站为例,通过对比分析我国水利行业和市政行业暴雨强度公式计算过程的差异,用对数离差绝对值和最小准则进行暴雨强度公式参数优化并求解,研究了水利行业和市政行业2种暴雨强度公式对计算成果的影响。结果表明:（1）SCE-UA算法能够有效地解决复杂超定非线性的暴雨强度公式参数求解问题;（2）市政行业暴雨强度公式拟合效果比水利行业拟合效果更优。计算成果可指导各地区水利工程或市政工程选择合适的暴雨强度公式,对建立完善的城市排水防涝系统和减少雨洪灾害对城市影响具有重要的意义。
王金叶[7]（2018）在《改进光学优化算法及其应用研究》文中认为光学优化算法是一种新的智能优化策略,光学优化算法是把优化函数看作反射球面,函数的凸、凹部分看作对应的凸、凹镜面函数,每一个初始解相当于一个光源点,经球面镜函数的反射,得到光源点的像。把这一系列经过函数反射所得像点作为下一次搜索的起始光源点,不断进行寻优迭代,同时对任务进行探究,最终求得问题的最优解。因此,光学优化算法有其自身的优势,但是随着研究的深入,光学优化算法也和其他优化算法一样,光学优化算法也存在早熟收敛、优化速度慢、应用领域有待进一步拓宽等问题。本文从改进人光学优化算法的缺陷,以及其在暴雨参数、智能电网领域问题中的应用方面出发,进行了深入研究。主要工作包括:（1）综述了光学优化算法的思想及求解步骤,介绍光学优化算法的历史研究背景,以及目前光学优化算法在国内外的应用情况,总结了光学算法的优缺点。（2）从数学角度对算法的优化过程给出了分析定义,其独特的搜索机制和较好的搜索性能在智能优化领域得到了广泛关注。针对光学优化算法的设计原理与算法流程及相应搜索迭代和偏差修复操作进行了综述,探讨了光学优化算法与传统优化算法之间的差异以及光学优化算法的应用前景。（3）针对光学优化算法容易早熟收敛的缺陷,借鉴遗传算法的自适应度原理改进了光学优化算法的自适应度,设计了自适应光学优化算法,改进了算法的收敛速度与精度,避免了陷入局部最优解的问题。算例分析通过与标准光学优化算法求解得到的结果进行了比较,自适应光学优化算法具有更好的求解效率和稳定性。（4）通过分析光学优化算法的特性,将光学优化算法中每个光源点都用量子空间中的一个粒子来描述,根据群体智慧的聚集性,建立了量子势能场模型。由群体自组织性和协同性等特点提出了量子光学优化算法,量子光学优化算法在量子力学收敛理论下,控制参数少,设置简单,优化了算法的收敛精度和速度。通过对多个经典测试函仿真分析,得出量子光学优化算法比光学优化算法的优化性能更好,收敛速度更快。（5）针对暴雨强度公式中多个参数传统方法难以直接优化,拟合误差较大等问题。本文通过将自适应光学优化算法应用到暴雨强度公式参数优化中,并对其结果与其他优化算法进行对比分析,结果表明,光学优化算法能更有效地提高暴雨强度公式的参数拟合精度,具有较好的可行性。（6）针对电力市场中,诸多实际问题都需要优化算法作为理想工具。本文将自适应光学优化算法进行实时电价问题的求解,根据约束条件的越限量大小,动态地调整适应度,在保证全局搜索能力的基础上改进了收敛速度。将此算法对实时电价系统进行了仿真计算,与拉格朗日对偶算法的实时定价相比,结果表明自适应光学优化算法的收敛速度更快,电价的优化模型更具有实用意义。（7）最后,对所做工作进行总结,并提出进一步研究的方向。
张欣[8]（2016）在《基于MATLAB的佳县暴雨强度公式推求研究》文中认为在全球变暖的大背景下,随着我国城市化进程的不断加快,城市降雨情况与降雨规律均发生了较大的变化,暴雨造成的城市内涝问题日趋严重,给人们造成了巨大的生命财产损失。科学确定城市雨水排水系统的设计流量,从而合理确定雨水管网的设计口径就显得尤为重要。然而,目前应用于大中城市的暴雨强度公式往往编制于上世纪七八十年代,已经不能适应目前降雨的变化规律,而那些本就没有适合自身降雨规律的暴雨强度公式的小城市,更不能套用邻近大城市的暴雨强度公式。本文对暴雨强度公式的国内外研究现状进行了探讨,设计了适合佳县的暴雨强度公式推求技术路线。