一、基于共轭梯度法的函数优化混合遗传算法（论文文献综述）
杨亮亮[1]（2021）在《热损耗条件下平板试样热参数测量技术研究》文中进行了进一步梳理导热系数、传热系数、边界形状等热参数在航空航天热防护、发动机散热、核电站安全等领域扮演十分重要的角色。其准确测量对安全运行及热防护设计等具有重要意义,然而受限于恶劣工作条件或空间等,往往无法通过测量直接获得。导热反问题方法为测量此类参数提供了一个有效途径。热参数测量受热损耗影响较大,因此热损耗条件下提高热参数的测量精度的测量技术研究,具有十分重要的科学价值和实用意义。换热或传热设备中温度更容易测量,基于某刻、某段时间内测点的温度信息来识别热参数是一种间接测量技术。该技术对目标没有特殊要求,适用领域广,容易操作实现,特别适合于空间有限、结构或工况复杂设备的热参数的测量。本文采用基于温度的间接测量技术求解导热系数、传热系数和未知边界形状,旨在:研究有损耗情况下基于第二类边界条件导热系数测量模型的构建,解决传统模型基于实测数据测量时结果误差大的问题;研究有热损耗下基于第三类边界条件下传热系数测量模型构建,解决利用传统模型求解的结果构建温度场时温差偏大的问题;研究边界形状反演测量的一种新算法,解决当前传统算法反演结果易受初值和测量点数量影响的问题。研制导热系数、传热系数反演装置,解决目前缺少实测验证研究的问题。基于以上目的,本文开展导热系数、传热系数、边界形状的测量技术的研究工作,本文的主要研究内容如下:针对传统模型基于实测温度测量导热系数存在误差大的问题,构建了一种热损耗下基于第二类边界条件的导热系数测量模型-虚拟薄板。概述了传统模型存在缺少热损耗项的估计导致误差较大的问题。在考虑热损耗的情况下,通过推导研究了模型的热损耗和温度场之间的关系,提出了有损耗下导热系数测量模型的实现方法。仿真结果表明,相比传统模型,虚拟薄板的反演结果不受热损耗的影响,提高了测量的精度。针对面向工程化应用中利用传统模型测量求解的传热系数构建温度场存在温度偏差大的问题,构建了一种有热损耗情况下基于第三类边界条件的传热系数测量模型-局部模型。根据工程问题中热损耗存在的位置,推导了其对测量模型的影响,构建了热损耗与测点温度之间的关系,实现了包含热损耗时的测量求解。有损耗下的仿真结果表明,局部模型克服了传统模型易受热损耗的影响问题,将测量值的相对误差从-7.12%降低到0.5%以内。针对传统最优化算法等在边界形状求解中精度易受测点数量等的影响,提出了一种基于第三类边界条件的边界形状反演新算法。研究了测点温度和待求边界位置之间的内在规律,建立了测点温度和边界位置之间算法求解模型,该算法避免了目标函数梯度解算步骤,为边界形状求解提供了一种新思路。仿真结果表明,相比主流的共轭梯度法,在测量点数较少时新算法将反演结果的平均相对误差从20.1%降低到了1.6%,提高了测点较少时的反演测量的精度。针对导热系数测量研究缺少工程化实测验证的问题,研制了基于第二类边界条件的导热系数测量实验装置。根据实际求解的需求,设计了实验装置的温控系统、机械系统和应用程序。实测结果表明,相比传统反演模型,新模型将测量值的相对误差从-14.76%降低到-4.67%。针对传热系数反演测量研究缺少工程化实测验证的问题,研制了基于第三类边界条件的非稳态传热系数实验装置。设计了加热系统,保温防护装置,机械系统和应用程序。实测结果表明,相比传统模型,局部模型将利用测量值获得的温度场与实际温度的偏差从-0.30℃降低至±0.02℃。
高秀秀[2]（2021）在《基于深度信念网络的闭环供应链网络优化》文中研究表明随着全球可持续发展战略的推进和资源环境问题的日益突出,国家开始倡导绿色、节能、可持续的发展模式,越来越多的企业开始重视废旧产品的回收利用,使得以低能耗、低碳排为标志的“低碳经济”正在成为企业经济发展的共同选择。闭环供应链网络涵盖了产品制造、销售和回收的全过程,是实现资源再利用和减少环境污染的有效途径。然而,闭环供应链网络作为一个多领域、多对象参与的动态网络系统,易受到多种不确定因素的干扰,这些不确定因素往往由供应链网络内外部因素的共同作用下产生的,直接表现出来的是网络参数的不确定,如市场需求、生产价格、运成本、回收数量、提前期等,上述不确定参数的存在必然导致企业决策风险增加。因此,设计一种具有风险抵御能力的供应链网络,使其在多种不确定因素的干扰下依旧保持较强的鲁棒性,对提高企业的运作效率具有重要的作用。本文的主要研究工作如下:（1）建立一个基于第三方负责产品回收的闭环供应链网络,考虑网络参数（市场需求量、生产价格、产品回收率）的不确定性,兼顾网络的经济效益、环境效益和社会效益,构建以实现网络成本、网络碳排放和顾客满意度损失最小为目标的混合整数规划模型,在此基础上引入多面体不确定集对不确定参数进行描述,进一步构建基于不确定集的可调多目标鲁棒优化模型。（2）针对非线性、易波动的市场需求,构建了一种深度信度网络（Deep Belief Network,DBN）与共轭梯度法相结合的市场需求预测模型,利用共轭梯度法对DBN的权重和阈值进行调优,以提高模型预测的速度和精确度。为验证算法的优越性,以某家电企业的历史销售数据作为预测对象,引入标准DBN和BP神经网络作为对比方法,采用评价指标对以上预测模型的预测性能进行评估。（3）提出一种基于动态步长和动态发现概率的自适应布谷鸟搜索（Adaptive Cuckoo Search,ACS）算法,以提高模型的求解效率。结合案例企业的运营数据,分别采用自适应布谷鸟搜索算法和非支配排序遗传算法（Non-dominated Sorting Genetic Algorithm,NSGA-II）求解模型,以验证改进型布谷鸟搜索算法的优越性。（4）利用本文所提的自适应布谷鸟搜索算法求解多目标鲁棒优化模型,获取最坏情况下不同扰动系数对应的最优网络规划方案,通过敏感性分析,研究不同鲁棒控制系数对目标函数和约束违反率的影响,验证鲁棒优化模型对不确定扰动的抑制效果,通过分析单因素扰动下网络成本的变化,确定多种不确定因素中对网络成本影响最大的不确定参数,为决策者提供决策依据。
钟昌廷[3]（2020）在《基于智能优化算法的工程结构可靠度研究》文中认为在结构的设计和风险分析中,需要考虑与尺寸、荷载、材料性能等有关的各种不确定性的影响,可靠性分析是考虑这些不确定性的一种非常有效的技术,其主要任务是获得结构的失效概率。在可靠性分析的各种数值方法中,一阶可靠度法（FORM）是结构可靠性界非常流行的方法。然而,在求解具有高度非线性极限状态函数的高维问题时,一阶可靠度法通常会遇到不收敛或发散的情况。这一困难限制了一阶可靠度法在工程和复杂问题中的进一步应用。针对高非线性和高维可靠性分析问题,提出了四种基于不同群智能优化算法来改善一阶可靠度法的性能,并在复杂工程结构中进行了应用。本文主要工作如下:（1）提出了一种结合樽海鞘群算法（SSA）和一阶可靠度法的可靠性分析混合方法。SSA算法受深海樽海鞘群体食物搜索行为的启发,能够在优化问题中找到全局解。在所提出的SSA-FORM方法中,利用外部惩罚函数法来处理约束条件,以方便元启发式优化策略。然后,利用具有较强全局寻优能力的SSA算法寻找全局最优可靠指标。使用了8个算例对SSA-FORM方法进行了验证,并比较了多种基于梯度和基于启发式的改进一阶可靠度法。结果表明,所提出的SSA-FORM在非线性问题上有良好的性能。（2）提出了一种结合栗翅鹰优化（HHO）的改进一阶可靠度法用于高维问题的可靠度分析。HHO是一种模仿栗翅鹰捕食行为的元启发式算法,能有效地求解高维问题的全局最优解。为了实现所提出的HHO-FORM算法,首先根据形式理论将可靠性指标表示为约束优化问题的解。然后,利用外部罚函数法对约束条件进行处理。