异构与多策略集成群智能算法及在集合径流预测上的应用

It is hard to simulate and predict hydrological phenomena, which is affected by many factors with extremely complex change, so the traditional computational intelligence technology is facing challenges. Taking Poyang Lake River Basin as the research object, we study heterogeneous and multi-strategy intelligent algorithms and design a fast and efficient runoff prediction algorithm.in the background of intelligent algorithm. Our researches are three-fold. First, we build the model of heterogeneous and multi-strategy integrated swarm intelligence algorithm, establish the mode of population information sharing and transmission, present the the criteria for judging the diversity of the population based on the population entropy, and improve the efficiency of algorithm. Second, the adaptive selection mechanism is constructed, and the swarm intelligence algorithm based on reinforcement learning theory is proposed to improve the adaptability of the algorithm. Third, we build a unified model of runoff prediction based on set theory, and optimize the parameters of each model by swarm intelligence algorithm to improve the accuracy and timeliness of runoff prediction. We focus on overcoming the problem of weak universality, high sensitivity to parameter, and low evolutionary efficiency. Then we break through the key bottlenecks of runoff prediction under the complex climate, and try to refine some new ideas and new methods of hydrological event prediction to enhance the service capabilities of hydrological information.

径流预测受众多因素影响，变化极其复杂，对其进行模拟和预测存在多种不确定性，传统的计算智能技术面临挑战。项目以群智能算法为背景，以鄱阳湖流域为对象，研究异构与多策略集成群智能算法，将其应用于集合径流预测，设计出快速、高效的径流预测算法。涉及的研究内容包括：(1)异构与多策略集成群智能算法统一模型构建，多策略集的构造，种群信息共享与传递模式建立，提出基于种群熵的种群多样性判别标准，提高算法的效率；(2)利用强化学习理论，构建算法策略的自适应选择机制，提出基于强化学习理论的群智能算法，提高算法的适应性；(3)借助集合理论，构建基于集合原理的径流预测统一模型，采用群智能算法优化模型参数，提高径流预测的准确性和时效性。重点克服群智能算法存在的普适性不强、参数敏感性高、进化效率低的问题，突破复杂气候变换条件下径流预测新常态的关键性瓶颈，试图凝练出一些水文事件预测的新思路、新方法，提升水文信息服务能力。

径流预测受众多因素影响，变化极其复杂，对其进行模拟和预测存在多种不确定性，传统的计算智能技术面临挑战。项目以群智能算法为背景，以鄱阳湖流域为对象，研究异构与多策略集成群智能算法，将其应用于集合径流预测，设计出快速、高效的径流预测算法。.针对上述挑战与愿景，本项目的主要研究内容包括：1）提出了基于欧氏距离计算元素级的群体位置多样性判别标准；研究了反向学习、精英学习、深度学习、高斯扰动、混合均值中心、分层吸引等多策略，将上述多策略应用于粒子群优化算法、萤火虫算法、人工蜂群算法等异构群智能算法，提出了多种异构与多策略集成驱智能算法，提高了算法的优化效果；2）设计了方波触发、正弦选择概率及可变步长等自适应机制，将上述自适应机制应用于粒子群优化算法、萤火虫算法、人工蜂群算法等异构群智能算法，提出了多种自适应异构与多策略集成群智能算法，提高了算法的适应性；3）构建了萤火虫算法与支持向量机的径流预测模型，并将多策略融合学习萤火虫算法应用于模型参数率定，获得了好的预报效果；4）将聚集度自适应反向学习粒子群算法应用于梯级水库群优化调度，取得了好的社会和经济效益。.围绕项目研究，项目组成员共发表（含在线发表）标注了本项目基金号的学术论文27篇，其中SCI期刊论文7篇，EI期刊论文12篇，EI会议论文2篇，中文核心期刊3篇，南昌工程学院学报3篇；申请发明专利5项，授权实用新型专利2项。项目研究丰富了群智能算法理论，具有重要的理论意义；将群智能算法应用于径流预测和水库群调度，具有重要的应用价值。