以佳县21年的降雨资料为基础,采用年最大值法取样方法,利用MATLAB软件分析数据、处理数据,然后通过三种理论频率分布模型（皮尔逊Ⅲ型理论频率曲线、指数分布曲线、耿贝尔分布曲线）对样本资料进行拟合,并选取误差最小的一种模型得出其T-t-i关系表。进一步比较了麦夸尔特算法和遗传算法推求暴雨强度公式的效果,最后选用更加高效的麦夸尔特算法进行暴雨强度公式的参数估计。在推求过程中,加入了对原始降雨资料的特大值处理,所以推导出了更精确的佳县暴雨强度公式。本文基于MATLAB GUIDE平台,开发出了一套佳县暴雨强度公式推求软件系统,更加确定了佳县暴雨强度总公式和单一重现期分公式,最终推得重现期2～20年的暴雨强度公式：其绝对均方差为0.0207,相对均方差为2.6478%；重现期2～100年的暴雨强度公式：其绝对均方差为0.0270,相对均方差为2.9029%。公式推求精度较高,为佳县雨水排水系统的设计提供了合理和可靠的依据。
公维龙[9]（2016）在《陕西省短历时暴雨频率分布及暴雨公式研究》文中提出暴雨和洪涝灾害是最主要的自然灾害之一,随着社会发展和环境变化,暴雨和洪涝造成的影响和损失也愈来愈大。暴雨公式在暴雨特性研究中具有重要的理论价值,对防洪排涝具有重要的意义。本文以陕西省20个气象站10min、30min、60min、90min和120 min 5个历时的暴雨资料为基础,采用4种参数估计方法对5种不同暴雨频率分布的参数进行估计;按照拟优确定性系数检验法和拟优平方和准则法两种评价准则,对频率分布线型的适应性进行了对比研究;计算了最优频率分布下五个短历时不同重现期的暴雨强度,分析了研究区暴雨公式的适用型式,并采用麦夸尔特法计算了各测站暴雨公式的参数。研究取得的主要结论如下:（1）采用矩法、极大似然法、概率权重矩法和线性矩法四种参数估计方法,对暴雨频率分析中常用的五种线型（P-Ⅲ型分布、指数分布、耿贝尔分布、正态分布以及两参数对数正态分布）进行拟合,获得了各站点不同历时不同分布在不同参数估计方法下的参数值。（2）以拟优确定性系数和拟优平方和准则,对5种频率分布在四种参数估计方法下的拟合度进行了评价,结果表明P-Ⅲ频率分布对于不同测站、不同历时的暴雨系列都具有很好的拟合度,可作为研究区短历时暴雨的理论频率分布。（3）线性矩法估计的频率分布参数值与概率权重矩法接近,按照拟优确定性系数检验法和拟优平方和准则法的优选结果,线性矩法估计的参数值较矩法和极大似然法的估计值更优。（4）以均方根误差和相对均方根误差为判断标准,对综合暴雨公式和单一重现期暴雨公式进行了对比研究,表明单一重现期暴雨公式可适用研究区,并获得了各测站暴雨公式的参数。
王玉强,张宽地,吴宏平[10]（2012）在《基于模式搜索算法的暴雨强度公式参数识别》文中提出针对暴雨强度公式中含有多个参数,用传统的方法难以直接优化,或拟合误差较大的缺点,介绍了一种根据实测暴雨强度资料识别地方参数的方法。该法将模式搜索与非线性最小二乘法的有机结合,利用模式搜索算法较强的局部搜索能力和较高的求解精度弥补最小二乘算法的不足,避免了曲线拟合中由于地方参数初值选取不当、迭代不收敛的困难,随后,将其应用到暴雨强度公式参数识别中,最后通过实测资料对算法的有效性进行了评估。结果表明,此算法运用简单、适用性强、精度高,为暴雨强度参数的识别提供了一条新途径。
二、免疫进化算法及其在暴雨强度公式参数优化中的应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、免疫进化算法及其在暴雨强度公式参数优化中的应用（论文提纲范文）
（1）污水处理过程智能检测与优化控制的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.1.3 课题来源 |
| 1.2 污水处理过程国内外研究现状 |
| 1.2.1 污水处理氨氮预测研究现状 |
| 1.2.2 污水处理过程优化控制研究现状 |
| 1.3 论文的主要研究内容和创新点 |
| 1.3.1 论文的主要研究内容 |
| 1.3.2 论文主要创新点 |
| 1.4 论文的组织构架 |