此外,最优可靠性指标由栗翅鹰优化算法确定,该优化通过基于种群的机制和莱维飞行策略加速收敛。HHO-FORM不需要极限状态函数的导数,从而减少了高维问题的计算负担。因此,HHO-FORM的简单性大大提高了求解高维可靠性问题的效率。将HHO-FORM应用于多个高维数值问题,并将其应用于一个高维框架结构可靠度分析。并将几种FORM算法与HHO-FORM进行了比较。实验结果表明,HHO-FORM算法在所测试的高维问题上有着良好的性能。（3）提出了一种基于教学优化的改进一阶可靠度法（TLBO-FORM）。TLBO的灵感源于课堂内教师学生的学习行为,以提高学习成绩作为优化目标。TLBO-FORM算法利用一阶可靠度理论将可靠性指标表示为一个约束优化问题的解。然后,采用外部罚函数法对优化问题进行约束处理。之后,采用TLBO的教师和学习两阶段策略,通过迭代过程寻找全局最优可靠指标。另外,还发展了多个版本的混沌TLBO-FORM方法。通过19个可靠度算例对所提算法进行测试,验证了所提方法的准确性和有效性,充分说明了TLBO-FORM能够在不同类型和各维度问题上的适用性。另外,通过参数讨论,说明了TLBO-FORM比HHO-FORM有着更好适应性的原因。（4）提出了采用平衡优化算法（EO）来改进一阶可靠度法进行结构可靠度分析。EO的灵感来源于用于评估动态和平衡状态的控制体积-质量平衡模型。为了实现EO-FORM算法,将可靠性指标表示为一个约束优化问题的解,而约束则由外部罚函数法处理,然后利用EO算法搜索全局可靠性指标。通过多个数值和工程算例对所提出的EO-FORM进行了验证,结果表明EO-FORM在各类问题中具有良好的精度和效率。最后给出了四种改进FORM方法求解不同类型可靠度问题的使用建议。（5）研究了大型复杂工程结构的可靠度分析,三个工程结构分别为布洛溪大桥、测地线空间网架穹顶结构、三维岩质边坡,并测试了第二章至第五章所提的SSA-FORM、HHO-FORM、TLBO-FORM、EO-FORM方法的性能,且分别设置了不同大小的算法参数进行性能对比。在布洛溪大桥结构可靠度分析中,TLBO-FORM在算法参数较小的时候性能最佳,EO-FORM则在算法参数较大时性能最佳。在测地线空间网架穹顶结构可靠度分析中,EO-FORM和SSA-FORM表现最好。在三维岩质边坡可靠度分析中,TLBO-FORM的性能最好,EO-FORM在算法参数较大时全局收敛性较好。结果表明,本论文所提方法可用于复杂工程结构可靠度分析中。（6）研究了新型带暗支撑组合核心筒结构的可靠度分析。首先基于编号为CW3X-1的核心筒低周往复实验结果,采用Open SEES软件对组合核心筒结构进行有限元分析。然后,考虑各种因素（荷载、混凝土与钢筋材料性能）的变异性和不确定性,计算新型核心筒结构的可靠指标,评估结构安全性能,并讨论了在不同轴压比、高宽比、连梁跨高比、墙肢钢板暗支撑含钢率、加载方式等因素对可靠指标和失效概率的影响。之后,采用本文所提智能优化FORM方法,评估了随机变量对可靠指标的参数敏感性。
张丽媛[4]（2020）在《IMRT中子野形状生成优化算法研究》文中认为放射治疗为治疗肿瘤的三大常规手段之一,超过半数的癌症患者在治疗过程中需要接受放射治疗。放射治疗利用射线照射病灶,通过射线能量破坏癌细胞染色体以达到杀死癌细胞、治疗肿瘤的目的。放射治疗在利用射线照射病灶时,会不可避免地照射到病灶周围的正常组织,从而引起辐射损伤。为了减少正常组织在放射治疗过程中所接收的剂量、降低正常组织并发症发生的概率,调强放射治疗（Intensity-modulated Radiation Therapy,IMRT）应运而生。IMRT利用多种调强技术,依据优化算法所得放射治疗计划设置子野形状和权重,使得照在人体上的射线高剂量区域与靶区区域高度重合,降低靶区周围正常组织所接收到的剂量。本研究立足于IMRT的多叶准直器静态调强技术,对子野形状生成优化算法展开了深入研究,主要工作如下:（1）针对在IMRT方案优化中,物理准则目标函数无法准确反映生物组织在非均匀剂量照射下的生物反应、有限内存的BFGS算法（Limited memory BFGS,L-BFGS）无法直接求解IMRT方案优化问题等问题,提出一种基于生物准则的IMRT方案优化方法,并应用于求解采用两步法实现IMRT静态调强过程中的注量图优化（Fluence Map Optimization,FMO）问题。所提方法首先将生物准则引入到IMRT方案优化问题的总目标函数构造中,研究生物准则的特性以及对应子目标函数的函数性质,并对比基于物理准则目标函数和基于生物准则目标函数对优化结果的影响;然后采用带边界约束的L-BFGS算法（L-BFGS for bound constrained,L-BFGS-B）求解FMO问题,对比L-BFGS算法与L-BFGS-B算法在求解FMO问题过程中的异同之处。研究表明,在优化问题的总目标函数中引入生物准则子目标函数,能够更准确地反映生物组织的放射剂量学效应,合理预测正常组织的并发症概率并予以反馈;采用L-BFGS-B算法直接求解IMRT方案优化问题,能够进一步降低求解问题的计算量。（2）针对列生成（Column Generation,CG）算法直接利用子野梯度信息生成临床可接受的治疗计划存在计算量大的问题,提出一种基于区域生长的CG算法,以降低CG算法生成子野形状的计算量。首先,对经计算所得的子野梯度图进行非线性变换,研究子射束梯度与子野形状之间的关系。其次,对处理后的子野梯度图进行区域生长,并对区域生长后的梯度图进行合并,分析所提方法降低计算量的性能。然后,利用处理后的子野梯度图构造图论方法所需的网络图,采用最短路径算法求解代价问题,获得临床可接受的子野形状,并将其添加到治疗计划中。最后,对已生成的子野的权重进行优化。研究表明,相较于一般的CG算法,所提方法能够在不改变算法结构的基础上降低生成子野的计算量,实现算法加速,并且能够提高所得治疗计划质量。（3）针对采用负梯度下降方向搜索极值、在极值附近存在收敛速度变慢的问题,提出一种基于动量梯度下降方向的子野形状生成算法,用以加速现有CG算法采用负梯度下降方向搜索子野形状的收敛进程。在子野形状生成过程中,首先,获得子野梯度图,研究相较于最速下降法,动量梯度下降法加速搜索进程、减少搜索方向振荡的原理。然后,根据子野梯度图中的梯度元素计算动量梯度,分析动量梯度不改变极值的特性。最后,构造动量梯度下降方向用以搜索临床可接受的子野形状,研究动量梯度下降方向的加速性能。研究表明,所提方法能够利用更少的子野获得比一般的CG算法的优化结果质量要好的治疗计划。（4）此外,为了克服CG算法采用负梯度下降方向生成子野形状存在收敛速度慢的缺陷,提出基于共轭梯度下降方向的CG算法。所提方法在子野形状生成过程中,利用子野梯度图中梯度构造共轭梯度下降方向,用以搜索临床可接受子野形状。实验结果表明,所提方法能够在减少治疗计划所需的子野数目的同时,降低算法优化时间,同时改善各个器官上的剂量分布。进一步地,为了加快基于单一的共轭梯度下降方向搜索子野形状的进程,提出了基于两种共轭梯度下降方向联合决策的CG算法。在代价问题求解过程中,根据子野梯度图中的梯度信息分别构造两种共轭梯度下降方向,然后随着迭代次数的增加,调节两种共轭梯度下降方向在决定子野形状搜索方向时的权重,以获得临床可接受的子野形状并加入到治疗计划中。研究表明,相较于一般的CG算法和基于单一的共轭梯度下降方向的CG算法,所提方法的目标函数的下降速度最为理想,算法速度最快,并且所得治疗计划的质量得到了提高。
