关键词： 套管抗挤强度   贝叶斯正则化   人工神经网络   预测模型  

摘要： 套管抗挤强度对不圆度、壁厚不均度、残余应力等因素有较强的敏感性,使用API公式计算的套管抗挤强度会出现较大误差。基于贝叶斯正则化人工神经网络(BRANN),建立套管抗挤强度数据集,用于模型训练并进行套管外挤强度盲测。结果表明:采用贝叶斯正则化算法训练神经网络模型,隐层神经元数目为9时,套管抗挤强度预测结果的精确度最高。与API公式预测结果对比,基于BRANN的套管抗挤强度预测结果具有更高的精度与稳定性;同时随着数据量的增加,该模型可以获得更高的预测精度和稳定性。因此,基于BRANN的预测模型能够更好地适应复杂多变的井下工况,满足当前工程预测的要求。

关键词： 微波消解   电感耦合等离子体质谱仪   土壤   多金属元素  

摘要： 本文研究了微波消解-电感耦合等离子体质谱仪(ICP-MS)在土壤中17种金属元素同时测定中的应用。通过优化微波消解条件和ICP-MS分析参数,选择(Y、In、Bi)作为内标元素来校正基体干扰。方法检出限为0.005~0.86 mg/kg,选取GBW07401a、GBW07405a、GBW07407a三份标准样品进行验证实验,测定值均在认定值范围内,且相对标准偏差≤6.0%(n=5),重现性好。该方法具有灵敏度高、线性范围宽、干扰小等优点,适用于土壤中金属元素的快速分析。

关键词： 冷端系统参数寻优   遗传算法   XGBoost 建模  

摘要： 通过优化由循环水泵、凝汽器和汽轮机组成的冷端系统,以提高汽轮机的发电功率。首先,对这一复杂系统进行了建模,利用 XGBoost 算法对循环水泵、凝汽器和汽轮机进行独立建模,并通过拼接模型,实现对整个冷端系统的综合建模。其次,利用遗传算法对系统的输入参数进行筛选和优化调节,以找到最优的输入组合,从而最大化汽轮机的发电功率。该方法充分考虑了循环水泵、凝汽器和汽轮机之间的复杂相互关系,为提高能量转换效率提供了一种全面的优化方法。实验结果表明,通过研究提出的方法,可以显著提高冷端系统的性能,实现汽轮机在给定条件下的最大发电功率。这对于提高能源系统的效益具有重要的理论和实际意义。

关键词： 手术排班   医院管理   遗传算法   粒子群算法   决策  

摘要： 目的手术资源的分配问题非常复杂,要综合考虑患者、手术室、医生以及时间等因素,传统的排班方法往往难以应对突发情况,同时容易受困于局部最优解,无法实现资源的最优合理配置。本文提出了一种新颖且智能的手术排班方法,以期科学合理地安排医疗资源。方法首先建立以最小化完成所有手术时间为目标的数学模型;然后基于遗传算法(genetic algorithm,GA)对手术排班问题进行求解,同时采用双切点交叉法和逆转变异法对遗传算法进行改进;最后将所提的改进遗传算法(improved genetic algorithm,IGA)与传统遗传算法和粒子群算法(particle swarm optimization,PSO)在MATLAB上进行仿真对比。结果本文所提的IGA在仿真中得到最优解的迭代次数最少,为149次,而传统GA和PSO得到最优解的迭代次数分别为895次和990次;而且IGA求解所得的手术总时长最短,为562.3 min,传统GA和PSO得到的手术总时长分别为604.7 min和672.1 min。综上,所提算法IGA性能明显优于传统GA和PSO。结论应用改进的遗传算法能解决医院手术排班的复杂问题,综合考虑了患者、手术室、医生以及时间等因素,打破了传统排班方法的限制,是一种符合实际需求的方法。基于此方法来进行手术排班,能更科学合理地安排医疗资源,提高工作效率和患者满意度。

关键词： 功率模块   遗传算法   格子波尔兹曼方法   阻抗评估  

摘要： 针对在传统的功率模块自动布局优化算法中,方案的电气评估效率低、占用大量计算时间的问题,提出利用格子波尔兹曼方法LBM(lattice Boltzmann method)代替传统评估方法,由于LBM不需要进行多个可逆矩阵的求解,可以更快地进行电气互连合理性判断及电压/电流计算。首先,在基于遗传算法自动布局设计程序的基础上,采用D2Q4格子类型建立二维布局评估方法;然后,通过ANSYS Q3D软件仿真验证了布局方案评估结果的准确性;最后,在Python3.10环境中进行对比测试,结果表明LBM平均缩短了75.4%的方案电气评估总时间,且评估方案中回路数量越多,LBM的计算优势越大。