| 第2章 污水处理过程特性分析及控制系统设计 |
| 2.1 引言 |
| 2.2 污水处理过程概述 |
| 2.2.1 污水处理过程机理分析 |
| 2.2.2 污水处理过程工艺分析 |
| 2.2.3 污水处理过程影响要素分析 |
| 2.3 污水处理过程控制系统架构 |
| 2.3.1 污水处理过程控制流程 |
| 2.3.2 污水处理过程控制主要组成 |
| 2.4 污水处理过程关键变量检测 |
| 2.4.1 污水处理过程水质变量分析 |
| 2.4.2 污水处理过程水质状态分析 |
| 2.5 污水处理过程能耗和水质优化分析 |
| 2.5.1 污水处理过程能耗和水质多目标优化 |
| 2.5.2 污水处理动态过程能耗和水质优化 |
| 2.6 污水处理过程智能控制 |
| 2.6.1 污水处理过程控制目标分析 |
| 2.6.2 污水处理过程优化控制分析 |
| 2.6.3 污水处理动态过程优化控制分析 |
| 2.6.4 污水处理过程水质超标抑制控制分析 |
| 2.7 本章小结 |
| 第3章 污水处理过程出水氨氮预测 |
| 3.1 引言 |
| 3.2 城市污水处理过程水质变量分析 |
| 3.2.1 污水处理过程数据采集与预处理 |
| 3.2.2 污水处理过程水质参数特征变量选取 |
| 3.3 基于距离浓度的人工免疫自组织RBF神经网络 |
| 3.3.1 RBF神经网络结构 |
| 3.3.2 距离浓度人工免疫算法 |
| 3.3.3 人工免疫自组织RBF神经网络结构设计 |
| 3.3.4 收敛性分析 |
| 3.4 实验结果与分析 |
| 3.4.1 仿真实验设计 |
| 3.4.2 仿真实验结果 |
| 3.4.3 实验结果讨论 |
| 3.5 本章小结 |
| 第4章 基于自适应混合进化人工免疫的多目标优化算法 |
| 4.1 引言 |
| 4.2 多目标优化问题 |
| 4.2.1 基本概念 |
| 4.2.2 免疫多目标优化 |
| 4.3 AUDHEIA算法设计与分析 |
| 4.3.1 映射和聚类 |
| 4.3.2 分布性判断模块 |
| 4.3.3 分布性加强模块 |
| 4.3.4 局部变异策略 |
| 4.3.5 进化策略 |
| 4.3.6 AUDHEIA算法 |
| 4.4 实验结果及分析 |
| 4.4.1 仿真实验设计 |
| 4.4.2 仿真实验结果 |
| 4.4.3 实验结果讨论 |
| 4.5 本章小结 |
| 第5章 基于AUDHEIA算法的污水处理优化控制方法 |
| 5.1 引言 |
| 5.2 污水处理过程分析 |
| 5.2.1 污水处理过程BSM1仿真模型 |
| 5.2.2 能耗和水质模型 |
| 5.3 污水处理过程优化控制方法 |
| 5.3.1 污水处理过程控制目标 |
| 5.3.2 污水处理过程多目标控制优化层设计 |
| 5.3.3 污水处理过程底层控制器设计 |
| 5.3.4 污水处理过程智能优化控制整体流程 |
| 5.4 实验结果与分析 |
| 5.4.1 仿真实验设计 |
| 5.4.2 仿真实验结果 |
| 5.4.3 实验结果讨论 |
| 5.5 本章小结 |
| 第6章 城市污水处理动态过程优化控制方法 |
| 6.1 引言 |
| 6.2 城市污水处理动态特性分析 |
| 6.3 基于DMOIA的动态优化控制器 |
| 6.3.1 目标函数的设计 |
| 6.3.2 动态免疫优化算法设计 |
| 6.3.3 基于DMOIA的动态优化控制 |
| 6.4 实验结果与分析 |
| 6.4.1 仿真实验设计 |
| 6.4.2 仿真实验结果 |
| 6.4.3 实验结果讨论 |
| 6.5 本章小结 |
| 第7章 污水处理过程智能检测与优化控制系统 |
| 7.1 引言 |
| 7.2 污水处理数据分析 |
| 7.3 污水处理过程智能检测与优化控制 |
| 7.3.1 知识决策层 |
| 7.3.2 智能检测与优化控制系统结构 |
| 7.4 实验结果与分析 |