刘思秀[5]（2020）在《叠前反射波速度建模方法研究》文中进行了进一步梳理地震波速度是地震数据处理中最关键的参数之一。高分辨率的速度模型可用于地震资料解释,可为偏移成像提供精度较高的速度场,也可以为油气藏识别提供有力的证据。如何获得精细的地下速度模型成为当今地球物理界研究人员思考的问题。由于高精度地震勘探的要求,叠加速度分析法、偏移速度分析法和反射层析成像法等传统速度建模方法往往不能为复杂地层中的地震勘探提供高精度的速度模型。近年兴起的全波形反演（FWI）利用了地震全波场信息,如相位和振幅,通过不断更新速度模型来重建地下速度结构,分辨率和精度都较高。然而,由于全波形反演本身存在一定的局限性,如非线性较高导致其强烈依赖于初始模型、计算效率低以及周期跳跃现象等,使其在三维实际地震数据中的应用受限。研究发现,如果给全波形反演提供一个较好的初始模型,会极大地推动全波形反演在地球物理界的发展。叠前波形反演（Pre-stack Waveform Inversion,简称PWI）与传统速度建模方法,如走时反演相比,不仅利用了反射率法和遗传算法进行正、反演以寻找全局最优解,提高了计算效率,还利用了地震全波场信息,提高了反演精度,是比较好的速度建模方法,可以为全波形反演提供良好的初始模型。本文首先研究了走时反演,即利用共轭梯度法对反射波走时数据进行走时成像反演出速度模型。由于走时层析成像的原理导致反演出的速度模型分辨率不是很高,可以将走时反演的结果作为输入,进一步研究叠前波形反演以获得更为精确的速度模型。本文经过深入研究和讨论,提出了一种基于自适应遗传算法的叠前波形反演方法,并将走时反演的结果作为叠前波形反演的初始模型。最后对模拟地震数据进行了反演测试,得到了一个精度较高的速度模型,验证了基于改进遗传算法的叠前波形反演方法为全波形反演提供良好的初始模型的可行性。
袁子恒[6]（2020）在《几种局部优化方法在全波形反演中的对比研究》文中进行了进一步梳理近年来随着勘探精度的不断提高和偏移技术的不断发展,普通反演方法的成像精度已经难以满足人们的实际需求。全波形反演（Full Waveform Inversion,简称FWI）是一种以实际数据与模拟数据差值的二范数为目标函数,通过求取目标函数的极小值来获得地下介质信息的一种反演方法,其成像结果具有高精度、高分辨率的特点,因此受到了地球物理学家的广泛关注。但目前全波形反演依旧还存在着许多没有解决的难点,例如反演的多解性问题、反演的强非线性问题以及反演过程中的超大计算量问题等。因此研究全波形反演问题依旧有着十分重要的理论意义和实际价值。本论文针对声波方程的全波形反演问题,开展了以下几个方面的研究工作:首先,论文对全波形反演的基础——地震波正演模拟进行了详细的研究。从差分逼近概念开始,详细地推导了一阶声波方程的交错网格有限差分格式;通过声波方程的差分格式推导了有限差分法的稳定性条件,进而研究了不同情况下有限差分的数值频散;讨论了不同的空间边界条件并且对最常用的CPML边界条件进行了细致的推导;最后通过模型试算证明了八阶精度的交错网格有限差分法和CPML边界条件可以满足正演模拟的要求。其次,论文详细讨论了全波形反演的理论基础。对全波形反演的关键难点——梯度和步长的求取从理论方面给出了详细的介绍;梯度的求取方法采用了伴随状态法,并给出了具体的推导过程;介绍了多种步长的求取方法;通过模拟验证了全波形反演以及伴随状态法的有效性。接下来,论文对三种最优化方法进行了详细的讨论。对于最速下降法、共轭梯度法原理进行了论述,并通过Rosenbrock函数分析了两者的优缺点,对于L-BFGS算法进行了详细的分析和推导,并给出了上述三种方法的算法流程;通过实际的模型试算可以明显看出基于L-BFGS算法的全波形反演效果最好,而基于最速下降法的反演效果最差,共轭梯度法居中。最后,为了降低反演所需的时间,论文论述了CUDA并行技术。从硬件和软件方面介绍了CUDA并行计算的特点,并通过实际的计算效果证明了CUDA并行技术的有效性和高效性。
刘琦然[7]（2019）在《基于相位差法的高精度和大动态范围像差测量研究》文中研究说明光学成像系统是人民生产生活中信息获取手段中最重要的手段之一。在遥感、图像处理等多个领域内蓬勃发展。光学系统是光学成像仪器的核心部分,其性能优劣直接决定成像质量。其中像差是光学系统仪器的内在特性,因此精确的像差测量是光学成像系统的重要环节。相位差法是一种应用广泛的像差测量方法,其光路简单易于搭建。采集数据较少,仅通过采集光学系统的一幅焦平面图像和一幅已知离焦距离的离焦面图像,来重建系统像差,和恢复目标物体的像。本文对已有的相位差法进行研究,通过对相位差法模型分析,提出了一种基于相位差法的大动态像差测量方法。该改进方法通过向相位差法的模型添加点状光源先验信息的正则化项,来对评价函数模型进行约束,在保证测量精度的前提下,提高了大动态像差测量的鲁棒性。在此基础上,本文阐述了该大动态像差测量方法的离散化实现方案和实现细节,并使用对该方法的模块化程序实现方案进行阐述。并且,针对待测像差动态范围较大等特点,提出了一种基于k均值聚类的稀疏迭代初始点的选择方法。该方法可以使得迭代初始点的分布更加稀疏与均匀,可以提高算法的求解效率。本论文对提出的改进像差测量方法进行数值仿真,并仿真在各类采集误差和噪声的影响下改进算法对大动态像差的测量精度。根据数值仿真结果,本文设计大动态像差测量验证实验,设计光路图,搭建光路,和采集数据。并验证改进相位差法对像差测量精度以及像差测量稳定性。数值仿真结果和验证实验结果均表明,本改进像差测量方法法对像差的测量精度较高,对像差测量范围显着提升。
张东东[8]（2019）在《基于CFD和伴随方法的室内空气流动优化与控制》文中研究指明室内合理的气流组织对于创造一个热舒适、健康的室内环境至关重要,这是因为负责室内热量和污染物输运的空气流动是控制室内环境质量的主要因素之一。传统的营造室内气流组织的方法难以同时满足个性化需求与节能的目的,不同于传统的参数化研究,本文从目标需求出发,构造基于CFD和伴随方法的室内空气流动的优化与控制方法,为创造一个高效、安全、可持续化的和满足个性化的室内空气流动提供理论基础。论文考虑室内空气流动和室内源特征,对室内的温度、风速、污染物分布形成过程进行量化分析,理清各个参数对室内环境的影响机制,然后构建多宗量多目标的反演优化算法,耦合室内环境多参数多物理场,合理营造室内环境,以切实降低建筑能耗,保障室内环境,并对其进行实验验证。具体的创新性工作如下:（1）从建筑通风的流体对流与耦合传热热质输运机理出发,构造和求解基于流动的复杂空间位置变量函数灵敏度和相应伴随方程组,该方法无需任何先决流场信息,由室内空气流场中离散分布的温度值反演计算多个壁面边界热流分布状态,探讨不同因素包括测点位置、数量及噪音（测量误差）对流动反演模拟及其计算精度的影响。（2）对于封闭室内自然对流多个离散热源空间分布,根据结构化理论,建立离散热源对全局热传导性能影响的理论解析;基于伴随方法,由目标函数全局热传导的灵敏度导数,反演求解恒定大小和非恒定大小离散热源的最优空间位置;根据线性回归建立最优全局热传导与控制参数之间的函数关系式。（3）对室内热压驱动通道换气进行实验研究及反演优化,首先对太阳能热通道烟囱模型进行实验,重点测量不同烟囱长宽比、热流密度和烟囱倾斜角下的温度分布和出口风速,深入研究热通道通风特性;对太阳能热通道模型进行数值建模并耦合伴随方法,通过反演优化算法辨识和优化太阳能热通道烟囱的最佳设计参数配置,验证反演算法的有效性。（4）研究同时受到机械通风与多组分浮升力的室内污染物去除和控制问题,针对正问题,考虑多组分浮升力效应,研究室内热和污染物的输运机制;对于反问题,首先实现单目标优化,得到的优化值作为多目标优化函数的无量纲尺度,进一步将空间平均浓度和平均扩散半径这两个单目标函数结合起来建立多目标函数,采用基于梯度的伴随方法对不同流动形态下的污染物进行有效的控制。（5）采用计算流体动力学的方法对建筑室内传热传质过程自然对流和强制对流联合驱动的流动机理、多态流动诱导条件以及多态区间进行了研究和分析,并通过流线、热线和质线对建筑室内的空气流动和热质迁移过程进行可视化分析和描述,为建筑室内的通风策略、热和污染物的去除提供理论基础。
