期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
随机漂移粒子群算法的RZWQM替代模型参数优化 被引量:7
1
作者 奚茂龙 卢丹 +1 位作者 齐志明 孙俊 《计算机工程与应用》 CSCD 北大核心 2016年第23期35-41,129,共8页
根区水质量模型(Root Zone Water Quality Model,RZWQM)被广泛应用于刻画土壤水文循环过程对作物生长的影响,并通过模型率定模拟指导农业生产管理。然而RZWQM模型的一次率定需要较长时间,在可接受时间范围内找到一组合适的模型参数是一... 根区水质量模型(Root Zone Water Quality Model,RZWQM)被广泛应用于刻画土壤水文循环过程对作物生长的影响,并通过模型率定模拟指导农业生产管理。然而RZWQM模型的一次率定需要较长时间,在可接受时间范围内找到一组合适的模型参数是一件较困难的工作;同时传统的模型参数试错法依赖于使用者的专业知识和经验,也需要多次尝试才能达到较满意的模拟效果。提出使用稀疏网格方法建立RZWQM模型的近似替代模型,并使用随机漂移粒子群优化算法对替代模型进行自动参数优化,将优化后的参数用于RZWQM模型的实际应用模拟。替代模型近似精度高,率定速度快,大大节省了模型参数优化的计算开销。最后将提出的稀疏网格近似替代模型方法结合随机漂移粒子群优化算法使用美国爱荷华州5年玉米-大豆间中的作物产量、排水流量、NO-3-N流失量田间实测数据进行了验证分析。结果显示该方法能够极大地提高模型参数优化效率和节省人力;同时,通过模型性能评价指标PBIAS、NSE和RSR的数值比较也表明该方法优化后的RZWQM模型性能要好于传统试错法的模型性能。 展开更多
关键词 随机漂移粒子群算法 稀疏网格 根区水质量模型(RZWQM) 替代模型
在线阅读 下载PDF
基于随机漂移粒子群算法的WSNs节点定位 被引量:1
2
作者 赵吉 纪志成 《传感器与微系统》 CSCD 北大核心 2014年第10期141-143,147,共4页
提出了随机漂移粒子群优化(RDPSO)算法,并将该算法应用于接收信号强度指示(RSSI)定位算法中,以降低由RSSI测距产生的定位误差。在仿真实验中,分别比较了基于RDPSO和PSO的RSSI定位算法。实验结果表明:RDPSO算法是在优化性能上优于PSO算法... 提出了随机漂移粒子群优化(RDPSO)算法,并将该算法应用于接收信号强度指示(RSSI)定位算法中,以降低由RSSI测距产生的定位误差。在仿真实验中,分别比较了基于RDPSO和PSO的RSSI定位算法。实验结果表明:RDPSO算法是在优化性能上优于PSO算法,有效提高了节点定位精度,证明该方法收敛速度快,稳定性能好,精度高,适用于WSNs节点定位问题。 展开更多
关键词 随机漂移粒子优化算法 定位 无线传感器网络 接收信号强度指示
在线阅读 下载PDF
基于随机漂移粒子群优化算法的三维脑部磁共振图像分割
3
作者 施佳佳 孙俊 +1 位作者 范方云 王梦梅 《江南大学学报(自然科学版)》 CAS 2015年第4期403-407,共5页
设计并验证了一种应用于马尔科夫随机场的脑部磁共振图像的分类模型。该模型是基于随机漂移粒子群优化算法。它相对于标准粒子群算法在收敛速度和优化性能方面都有显著提升。针对模拟和临床脑部磁共振图像的实验结果表明,该模型与模拟... 设计并验证了一种应用于马尔科夫随机场的脑部磁共振图像的分类模型。该模型是基于随机漂移粒子群优化算法。它相对于标准粒子群算法在收敛速度和优化性能方面都有显著提升。针对模拟和临床脑部磁共振图像的实验结果表明,该模型与模拟退火、标准粒子群算法相比,具有更好的收敛性能和分割精度,是一种有效的图像分类模型。 展开更多
关键词 马尔科夫随机 磁共振图像分割 随机漂移粒子优化算法 分类
在线阅读 下载PDF
基于随机漂移粒子群优化的随机森林预测模型及水文应用实例 被引量:18
4
作者 崔东文 郭荣 《三峡大学学报(自然科学版)》 CAS 北大核心 2019年第2期6-10,共5页
提出一种基于随机漂移粒子群(RDPSO)算法优化的随机森林(RF)预测方法,利用RDPSO算法优化RF决策树数量和分裂属性个数两个关键参数,构建RDPSO-RF预测模型,并与基于RDPSO算法优化的支持向量机(SVM)、BP神经网络预测模型作对比,以某水文站... 提出一种基于随机漂移粒子群(RDPSO)算法优化的随机森林(RF)预测方法,利用RDPSO算法优化RF决策树数量和分裂属性个数两个关键参数,构建RDPSO-RF预测模型,并与基于RDPSO算法优化的支持向量机(SVM)、BP神经网络预测模型作对比,以某水文站枯水期1~3月月径流预测为例,利用实例前43年和后10年资料对3种模型进行训练和预测.结果表明,RDPSO-RF模型对实例1~3月月径流训练、预测的平均相对误差绝对值分别为4.28%、3.88%、5.67%和3.74%、4.57%、4.88%,训练、预测精度均优于RDPSO-SVM、RDPSO-BP模型,具较好的预测精度和泛化能力,可为相关预测研究提供参考和借鉴. 展开更多
关键词 径流预测 随机漂移粒子群算法 随机森林 参数优化
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部