| 7.4.1 仿真实验设计 |
| 7.4.2 仿真实验结果 |
| 7.4.3 实验结果讨论 |
| 7.5 本章小结 |
| 结论及展望 |
| 参考文献 |
| 攻读博士学位期间所发表的学术论文 |
| 攻读博士学位期间参与的科研项目 |
| 致谢 |
（2）改进的实数编码加速遗传算法在暴雨强度公式参数优化中的应用（论文提纲范文）
| 1 暴雨强度公式及编制方法 |
| 1.1 公式形式 |
| 1.2 编制方法 |
| 2 优化模型 |
| 2.1 目标函数 |
| 2.2 基本参数 |
| 3 模型求解 |
| 3.1 优化算法 |
| 3.2 适应度函数 |
| 4 实例研究 |
| 5 结 论 |
（3）基于网格差分和协同进化的多目标优化算法研究及应用（论文提纲范文）
| 学位论文数据集 |
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状及进展 |
| 1.2.1 多目标优化算法的发展研究 |
| 1.2.2 传统多目标优化算法 |
| 1.2.3 其它多目标优化算法 |
| 1.3 目前需解决的问题 |
| 1.4 本文的组织结构 |
| 第二章 多目标优化算法背景介绍 |
| 2.1 进化算法概念与分类 |
| 2.1.1 进化算法基本框架及分类 |
| 2.1.2 进化算法的特点 |
| 2.2 多目标优化算法基本概述 |
| 2.2.1 基本多目标优化算法 |
| 2.2.2 多目标遗传算法 |
| 2.2.3 典型多目标优化算法 |
| 2.3 本章小结 |
| 第三章 基于网格差分双向局部搜索的多目标优化算法 |
| 3.1 引言 |
| 3.2 GrBLS优化算法的概述 |
| 3.2.1 基于匹配选择的策略 |
| 3.2.2 基于网格选择的双向局部搜索策略 |
| 3.2.3 改进的环境选择策略 |
| 3.3 数值仿真实验设计及结果分析 |
| 3.3.1 评价指标和标准测试函数 |
| 3.3.2 仿真实验 |
| 3.4 本章小结 |
| 第四章 基于协同进化GrBLS算法在PID控制器中的设计方法 |
| 4.1 引言 |
| 4.2 基于协同进化的多目标优化算法 |
| 4.2.1 协同进化算法的发展 |
| 4.2.2 协同进化算法模型 |
| 4.2.3 改进的GrBLS算法概述 |
| 4.3 基于改进的GrBLS算法在PID控制器参数整定中的应用 |
| 4.3.1 几种参数整定方法 |
| 4.3.2 基于改进的GrBLS算法的PID设计 |
| 4.3.3 实验仿真 |
| 4.4 本章小结 |
| 第五章 总结及展望 |
| 参考文献 |
| 致谢 |
| 研究成果及发表的学术论文 |
| 作者及导师简介 |
| 附件 |
（4）陕西省淳化县暴雨强度公式推求研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 暴雨强度公式国内外的研究与发展 |
| 1.2.1 国内外暴雨强度公式研究现状 |
| 1.2.2 国内暴雨强度公式计算要点 |
| 1.3 研究内容和技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 第二章 暴雨强度公式理论基础及样本选择 |
| 2.1 降雨相关理论 |
| 2.1.1 降雨基本概念 |
| 2.1.2 暴雨强度及相关概念 |
| 2.2 暴雨样本的选取 |
| 2.2.1 选样方法 |
| 2.2.2 选样方法选定 |
| 2.2.3 基础资料验证 |
| 2.3 本章小结 |
| 第三章 暴雨资料的频率分布曲线 |
| 3.1 理论频率分布曲线 |
| 3.1.1 耿贝尔(E.J.Gumbell)理论分布线型 |
| 3.1.2 指数理论分布线型 |
| 3.1.3 皮尔逊Ⅲ型理论分布线型 |
| 3.2 理论分布曲线的参数 |
| 3.2.1 耿贝尔(E.J.Gumbell)理论分布线型参数计算 |