马一飞[9]（2019）在《矿井瓦斯爆炸源位置和强度反演研究》文中研究说明由于瓦斯爆炸事故的复杂性,导致许多煤矿的事故现场巷道和相关设施严重受损,人员伤亡率极高。人证和物证被破坏使得瓦斯爆炸源位置和强度的确定极为困难,给瓦斯爆炸事故的应急救援和事故调查带来了很大难度,经验型的瓦斯爆炸源位置和强度的确定方法已不能适应当前需求。为了应急救援指挥部在科学分析论证的基础上制定救灾方案,以及为瓦斯爆炸现场的事故调查提供参考,防止同类事故的发生并保障煤矿安全生产,本文对瓦斯爆炸源的位置和强度反演进行了研究。本文由国家重点研发计划“National Key R&D Program of China”（项目编号:2016YFC0801800）资助。本文通过使用理论分析和数据驱动思想,建立了瓦斯爆炸源位置和强度反演的数学模型和黑箱模型;对适定条件和不适定条件下的反演问题进行了研究,反演过程中引入基于改进的遗传算法优化的最小二乘估计、基于改进的粒子群算法优化的BP神经网络以及改进的广义回归神经网络,基于本文进行的瓦斯爆炸实验和瓦斯爆炸数值模拟所得到的不同测点的位置数据和超压数据进行反演。基于反演所使用的数据建立了瓦斯爆炸反演数据库,并对屯兰矿瓦斯爆炸事故进行了反演方法应用。研究结果表明:（1）解决瓦斯爆炸源位置和强度反演问题的所需参数为不同测点在反演坐标系中的位置数据,以及当前位置的超压数据;适定条件下的反演问题需要两组测点的位置数据和超压数据,不适定条件下需要三组及以上的位置数据和超压数据。（2）适定条件下的反演问题,基于反演的数学模型以两组位置和超压数据为基础并使用最小二乘估计的反演精度较差,均方误差为3539.58。这是由于测点数据本身带有观测误差,反演数学模型的推导建立在模型简化的基础上,反演过程中各种系统误差互相耦合被放大,导致反演结果可靠性不强。（3）不适定条件下的反演问题,基于反演的数学模型以八组位置和超压数据为基础并使用改进的遗传算法优化的最小二乘估计进行反演。反演结果表明:改进措施较好的避免了遗传算法的“早熟现象”和“进化停滞”等问题;遗传算法的种群规模的变化对适应度函数影响较小;随着遗传算法种群规模的增加,爆炸源位置反演准确度提高,爆炸源强度反演准确度降低,但总均方误差随着种群规模的增加而降低;反演结果均方误差为445.53,反演精度较适定条件下的反演有了大幅提升,可靠性增强。（4）基于瓦斯爆炸源位置和强度反演黑箱模型以八组位置和超压数据为基础,使用基于改进的粒子群算法优化的BP神经网络的方法进行不适定条件下的反演研究。反演结果表明:改进措施较好的提升了粒子群算法的全局搜索能力,避免了粒子群算法的“早熟现象”;粒子群算法的种群规模并不是越大越好,较小的种群规模使得粒子群算法的收敛时间缩短;反演结果均方误差为6.11,反演精度较基于改进遗传算法优化的最小二乘估计的反演有了大幅提升,可靠性进一步增强。（5）基于瓦斯爆炸源位置和强度反演黑箱模型以八组位置和超压数据为基础,使用改进的广义回归神经网络方法进行不适定条件下的反演研究。反演结果表明:改进措施得到了最优训练样本输入模式和最优的扩展速度;反演结果均方误差为4.47,反演精度优于基于改进的粒子群算法优化的BP神经网络的反演方法。（6）以反演数据为基础建立了瓦斯爆炸反演数据库,根据屯兰矿瓦斯爆炸现场破坏情况以及数值模拟得到多组位置和超压数据,将基于改进的遗传算法优化的最小二乘估计、基于改进的粒子群算法优化的BP神经网络、改进的广义回归神经网络应用到屯兰矿瓦斯爆炸事故的爆炸源位置和强度反演中。反演结果显示:适用范围最广、精度最高的是基于黑箱模型的粒子群算法优化的BP神经网络反演方法;当反演数据较少时,适合使用基于数学模型的遗传算法优化的最小二乘估计反演方法;使用基于黑箱模型的广义回归神经网络反演方法,前提是需要提供与反演问题同等尺寸的反演数据样本作为黑箱模型的训练样本。本文研究工作的主要学术贡献在于,既使用了传统的理论分析建模方法,又应用了非线性科学的建模方法,涉及多学科多领域的交融,反演过程中又引入多种基于群智能算法和人工神经网络的优化算法,反演结果能够为瓦斯爆炸事故现场的应急救援和事后事故调查提供决策支持,具有较强的实用意义。
张晓瑜[10]（2018）在《基于改进深度信念网络的时间序列预测方法及负荷预测应用研究》文中研究指明高质量的预测结果对人们的生产生活具有重要的指导意义,有利于人们制定出更可靠的决策方案。预测是根据事物过去发展的现律,估计其未来发展趋势的一种理论。近十几年,各领域专家学者提出了数以万计的预测方法,预测学科得到了突飞猛进的发展。随着大数据时代的到来,挖掘海量非结构化和半结构化数据中蕴含的信息对预测方法提出了新的挑战。同时,如何提高预测方法在特定领域的精度成为了一个预测研究的重要研究方向。深度信念网络作为一种新兴的深度学习方法,相比传统预测方法,它可以学习到样本数据集固有的特征,可以广泛应用于很多领域并取得很不错的成绩。因此,本文主要就是考察改进深度信念网络在时间序列数据集的预测表现,并将改进模型应用到短期负荷预测中,验证改进模型的泛化能力。本文的主要工作如下:（1）设计了深度信念网络基本模型的最优配置策略。深度信念网络是一种特殊的深层神经网络。根据人工神经网络的改进方向,考察不同的激活函数和网络参数优化方法对深度信念网络基本模型的影响,找出了深度信念网络模型的最优配置,为之后的研究奠定了理论基础。（2）构建了基于受限玻尔兹曼机的递归神经网络点预测模型。时间序列是一个动态变化的系统。根据深度信念网络是一种静态输入输出关系的映射,将递归神经网络的反馈机制引入到深度信念网络模型中,构建了基于受限玻尔兹曼机和递归神经网络的深度学习框架,将此框架应用于时间序列的点预测模型中。对比结果证明,提出的新框架具有更高质量的预测性能。（3）提出了基于深度信念网络的上下界估计方法构建区间预测模型。常用于构建区间预测的方法——上下界估计方法是基于神经网络的。考虑到神经网络极易陷入局部极小值、收敛速度慢的缺陷,采用深度信念网络改进上下界估计方法,给出了基于深度信念网络的上下界估计方法,实验结果证明,使用此方法构建的时间序列区间预测模型具有更高的预测精度。（4）将改进的深度信念网络应用到短期负荷功率预测。考虑到短期负荷功率预测对电力系统的重要性以及验证改进模型的泛化能力,将改进的深度信念网络分别应用到短期负荷功率的点预测和区间预测研究中,提高短期负荷功率的预测精度。根据负荷功率数据随时间周期性变化的特性和相似日的概念,使用改进的深度信念网络分析负荷数据在不同时刻、不同日期以及不同季节的预测表现。
二、基于共轭梯度法的函数优化混合遗传算法（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、基于共轭梯度法的函数优化混合遗传算法（论文提纲范文）
（1）热损耗条件下平板试样热参数测量技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号表 |
| 第1章 绪论 |
| 1.1 课题的来源及研究的目的和意义 |
| 1.2 热参数测量技术的国内外现状 |
| 1.3 本领域存在的科学问题和关键技术 |
| 1.4 本文的主要研究内容 |
| 第2章 基于第二类边界条件的导热系数模型构建 |
| 2.1 引言 |
| 2.2 导热系数传统反演测量 |
| 2.2.1 问题描述 |
