河北省自然科学基金(E2008000353)
- 作品数：6 被引量：55H指数：4
- 相关作者：郄志红吴鑫淼张志宇侯晓宇韩李明更多>>
- 相关机构：河北农业大学保定市水利局更多>>
- 发文基金：河北省自然科学基金国家自然科学基金国家科技支撑计划更多>>
- 相关领域：农业科学水利工程建筑科学更多>>
- 基于多年降雨资料的作物灌溉制度多目标优化被引量：12
- 2013年
- 在非充分灌溉制度条件下,基于农田水量平衡模拟模型和作物产量计算模型并考虑随机降雨的影响,以灌溉日期和灌溉水量为决策变量,将多年作物相对产量均值最大、多年作物相对产量方差最小以及作物全生育期的总灌溉水量最小作为优化目标,建立了能够同时对灌溉日期和灌溉水量进行优化的多目标优化模型。以玉米的非充分灌溉制度优化为例用上述模型及算法进行了计算分析,并与典型年法得到的优化结果进行了对比,结果表明:基于多年降雨资料的优化灌溉制度具有较强的适应性和鲁棒性,可以避免由于灌溉日期安排不合理而导致的减产或绝收问题。
- 吴鑫淼王晶郄志红
- 关键词：玉米灌溉制度典型年法
- 基于改进NSGA-Ⅱ的作物灌水量与灌溉日期同步优化被引量：18
- 2011年
- 在非充分灌溉条件下,基于农田水量平衡模拟模型和作物产量计算模型,以灌水日期和灌溉水量为决策变量,将作物相对产量最大和作物全生育期的总灌溉水量最小作为优化目标,建立了能够同时对灌水日期和灌溉水量进行优化的多目标优化模型。在模型求解方面,设计了适合于此类优化问题的染色体结构,在精英保留非劣排序遗传算法（NSGA-Ⅱ）的基础上提出了一种基于分组排序思想的改进遗传优化算法。以玉米的非充分灌溉制度优化为例进行了计算分析,结果显示总灌水量相同时该模型与文献[9]中的计算结果相比相对产量提高0.07~0.20,达到相同相对产量可节约用水7~15 cm。
- 郄志红韩李明吴鑫淼
- 关键词：玉米灌溉制度优化水分生产函数
- PSO-RBF神经网络在城市需水量预测中的应用被引量：9
- 2013年
- 为克服径向基函数(RBF)神经网络由于参数选取不当而对其收敛性能的干扰,利用粒子群优化算法(PSO)的全局搜索能力对RBF神经网络的三个参数进行寻优,建立了基于PSO-RBF神经网络算法的城市需水量预测模型。结果显示,PSO-RBF神经网络算法拟合某市1998～2007年需水量数据的平均相对误差为0.18%,预测2008～2010年需水量数据的平均相对误差为3.84%,耗时1.2s;通过RBF神经网络算法拟合的误差平均值为0.28%,预测的平均相对误差为5.62%,耗时2.1s,表明PSO-RBF神经网络算法具有更高的收敛速度与精度。
- 张志宇赵丹国侯晓宇
- 关键词：城市需水量寻优
- 冬小麦水肥生产函数的PSO-SVM模型被引量：4
- 2013年
- 作物的水肥生产函数研究是非充分灌溉理论的重要内容,也是通过灌溉制度优化提高农田水、肥利用效率的基础。本文建立了施肥-灌水-产量的支持向量机(SVM)预测模型,并通过粒子群优化算法(PSO)对支持向量机(SVM)的参数进行优化选择,得出最优的水-肥-产量支持向量机(SVM)预测模型,基于潇河试验站的灌水试验数据,分别建立了水肥生产函数的BP神经网络模型和PSO-SVM模型,并结合文献[12]中的作物生长模型进行了对比分析,结果表明PSO-SVM模型精度优于其他模型。
- 王龙强郄志红吴鑫淼
- 关键词：冬小麦PSO-SVM水肥生产函数
- 冬小麦-夏玉米轮作体系灌溉制度多目标优化模型被引量：21
- 2013年
- 该文针对望都灌溉试验站全年作物种植模式,分别建立冬小麦及夏玉米水分生产函数模型,运用粒子群优化算法(PSO)求解模型中的敏感指数,并以该模型为基础建立冬小麦-夏玉米全周期灌溉制度多目标优化模型,利用改进分组非支配排序遗传算法(GNSGA-Ⅱ)对模型进行求解,得出全年不同可用灌溉水量情况下的灌水日期与灌水量。结果显示,随着可用总灌水量的增加,冬小麦和夏玉米的灌水量与产量均随之增加,但由于受到两种作物不同敏感指数的影响使得二者增加的趋势有所不同。当全年总灌水量为472mm时两种作物均接近充分灌溉,若继续增加灌溉水量,则灌水的边际效益逐渐减小。依据优化结果可在全年合理分配利用有限的水资源以获得较高的作物总产值。
- 张志宇郄志红吴鑫淼
- 关键词：冬小麦-夏玉米轮作灌溉制度优化水分生产函数多目标优化
- PSO及SM-PSO算法在Jensen模型参数求解中的应用被引量：2
- 2013年
- 针对传统的求解Jensen模型敏感指数的回归分析法(LR)存在的有偏估计和拟合精度不高等问题,利用粒子群算法(PSO)和单纯形法—粒子群算法(SM-PSO)分别对模型的敏感指数进行求解并与传统方法进行对比。结果表明,回归分析法、PSO算法和SM-PSO算法所得模型计算的相对产量与实际相对产量的平均相对误差分别为3.1%、1.8%和1.4%,说明PSO算法和SM-PSO算法均优于传统算法,尤其是SM-PSO算法收敛速度更快、拟合精度更高,是一种有效的求解Jensen模型敏感指数的方法。
- 张志宇郄志红侯晓宇
- 关键词：JENSEN模型PSO算法