| 3.2.2 指数型理论分布线型参数计算 |
| 3.2.3 皮尔逊(K.Pearson)Ⅲ型理论分布线型参数计算 |
| 3.3 本章小结 |
| 第四章 暴雨强度公式计算型的选择及优化求参 |
| 4.1 暴雨强度公式计算型的选择 |
| 4.1.1 暴雨强度公式基本概念 |
| 4.1.2 暴雨强度公式选型步骤 |
| 4.2 暴雨强度公式参数的优化求解 |
| 4.2.1 高斯-牛顿法 |
| 4.2.2 麦夸尔特法(Levenberg-Marquardt) |
| 4.2.3 最小二乘法 |
| 4.3 本章小结 |
| 第五章 淳化县暴雨强度公式的计算与选定 |
| 5.1 淳化县及气象站概况 |
| 5.1.1 淳化县概况 |
| 5.1.2 气象站概况 |
| 5.2 淳化县降雨资料收集梳理 |
| 5.2.1 降雨资料收集 |
| 5.2.2 暴雨资料样本梳理 |
| 5.3 淳化县频率调整结果及分析 |
| 5.3.1 频率调整结果表 |
| 5.3.2 分布曲线的拟合总图及不同降雨历时的误差对比图 |
| 5.3.3 结果分析 |
| 5.4 淳化县暴雨强度公式计算 |
| 5.4.1 暴雨强度计算公式选型 |
| 5.4.2 暴雨强度公式参数求解 |
| 5.4.3 参数求解结果分析 |
| 5.5 淳化县暴雨强度公式的确定与分析 |
| 5.5.1 暴雨强度公式确定 |
| 5.5.2 暴雨强度公式分析 |
| 5.6 本章小结 |
| 结论与建议 |
| 结论 |
| 建议 |
| 参考文献 |
| 攻读硕士学位期间参与的课题和发表的论文 |
| 致谢 |
（5）群居蜘蛛优化算法在暴雨强度公式参数估计中的运用（论文提纲范文）
| 1 SSO算法简介 |
| 2 暴雨强度公式推求原理 |
| 2.1 基础数据整理 |
| 2.2 暴雨资料的频率分析 |
| 2.3 暴雨强度公式参数估计 |
| 2.3.1 目标函数的建立 |
| 2.3.2 SSO算法求解暴雨强度公式的步骤 |
| 2.3.3 暴雨强度公式精度检验 |
| 3 计算结果分析 |
| 4 结论 |
（6）暴雨强度公式对比分析及参数优化求解（论文提纲范文）
| 1 研究背景 |
| 2 暴雨强度计算方法对比分析 |
| 2.1 暴雨资料选样方法 |
| 2.2 暴雨频率分布线型 |
| 2.3 暴雨强度公式计算 |
| 3 暴雨强度公式参数优化求解 |
| 3.1 目标函数 |
| 3.2 约束条件 |
| 3.3 优化算法 |
| 4 实例分析 |
| 4.1 暴雨样本系列选样 |
| 4.2 暴雨频率分布参数估计 |
| 4.3 暴雨强度公式参数求解 |
| 4.3.1 水利行业暴雨强度公式计算结果 |
| 4.3.2 市政行业暴雨强度公式计算结果 |
| 4.4 结果对比分析 |
| 5 结论 |
（7）改进光学优化算法及其应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.3 研究内容 |
| 第二章 标准光学优化算法 |
| 2.1 光学优化原理 |
| 2.2 OIO优化算法 |
| 2.2.1 基本模型 |
| 2.2.2 解的更新方式 |
| 2.2.3 OIO算法中解的优化及适应度选择 |
| 2.2.4 OIO算法中横向像差的修复 |
| 2.2.5 OIO算法流程 |
| 2.3 OIO算法与其他算法的比较 |
| 2.4 本章小结 |
| 第三章 自适应光学优化算法及其在函数优化中的应用 |
| 3.1 OIO算法的物理学基础 |
| 3.2 光学优化算法原理 |
| 3.2.1 基本思想 |
| 3.2.2 模型建立 |
| 3.2.3 解的更新方式 |
| 3.2.4 COIO算法中解的优化及适应度选择 |
| 3.2.5 COIO算法中横向像差的修复 |
| 3.3 SAOIO算法 |
| 3.3.1 适应度的改进 |
| 3.3.2 SACOIO算法流程 |
| 3.4 仿真实验 |
| 3.5 本章小结 |