| 2.2.2 正问题求解 |
| 2.2.3 目标函数 |
| 2.2.4 耦合人工蜂群算法 |
| 2.2.5 优化算法数值试验及结果分析 |
| 2.3 热损耗下导热系数反演模型研究 |
| 2.3.1 热损耗下导热系数反演模型构建 |
| 2.3.2 使用虚拟薄板模型反演步骤 |
| 2.3.3 数值仿真与结果分析 |
| 2.4 本章小结 |
| 第3章 基于第三类边界条件的传热系数模型构建 |
| 3.1 引言 |
| 3.2 传热系数传统反演测量 |
| 3.3 热损耗下传热系数反演模型 |
| 3.3.1 有热损耗下传热系数反演方法构建 |
| 3.3.2 局部模型的目标函数 |
| 3.3.3 传热系数反演步骤 |
| 3.3.4 数值仿真与结果分析 |
| 3.4 本章小结 |
| 第4章 基于第三类边界条件的边界形状反演算法研究 |
| 4.1 引言 |
| 4.2 传统算法求解边界形状存在的问题 |
| 4.2.1 问题描述 |
| 4.2.2 正问题求解 |
| 4.2.3 目标函数 |
| 4.2.4 共轭梯度法 |
| 4.2.5 传统求解存在的主要问题 |
| 4.3 边界形状反演的空间分布式模糊自适应算法 |
| 4.4 数值仿真与结果分析 |
| 4.5 本章小结 |
| 第5章 热参数测量的实验验证 |
| 5.1 引言 |
| 5.2 导热系数实测验证 |
| 5.2.1 导热系数实验装置的研制 |
| 5.2.2 导热系数实测验证 |
| 5.2.3 导热系数测量结果分析及模型讨论 |
| 5.3 传热系数实测验证 |
| 5.3.1 传热系数实验装置的研制 |
| 5.3.2 传热系数实测验证 |
| 5.3.3 传热系数测量结果分析及讨论 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间发表的学术论文与其他成果 |
| 致谢 |
| 个人简历 |
（2）基于深度信念网络的闭环供应链网络优化（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 相关研究综述 |
| 1.2.1 确定环境下的供应链网络规划研究 |
| 1.2.2 不确定环境下的供应链网络规划研究 |
| 1.3 主要研究内容及创新点 |
| 1.3.1 主要研究内容 |
| 1.3.2 创新点 |
| 1.4 技术路线 |
| 第2章 闭环供应链网络优化相关理论 |
| 2.1 闭环供应链网络规划基本理论 |
| 2.1.1 供应链网络相关概念 |
| 2.1.2 闭环供应链网络结构 |
| 2.1.3 闭环供应链网络优化设计的主要内容 |
| 2.2 闭环供应链网络中的不确定性 |
| 2.2.1 闭环供应链网络不确定性的来源及特点 |
| 2.2.2 供应链网络不确定产生机理 |
| 2.3 不确定性优化方法 |
| 2.3.1 模糊规划方法 |
| 2.3.2 随机规划方法 |
| 2.3.3 鲁棒优化方法 |
| 2.4 本章小结 |
| 第3章 基于多面体不确定集的鲁棒优化模型构建 |
| 3.1 问题描述与假设 |
| 3.1.1 问题描述 |
| 3.1.2 参数符号及含义 |
| 3.1.3 基本假设 |
| 3.2 闭环供应链网络多目标模型构建 |
| 3.2.1 闭环供应链网络成本函数 |
| 3.2.2 闭环供应链网络碳排放函数 |
| 3.2.3 闭环供应链网络顾客满意度损失函数 |
| 3.2.4 多目标约束 |
| 3.3 基于多面体不确定集的鲁棒优化模型构建 |
| 3.3.1 不确定参数描述 |
| 3.3.2 多目标鲁棒线性优化模型 |
| 3.4 本章小结 |
| 第4章 基于深度信念网络的市场需求预测 |
| 4.1 DBN |
| 4.1.1 RBM |
| 4.1.2 Gibbs采样 |
| 4.1.3 基于CD算法的RBM学习过程 |
| 4.1.4 共轭梯度算法 |
| 4.1.5 DBN学习过程 |
| 4.2 基于DBN市场需求预测 |
| 4.2.1 市场需求预测指标及数据处理 |
| 4.2.2 DBN预测模型关键参数设定 |
| 4.2.3 基于DBN的市场需求预测 |
| 4.3 本章小结 |
| 第5章 案例分析 |
| 5.1 案例背景 |
| 5.1.1 案例描述 |
| 5.1.2 家电供应链网络参数设定 |
| 5.2 模型算法设计与评价 |
| 5.2.1 Levy飞行搜索机制 |
| 5.2.2 动态参数调整策略 |
| 5.2.3 算法性能评价 |
| 5.3 结果分析 |
| 5.3.1 不确定环境下的网络规划方案 |
| 5.3.2 敏感性分析 |
| 5.4 本章小结 |
| 第6章 结论与展望 |
| 参考文献 |
| 在学期间研究成果 |
| 致谢 |
（3）基于智能优化算法的工程结构可靠度研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 结构可靠度方法发展现状 |
| 1.2.1 近似可靠度计算方法 |
| 1.2.2 抽样方法 |
| 1.2.3 矩方法 |
| 1.2.4 代理模型方法 |
| 1.3 智能优化算法的研究现状 |
| 1.3.1 智能优化算法的简介 |
| 1.3.2 智能优化算法在结构工程中的研究进展 |
| 1.3.3 智能优化算法在结构可靠度分析中的研究进展 |
| 1.4 研究过程中存在的问题 |
| 1.5 本文研究的主要工作 |
| 第2章 基于樽海鞘群算法的结构可靠度分析 |
| 2.1 结构可靠度分析的基本概念 |
| 2.2 结构可靠度分析基本方法 |
| 2.2.1 蒙特卡洛模拟法 |
| 2.2.2 一次二阶矩方法 |
| 2.2.3 响应面法 |
| 2.3 基于梯度优化算法的验算点法 |
| 2.4 智能优化算法基本理论 |
| 2.4.1 粒子群算法 |
| 2.4.2 混沌粒子群算法 |
| 2.5 基于樽海鞘群智能优化算法的一阶可靠度方法 |
| 2.5.1 可靠指标法 |
| 2.5.2 惩罚函数法 |
| 2.5.3 樽海鞘群算法 |
| 2.5.4 执行步骤 |
| 2.6 算例 |
| 2.6.1 低维可靠度问题 |
| 2.6.2 高维可靠度问题 |
| 2.6.3 工程结构可靠度问题 |
| 2.7 小结 |
| 第3章 基于哈里斯鹰优化算法的高维结构可靠度分析 |
| 3.1 引言 |
| 3.2 元启发式算法介绍 |
| 3.2.1 粒子群算法 |
| 3.2.2 灰狼优化算法 |
| 3.2.3 樽海鞘群算法 |
| 3.2.4 蜻蜓算法 |
| 3.3 基于哈里斯鹰优化的一阶可靠度分析方法 |
| 3.3.1 基本FORM理论 |
| 3.3.2 哈里斯鹰优化算法 |
| 3.3.3 约束处理技术 |
| 3.3.4 算法执行步骤 |
| 3.4 算例分析 |
| 3.5 小结 |
| 第4章 基于教学优化算法的结构可靠度分析 |
| 4.1 引言 |
| 4.2 基于教学优化的FORM方法 |
| 4.2.1 可靠指标法 |
| 4.2.2 教学优化算法 |
| 4.2.3 约束处理技术 |
| 4.2.4 执行步骤 |
| 4.3 混沌TLBO-FORM方法 |
| 4.4 算例分析 |
| 4.5 参数讨论 |
| 4.6 小结 |
| 第5章 基于平衡优化算法的结构可靠度分析 |
| 5.1 引言 |
| 5.2 平衡优化算法介绍 |
| 5.3 算法执行步骤 |
| 5.4 算例分析 |
| 5.5 小结 |
| 第6章 大跨结构和边坡结构可靠度案例分析 |
| 6.1 引言 |
| 6.2 布洛溪大桥的结构可靠度分析 |
| 6.3 空间网架穹顶结构可靠度分析 |
| 6.4 三维岩质边坡可靠度分析 |
| 6.4.1 三维岩质边坡稳定性评价的确定性模型 |
| 6.4.2 边坡结构可靠度分析模型 |
| 6.5 本章小结 |
| 第7章 带钢板暗支撑组合核心筒结构可靠度分析 |
| 7.1 引言 |
| 7.2 试验概况 |
| 7.3 有限元分析模型 |
| 7.4 核心筒结构可靠度参数分析 |
| 7.4.1 轴压比 |
| 7.4.2 高宽比 |
| 7.4.3 连梁跨高比 |
| 7.4.4 暗支撑含钢率 |
| 7.4.5 加载方式 |
| 7.5 随机变量的敏感性分析 |
| 7.6 小结 |
| 结论与展望 |
| 参考文献 |
| 附录 A 核心筒随机变量敏感性分析计算结果 |
| 附录 B 攻读学位期间发表的学术论文目录 |
| 致谢 |
（4）IMRT中子野形状生成优化算法研究（论文提纲范文）
| 摘要 |
| abstract |
| 中英文缩略词表 |
| 符号说明 |
| 1 绪论 |
| 1.1 课题研究的背景和意义 |
| 1.2 IMRT方案优化 |
| 1.3 国内外研究现状 |
| 1.3.1 两步法 |
| 1.3.2 DAO |
| 1.4 本文主要内容 |
| 2 基于生物准则的IMRT方案优化方法 |
| 2.1 IMRT方案优化基本流程 |
| 2.2 评价准则 |
| 2.2.1 物理准则约束函数 |
| 2.2.2 生物准则等效凸函数 |
| 2.3 大规模梯度类算法 |
| 2.3.1 拟牛顿算法 |
| 2.3.2 评价准则约束函数的一阶导函数 |
| 2.4 基于生物准则的IMRT方案优化方法 |
| 2.5 实验结果与分析 |
| 2.5.1 实验设置 |
| 2.5.2 实验结果 |
| 2.5.3 分析与讨论 |
| 2.6 本章小结 |
| 3 基于区域生长的CG算法 |
| 3.1 CG算法的基本原理 |
| 3.1.1 剂量计算 |
| 3.1.2 CG算法求解过程 |
| 3.2 图像处理方法 |
| 3.2.1 灰度变换 |
| 3.2.2 区域生长 |
| 3.3 基于区域生长的CG算法 |
| 3.3.1 非线性变换 |
| 3.3.2 区域生长 |
| 3.3.3 合并并求解代价问题 |
| 3.4 实验结果 |
| 3.4.1 头颈部肿瘤病例实验 |
| 3.4.2 前列腺肿瘤病例实验 |
| 3.4.3 实验结果的统计分析 |
| 3.5 分析与讨论 |
| 3.6 本章小结 |
| 4 基于动量梯度下降方向的子野形状优化算法 |
| 4.1 CG算法中负梯度下降方向 |
| 4.2 梯度下降法 |
| 4.2.1 最速下降法 |
| 4.2.2 动量梯度下降法 |
| 4.3 基于动量梯度下降方向的子野形状优化算法 |
| 4.4 实验结果 |
| 4.4.1 评价标准 |
| 4.4.2 目标函数 |
| 4.4.3 实验结果 |
| 4.5 分析与讨论 |
| 4.6 本章小结 |
| 5 基于共轭梯度下降方向的CG算法 |
| 5.1 剂量计算及KKT条件 |
| 5.2 梯度类算法介绍 |
| 5.2.1 牛顿法 |
| 5.2.2 拟牛顿法 |
| 5.2.3 共轭梯度算法 |
| 5.3 子野形状搜索方向的改进 |
| 5.3.1 基于共轭梯度下降方向的CG算法 |
| 5.3.2 基于混合共轭梯度下降方向的CG算法 |
| 5.4 实验结果 |
| 5.4.1 基于共轭梯度下降方向的CG算法 |
| 5.4.2 基于混合共轭梯度下降方向的CG算法 |
| 5.5 分析与讨论 |
| 5.6 本章小结 |
| 6 总结和展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读博士学位期间发表论文、参与项目情况 |
| 致谢 |
（5）叠前反射波速度建模方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 引言 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.3 主要研究内容 |
| 1.4 论文主要研究成果 |
| 第2章 叠前速度建模的基本方法 |
| 2.1 偏移速度分析 |
| 2.2 反射层析成像 |
| 2.3 波形反演 |
| 2.4 全波形反演 |
| 第3章 基于叠前走时反演的速度建模 |
| 3.1 走时反演的基本理论 |
| 3.1.1 走时层析反演方程组的构建 |
| 3.1.2 走时层析反演方程组的求解 |
| 3.2 共轭梯度反演 |
| 3.2.1 共轭梯度反演的基本原理 |
| 3.2.2 共轭梯度反演步骤 |
| 3.3 实例分析 |
| 3.3.1 层状模型走时反演 |
| 3.3.2 走时反演的影响因素研究 |
| 3.4 本章结论 |
| 第4章 基于叠前波形反演的速度建模 |
| 4.1 反射率法正演的基本原理 |
| 4.1.1 反射率法简介 |
| 4.1.2 反射率法合成地震记录的原理 |
| 4.2 遗传算法的基本理论 |
| 4.2.1 遗传算法的方法原理 |
| 4.2.2 遗传算法的实现步骤 |
| 4.3 遗传算法全局优化波形反演 |
| 4.3.1 地震叠前波形反演流程 |
| 4.3.2 基于区域均衡的自适应选择算子 |
| 4.3.3 自适应的交叉算子 |
| 4.3.4 自适应的变异算子 |
| 4.3.5 实例分析 |
| 4.4 本章结论 |
| 第5章 结论 |
| 参考文献 |
| 作者简介及硕士在读期间科研经历 |
| 致谢 |
（6）几种局部优化方法在全波形反演中的对比研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 选题的目的及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 正演模拟发展历史与现状 |
| 1.2.2 全波形反演发展历史与现状 |
| 1.3 全波形反演中的各种最优化理论 |
| 1.4 论文的主要研究内容 |
| 1.5 论文的组织结构 |
| 第二章 正演模拟 |
| 2.1 概述 |
| 2.2 交错网格有限差分方法原理 |
| 2.2.1 差分逼近 |
| 2.2.2 交错网格有限差分法 |
| 2.3 稳定性条件 |
| 2.4 数值频散 |
| 2.5 边界条件 |
| 2.6 结论 |
| 第三章 全波形反演 |
| 3.1 反演方法基本概述 |
| 3.1.1 全波形反演概述 |
| 3.1.2 全波形反演流程 |
| 3.2 全波形反演基本原理 |
| 3.2.1 目标函数的建立 |
| 3.2.2 梯度的求取 |
| 3.2.3 步长的求取 |
| 3.3 模型试算 |
| 3.4 结论 |
| 第四章 最优化方法 |
| 4.1 最速下降法 |
| 4.2 共轭梯度法 |
| 4.3 L-BFGS方法 |
| 4.4 模型试算 |
| 4.5 结论 |
| 第五章 基于CUDA的并行计算 |
| 5.1 CUDA硬件基础 |
| 5.2 CUDA软件基础 |
| 5.3 数值模拟对比 |
| 5.4 结论 |
| 结论 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
（7）基于相位差法的高精度和大动态范围像差测量研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 相位差法的研究背景和意义 |