| 第四章 量子光学优化算法及其应用研究 |
| 4.1 量子光学算法背景 |
| 4.2 量子光学算法模型建立 |
| 4.2.1 从OIO到QOIO |
| 4.2.2 QOIO算法 |
| 4.3 仿真实验 |
| 4.4 本章小结 |
| 第五章 暴雨强度公式参数的自适应光学优化 |
| 5.1 暴雨强度公式参数问题的背景 |
| 5.2 暴雨强度公式参数优化 |
| 5.2.1 SACOIO算法优化 |
| 5.2.2 模型建立 |
| 5.2.3 算法的流程 |
| 5.3 模型的求解 |
| 5.4 结论 |
| 第六章 智能电网实时电价的光学优化 |
| 6.1 社会总福利最大 |
| 6.1.1 发电商 |
| 6.1.2 电网公司 |
| 6.1.3 电力用户 |
| 6.2 实时电价求解问题 |
| 6.3 自适应光学优化求解 |
| 6.3.1 自适应光学优化模型 |
| 6.3.2 算法的流程 |
| 6.4 模型的求解 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 7.1 全文总结 |
| 7.2 展望 |
| 参考文献 |
| 在读期间公开发表的论文和承担科研项目及取得成果 |
| 致谢 |
（8）基于MATLAB的佳县暴雨强度公式推求研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 暴雨强度公式研究的背景 |
| 1.2 暴雨强度公式研究的目的与意义 |
| 1.3 暴雨强度公式国内外研究现状 |
| 1.4 暴雨强度公式的主要研究内容 |
| 1.5 暴雨强度公式推求的技术路线 |
| 第二章 暴雨强度公式推求的理论基础及样本选取 |
| 2.1 暴雨强度公式推求的理论基础 |
| 2.1.1 降水的基本概念 |
| 2.1.2 降水的几个要素 |
| 2.1.3 降水的观测方法 |
| 2.2 暴雨强度公式的样本选取 |
| 2.2.1 样本的概念 |
| 2.2.2 暴雨强度公式的选样方法及比较 |
| 2.2.3 不同选样方法的频率及重现期计算 |
| 2.2.4 暴雨资料的检验 |
| 2.3 佳县暴雨资料样本分析 |
| 2.3.1 佳县概况 |
| 2.3.2 佳县暴雨资料概述 |
| 2.3.3 佳县暴雨资料选样 |
| 第三章 暴雨强度公式频率曲线拟合 |
| 3.1 随机变量的统计参数 |
| 3.1.1 均值 |
| 3.1.2 均方差和变差系数 |
| 3.1.3 偏态系数 |
| 3.1.4 矩 |
| 3.2 经验频率曲线 |
| 3.3 理论频率曲线 |
| 3.3.1 皮尔逊Ⅲ型曲线 |
| 3.3.2 指数分布曲线 |
| 3.3.3 耿贝尔分布曲线 |
| 第四章 暴雨强度公式的推求 |
| 4.1 麦夸尔特（Marqurlt）算法 |
| 4.1.1 麦夸尔特算法的理论推导 |
| 4.1.2 麦夸尔特算法的电算步骤 |
| 4.1.3 麦夸尔特算法流程图 |
| 4.2 遗传算法 |
| 4.2.1 遗传算法理论 |
| 4.2.2 遗传算法流程图 |
| 第五章 暴雨强度公式软件设计与开发 |
| 5.1 MATLAB介绍 |
| 5.1.1 MATLAB语言的产生和发展 |
| 5.1.2 MATLB的优势与特点 |
| 5.1.3 MATLAB图形用户界面工具箱GUIDE |
| 5.2 GUI界面设计原则 |
| 5.3 开发环境与平台 |
| 5.4 软件系统需求分析 |
| 5.5 数据处理流程图 |
| 5.6 软件系统功能结构图 |
| 5.7 软件各模块介绍 |
| 5.7.1 软件欢迎界面 |
| 5.7.2 系统主界面 |
| 5.7.3 数据导入和保存 |
| 5.7.4 频率曲线拟合模块 |
| 5.7.5 T-t-i关系表显示模块 |
| 5.7.6 暴雨强度公式推求模块 |
| 第六章 佳县暴雨强度公式推求研究 |
| 6.1 佳县暴雨强度频率曲线拟合及误差分析 |