| 1.2 相位差的发展与研究现状 |
| 1.3 本文主要工作与内容概述 |
| 第二章 相位差法基本原理 |
| 2.1 光学基本原理 |
| 2.1.1 线性不变性质 |
| 2.1.2 成像系统的像差模型 |
| 2.1.3 光强分布模型 |
| 2.2 相位差法基本原理 |
| 2.2.1 相位差法介绍 |
| 2.2.2 相位差法评价函数的推导 |
| 2.2.3 相位差法的模型求解 |
| 2.3 相位差法的求解方法 |
| 2.3.1 基于梯度的优化算法 |
| 2.3.2 全局优化方法 |
| 2.3.3 迭代步长的线性搜索方法 |
| 2.3.4 小结 |
| 2.4 小结 |
| 第三章 基于改进相位差法的像差测量实现 |
| 3.1 基于点目标先验信息的相位差模型改进 |
| 3.1.1 相位差法模型的正则化改进方法介绍 |
| 3.1.2 基于点目标先验信息的正则化改进 |
| 3.2 基于改进相位差法的大动态范围像差测量实现 |
| 3.2.1 改进相位差法离散化实现 |
| 3.2.2 基于k-means聚类的迭代初始点的稀疏方案 |
| 3.2.3 改进相位差法的程序实现 |
| 3.3 小结 |
| 第四章 改进相位差法的仿真实验 |
| 4.1 仿真和实验参数设置 |
| 4.1.1 待测像差的仿真参数 |
| 4.1.2 退化图像的仿真方法 |
| 4.1.3 相位差异的引入量分析 |
| 4.2 改进相位差法像差测量仿真方案分析 |
| 4.2.1 误差与噪声的衡量标准 |
| 4.2.2 误差、噪声模型分析 |
| 4.2.3 误差与噪声的仿真方案 |
| 4.3 改进相位差法的误差与噪声仿真实验 |
| 4.3.1 噪声仿真实验 |
| 4.3.2 离焦量误差仿真实验 |
| 4.3.3 配准误差实验 |
| 4.3.4 图像曝光度对测量精度影响实验 |
| 4.4 小结 |
| 第五章 改进相位差法的光学验证实验 |
| 5.1 重要光学仪器介绍 |
| 5.1.1 相机与光源介绍 |
| 5.1.2 空间光调制器介绍 |
| 5.2 光路搭建介绍 |
| 5.2.1 光路图描述 |
| 5.2.2 光路搭建过程 |
| 5.3 实验数据采集与结果分析 |
| 5.3.1 系统误差的消除与光强调节 |
| 5.3.2 实验结果展示及分析 |
| 5.4 小结 |
| 第六章 总结与展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（8）基于CFD和伴随方法的室内空气流动优化与控制（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 文献综述 |
| 1.2.1 室内空气流动反向控制与优化 |
| 1.2.2 利用多态特性对室内空气流动的优化与控制 |
| 1.3 研究内容与思路 |
| 第2章 室内空气自然对流多边界热流函数反演辨识 |
| 2.1 引言 |
| 2.2 物理模型和数学模型 |
| 2.3 耦合自然对流的反向辨识问题 |
| 2.3.1 灵敏度问题 |
| 2.3.2 伴随问题 |
| 2.4 数值计算方法 |
| 2.5 反演优化设计方法 |
| 2.6 结果和讨论 |
| 2.6.1 Rayleigh数的影响 |
| 2.6.2 方腔中固块大小的影响 |
| 2.6.3 固块导热系数的影响 |
| 2.6.4 固块个数的影响 |
| 2.6.5 边界热流函数以及温度测点的影响 |
| 2.6.6 测点数量对反演精度的影响 |
| 2.7 本章小结 |
| 第3章 室内空气自然对流非恒定离散热源反演优化 |
| 3.1 引言 |
| 3.2 离散热源物理模型与数学模型 |
| 3.3 竖直壁面离散热源解析解推导 |
| 3.4 基于伴随方法的反演优化设计方法 |
| 3.5 数值求解方法和程序验证 |
| 3.6 结果和讨论 |
| 3.6.1 正问题：离散热源系统的灵敏性研究 |
| 3.6.2 反问题：离散热源的最优布局 |
| 3.6.3 最优全局热传导与控制参数的函数关系式 |
| 3.7 本章小结 |
| 第4章 室内热压驱动通道换气实验模型及反演优化 |
| 4.1 引言 |
| 4.2 验证参数 |
| 4.3 实验模型示意图 |
| 4.4 实验系统及所需要的仪器 |
| 4.5 实验结果与讨论 |
| 4.5.1 沿通道宽度方向的温度分布 |
| 4.5.2 沿通道高度方向的温度分布 |
| 4.5.3 无量纲温度分布 |
| 4.5.4 沿通道宽度方向的速度分布 |
| 4.5.5 通风量比较 |
| 4.6 数值模拟及反演优化 |
| 4.6.1 通道内空气的湍流自然对流模型 |
| 4.6.2 双通道通风腔体数值模型验证 |
| 4.6.3 反演优化设计 |
| 4.6.4 反演辨识与反演优化结果 |
| 4.7 本章小结 |
| 第5章 室内空气多元对流气态污染物移除的反演优化 |
| 5.1 引言 |
| 5.2 物理模型和数学模型 |
| 5.3 基于污染物水平的伴随方法 |
| 5.4 数值方法和验证 |
| 5.5 结果和讨论 |
| 5.5.1 正问题：方腔通风特性研究 |
| 5.5.2 反问题：基于污染物水平的单目标优化 |
| 5.5.3 反问题：基于污染物水平的多目标优化 |
| 5.6 本章小结 |
| 第6章 室内空气多元对流多态动力学特性与优化 |
| 6.1 引言 |
| 6.2 物理模型和数学模型 |
| 6.3 边界条件和可视化方法 |
| 6.4 数值方法和验证 |
| 6.5 结果和讨论 |
| 6.5.1 系统多态流动解析解 |
| 6.5.2 理查森数对多态流动行为的影响 |
| 6.5.3 热质源位置对多态流动行为的影响 |
| 6.5.4 热质源长度对多态流动行为的影响 |
| 6.6 本章小结 |
| 第7章 总结及展望 |
| 7.1 全文总结 |
| 7.2 后续工作展望 |
| 参考文献 |
| 在校期间发表的学术论文与研究成果 |
| 致谢 |
（9）矿井瓦斯爆炸源位置和强度反演研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 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 |
| 1.2 瓦斯爆炸反问题分析 |
| 1.2.1 反问题及其性质 |
| 1.2.2 瓦斯爆炸反问题及分类 |
| 1.3 瓦斯爆炸正问题研究现状 |
| 1.3.1 瓦斯爆炸火焰及冲击波的传播规律研究 |
| 1.3.2 瓦斯爆炸有害气体的运移规律研究 |
| 1.3.3 瓦斯爆炸对通风系统的影响规律研究 |
| 1.4 反演问题和反演方法研究现状 |
| 1.4.1 反演问题研究现状 |
| 1.4.2 反问题求解的理论方法 |
| 1.4.3 反问题求解的数值方法 |
| 1.5 问题的提出 |
| 1.6 主要研究内容和技术路线 |
| 1.7 本章小结 |
| 2 瓦斯爆炸源位置和强度反演基础理论 |
| 2.1 空气中冲击波的传播 |
| 2.2 瓦斯爆炸冲击波传播的基本方程 |
| 2.2.1 爆炸冲击波的基本关系式 |
| 2.2.2 冲击波的强弱特征以及相关公式 |
| 2.3 瓦斯爆炸冲击波的超压公式和衰减规律 |
| 2.3.1 爆炸冲击波超压公式 |
| 2.3.2 弱冲击波超压随距离衰减方程 |
| 2.3.3 强冲击波超压随距离衰减方程 |
| 2.4 瓦斯爆炸源位置和强度的表征参数 |
| 2.4.1 瓦斯爆炸源位置的表征参数 |
| 2.4.2 瓦斯爆炸源强度的表征参数 |
| 2.5 本章小结 |
| 3 瓦斯爆炸源位置和强度反演数据基础 |
| 3.1 反演的实验数据基础 |
| 3.1.1 实验系统 |
| 3.1.2 实验步骤 |
| 3.1.3 实验参数及变化范围 |
| 3.1.4 测量参数及变化范围 |
| 3.1.5 具体实验方案 |
| 3.1.6 实验结果及分析 |
| 3.2 反演的数值模拟数据基础 |
| 3.2.1 Simtec软件简介 |
| 3.2.2 Simtec可靠性验证 |
| 3.2.3 瓦斯爆炸数值模拟方案 |
| 3.2.4 数值模拟结果及分析 |
| 3.3 本章小结 |
| 4 基于数学模型的瓦斯爆炸源位置和强度反演方法 |
| 4.1 瓦斯爆炸源位置和强度反演数学模型的建立 |
| 4.1.1 最小二乘估计简介 |
| 4.1.2 目标函数 |
| 4.1.3 约束条件 |
| 4.2 适定条件下基于最小二乘估计的反演方法 |
| 4.3 不适定条件下基于遗传算法优化的最小二乘估计反演方法 |
| 4.3.1 不适定条件下反演关键问题 |
| 4.3.2 遗传算法基本原理 |
| 4.3.3 标准遗传算法的改进 |
| 4.4 算例分析 |
| 4.4.1 适定条件下的反演结果分析 |
| 4.4.2 不适定条件下的反演结果分析 |
| 4.5 本章小结 |
| 5 基于黑箱模型的瓦斯爆炸源位置和强度反演方法 |
| 5.1 基于粒子群算法优化的BP神经网络基本原理 |
| 5.1.1 BP神经网络简介 |
| 5.1.2 BP神经网络参数设置 |
| 5.1.3 粒子群算法简介 |
| 5.1.4 标准粒子群算法 |
| 5.2 广义回归神经网络基本原理 |
| 5.2.1 广义回归神经网络简介 |
| 5.2.2 标准广义回归神经网络 |
| 5.3 粒子群算法的改进 |
| 5.3.1 加速因子的改进 |
| 5.3.2 惯性权重的改进 |
| 5.4 广义回归神经网络改进 |
| 5.4.1 交叉验证方法 |
| 5.4.2 最优广义回归神经网络扩展速度的确定 |
| 5.5 算例分析 |
| 5.5.1 基于改进的粒子群算法优化的BP神经网络反演结果分析 |
| 5.5.2 基于改进的广义回归神经网络反演结果分析 |
| 5.6 本章小结 |
| 6 瓦斯爆炸源位置和强度反演方法应用实例 |
| 6.1 屯兰矿“2·22”特别重大瓦斯爆炸事故简介 |
| 6.1.1 事故概况 |
| 6.1.2 事故直接原因认定 |
| 6.2 事故反演关键参数的确定 |
| 6.2.1 事故反演关键参数的确定依据 |
| 6.2.2 事故反演关键参数的确定过程 |
| 6.3 基于事故现场数据的反演方法应用 |
| 6.3.1 基于数学模型的遗传算法优化的最小二乘估计反演方法 |
| 6.3.2 基于黑箱模型的粒子群算法优化的BP神经网络反演方法 |
| 6.3.3 基于黑箱模型的广义回归神经网络反演方法 |
| 6.4 基于事故数值模拟数据的反演方法应用 |
| 6.4.1 数值模拟的模型建立和改进 |
| 6.4.2 数值模拟的参数设置和可靠性验证 |
| 6.4.3 反演结果分析 |
| 6.5 本章小结 |
| 7 结论与展望 |
| 7.1 本文主要研究结论 |
| 7.2 本文主要特色与创新 |
| 7.3 本文不足与展望 |
| 参考文献 |
| 附录A 最小二乘估计主程序 |
| 附录B 基于改进的遗传算法优化的最小二乘估计主程序 |
| 附录C 基于改进粒子群算法优化的BP神经网络主程序 |
| 附录D 改进的广义回归神经网络主程序 |
| 致谢 |
| 作者简介 |
（10）基于改进深度信念网络的时间序列预测方法及负荷预测应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与研究意义 |
| 1.2 预测方法的研究现状 |
| 1.2.1 预测方法的分类 |
| 1.2.2 定量预测方法的研究现状 |
| 1.2.3 负荷预测的研究现状 |
| 1.3 本文的研究思路和主要工作 |
| 1.3.1 本文的研究思路 |
| 1.3.2 主要工作 |
| 第二章 深度信念网络基本模型和改进方向分析 |
| 2.1 引言 |
| 2.2 人工神经网络与深度信念网络的对比分析 |
| 2.2.1 人工神经网络 |
| 2.2.2 深度信念网络 |
| 2.2.3 小结 |
| 2.3 人工神经网络的改进方向 |
| 2.3.1 激活函数 |
| 2.3.2 网络参数优化方法 |
| 2.4 深度信念网络的改进方向分析 |
| 2.4.1 深度信念网络基本模型改进 |
| 2.4.2 算例分析 |
| 2.5 本章小结 |
| 第三章 基于改进深度信念网络的时间序列点预测模型 |
| 3.1 引言 |
| 3.2 点预测 |
| 3.3 递归神经网络与深度信念网络结合的改进研究 |
| 3.3.1 递归神经网络 |
| 3.3.2 RBM-RNN模型 |
| 3.4 算例分析 |
| 3.4.1 模型设计 |
| 3.4.2 实验结果 |
| 3.5 本章小结 |
| 第四章 基于改进深度信念网络的时间序列区间预测模型 |
| 4.1 引言 |
| 4.2 区间预测 |
| 4.2.1 传统区间预测方法 |
| 4.2.2 上下界估计方法 |
| 4.3 基于深度信念网络的上下界估计方法研究 |
| 4.4 算例分析 |
| 4.4.1 模型设计 |
| 4.4.2 实验结果 |
| 4.5 本章小结 |
| 第五章 改进深度信念网络在短期负荷预测中的应用 |
| 5.1 引言 |
| 5.2 短期负荷预测 |
| 5.2.1 相空间重构理论 |
| 5.2.2 负荷功率数据集 |
| 5.3 短期负荷的点预测与区间预测研究 |
| 5.3.1 短期负荷点预测结果 |
| 5.3.2 短期负荷区间预测结果 |
| 5.4 基于不同时刻的短期负荷预测研究 |
| 5.5 基于不同日期的短期负荷预测研究 |
| 5.6 基于不同季节的短期负荷预测研究 |
| 5.7 本章小结 |
| 第六章 结论与展望 |
| 6.1 主要研究成果 |
| 6.2 研究展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
四、基于共轭梯度法的函数优化混合遗传算法（论文参考文献）
- [1]热损耗条件下平板试样热参数测量技术研究[D]. 杨亮亮. 哈尔滨工业大学, 2021(02)
- [2]基于深度信念网络的闭环供应链网络优化[D]. 高秀秀. 沈阳大学, 2021(06)
- [3]基于智能优化算法的工程结构可靠度研究[D]. 钟昌廷. 湖南大学, 2020(02)
- [4]IMRT中子野形状生成优化算法研究[D]. 张丽媛. 中北大学, 2020(09)
- [5]叠前反射波速度建模方法研究[D]. 刘思秀. 吉林大学, 2020(08)
- [6]几种局部优化方法在全波形反演中的对比研究[D]. 袁子恒. 长安大学, 2020(06)
- [7]基于相位差法的高精度和大动态范围像差测量研究[D]. 刘琦然. 西安电子科技大学, 2019(02)
- [8]基于CFD和伴随方法的室内空气流动优化与控制[D]. 张东东. 武汉大学, 2019(06)
- [9]矿井瓦斯爆炸源位置和强度反演研究[D]. 马一飞. 中国矿业大学(北京), 2019(11)
- [10]基于改进深度信念网络的时间序列预测方法及负荷预测应用研究[D]. 张晓瑜. 国防科技大学, 2018(01)