| 6.2 佳县暴雨强度公式的误差分析及特大值的处理 |
| 6.3 特大值处理后的佳县暴雨强度频率曲线拟合 |
| 6.3.1 特大值处理后的佳县暴雨强度频率模型选取 |
| 6.3.2 佳县暴雨强度公式T-t-i关系表的生成 |
| 6.4 佳县暴雨强度公式推求 |
| 6.4.1 遗传算法推求暴雨强度公式 |
| 6.4.2 麦夸尔特法推导暴雨强度公式 |
| 第七章 结论与展望 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
（9）陕西省短历时暴雨频率分布及暴雨公式研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究目的与意义 |
| 1.2 国内外研究进展 |
| 1.2.1 暴雨选样方法相关研究 |
| 1.2.2 暴雨频率分布相关研究 |
| 1.2.3 暴雨公式相关研究 |
| 1.3 研究内容 |
| 1.4 技术路线 |
| 第二章 暴雨资料选样与经验频率计算 |
| 2.1 暴雨资料的收集整理 |
| 2.1.1 资料来源 |
| 2.1.2 暴雨资料的插补 |
| 2.2 暴雨资料选样 |
| 2.3 经验频率计算 |
| 第三章 分布线型选择 |
| 3.1 P-Ⅲ分布 |
| 3.2 指数分布 |
| 3.3 Gumbel分布 |
| 3.4 正态分布 |
| 3.5 两参数对数正态分布 |
| 第四章 频率分布参数估计 |
| 4.1 矩法 |
| 4.2 极大似然法 |
| 4.3 概率权重矩法 |
| 4.4 线性矩法 |
| 第五章 短历时暴雨频率分布线型研究 |
| 5.1 优选准则 |
| 5.2 基于确定性系数的频率分布线型优选 |
| 5.2.1 基于矩法估计的最优分布线型 |
| 5.2.2 基于极大似然法估计的最优分布线型 |
| 5.2.3 基于概率权重矩法估计的最优分布线型 |
| 5.2.4 基于线性矩法估计的最优分布线型 |
| 5.3 基于拟优平方和准则法的频率分布线型优选 |
| 5.4 拟合精度分析 |
| 第六章 暴雨公式研究 |
| 6.1 暴雨强度-历时-重现期（i-t-T）关系表的确定 |
| 6.2 暴雨公式型式选择 |
| 6.3 暴雨公式参数推求方法 |
| 6.3.1 麦夸尔特法的基本原理 |
| 6.3.2 麦夸尔特法的求解步骤 |
| 6.4 计算成果及分析 |
| 6.4.1 综合暴雨公式 |
| 6.4.2 单一重现期暴雨公式 |
| 第七章 结论与展望 |
| 7.1 结论 |
| 7.2 不足与展望 |
| 参考文献 |
| 附录 |
| 致谢 |
| 作者简介 |
四、免疫进化算法及其在暴雨强度公式参数优化中的应用（论文参考文献）
- [1]污水处理过程智能检测与优化控制的研究[D]. 李霏. 北京工业大学, 2020
- [2]改进的实数编码加速遗传算法在暴雨强度公式参数优化中的应用[J]. 张小潭,吴绍飞,顾雯叶. 水利水电技术, 2020(02)
- [3]基于网格差分和协同进化的多目标优化算法研究及应用[D]. 黎云涛. 北京化工大学, 2019(06)
- [4]陕西省淳化县暴雨强度公式推求研究[D]. 马智群. 长安大学, 2019(01)
- [5]群居蜘蛛优化算法在暴雨强度公式参数估计中的运用[J]. 苍隋鑫,雷冠军,梁云,王铁. 人民珠江, 2019(01)
- [6]暴雨强度公式对比分析及参数优化求解[J]. 李增永,史雯雨. 长江科学院院报, 2018(10)
- [7]改进光学优化算法及其应用研究[D]. 王金叶. 上海理工大学, 2018(06)
- [8]基于MATLAB的佳县暴雨强度公式推求研究[D]. 张欣. 长安大学, 2016(02)
- [9]陕西省短历时暴雨频率分布及暴雨公式研究[D]. 公维龙. 西北农林科技大学, 2016(11)
- [10]基于模式搜索算法的暴雨强度公式参数识别[J]. 王玉强,张宽地,吴宏平. 水利水电技术, 2012(06)