关键词： 地铁时刻表   客流模型   停站时间   乘客总旅行时间  

摘要： 针对地铁早晚高峰客流的时空分布差异性,综合考虑乘客出行时间和列车停站成本,以列车在各站点的停站时间为控制变量,开展包含客流行为刻画和可跨站运行模式下的时刻表优化研究。在满足各站点客流乘车需求的基础上,结合时刻表优化模型和客流模型,以列车运行时间间隔、列车容量、停站时间调整范围为约束,以减少乘客的总旅行时间和列车停站成本为目标,建立列车的停站时间优化模型,并根据模型特征设计特定的遗传算法进行计算机仿真求解。以一条包括多个区间的单向地铁线路为例,开展地铁列车时刻表优化。结果表明,相比于固定停站时间的时刻表方案,优化停站时间能够使得乘客的总旅行时间减少3.49%,列车停站成本下降1.79%。

关键词： 斑点噪声   遗传算法   二维变分模态分解   参数优化   快速非局部均值   图像去噪  

摘要： 医学超声成像过程中出现的斑点噪声,降低了图像的可视性,传统算法在去噪后可能会出现图像边缘细节模糊、去噪效果不佳等问题。针对于此,提出了基于遗传算法优化的2D-VMD与FNLM相结合的方法。首先利用遗传算法对2D-VMD的两个参数同时进行自适应寻优,接着采用优化2D-VMD分解噪声图像,并借助相关系数筛选有效分量,然后使用FNLM滤波去噪,最后将去噪后的子模态重构完成去噪。实验结果证明,该方法具有优秀的去噪效果和保留图像边缘细节信息的能力,客观评价指标亦有明显的提升。

关键词： 灌溉管网   轮班灌溉系统   管网优化设计   线性规划   遗传算法  

摘要： 为了找到更好的解决方案并降低工程成本,混合模型被广泛应用于各种工程。文中基于混合模型针对轮班轮作灌溉系统提出了一种由线性规划和遗传算法组合的混合优化模型,并在萨拉曼国王能源城项目进行应用研究,通过该优化模型实现管网总投资成本最小化并验证其有效性;同时将该方法的实际应用结果与另一种由非线性规划和遗传算法组合的混合模型进行比较,结果表明相比于连续管径,文中采用离散管径的优化设计更经济有效。

关键词： 微波消解   电感耦合等离子体发射光谱   塑料输液容器   金属杂质  

摘要： 目的:建立一种检测准确、灵敏度高的能同时测定塑料输液容器中等13种元素杂质含量的分析方法,为塑料输液容器中元素杂质进行有效控制及安全性能评价提供技术支撑。方法:样品选择6mL硝酸+2mL过氧化氢体系微波消解,采用电感耦合等离子体发射光谱法(ICP-OES)测定消解液中13种元素杂质浓度。结果:13种元素杂质在相应的测定范围内呈良好的线性关系,相关系数r为0.99932~0.99995;回收率为75.39%~124.74%,RSD为0.66%~7.20%;方法检出限为0.02μg/g~4.03μg/g。经检测,20批样品,均未检出Mo、Sn元素;V、Co、Ni、Cu、Cd、Pb元素的含量很低,结果为未检出或低于定量限居多;Cr和Ba元素均有检出,Ti元素含量较高。Mg、Al两种元素含量最高。结论:该方法简便、准确、灵敏度高,可用于同时测定塑料输液容器中Al等13种元素杂质含量。

关键词： 改进帝国竞争算法   遗传算法   量子通信   多目标协同模型  

摘要： 量子态具有叠加的性质,即同一量子比特可以同时处于多个状态。这种叠加特性会导致配网系统的不确定性增加,难以准确控制配网系统中的状态变化,增加了能源损耗,降低了配网系统的整体性能。为此,提出了在量子通信优化下,针对配网系统日内多目标运行的方法。引入量子通信是其能够应对调度过程中的高不确定性、保障数据安全传输并提升调度效率。利用量子通信的高安全性、大容量传输和强抗干扰能力,解决传统通信方式在配电网调度中的局限性。该方法在计算功率损耗成本、协同控制投资成本及柔性负荷成本的基础上,构建了多目标协同优化模型。同时,考虑到量子通信的特性,建立了包括功率平衡、配网运行平衡、柔性负荷转移平衡及负荷波动等在内的约束条件,使模型能够更好地适应量子通信环境。为了求解这一多目标协同优化模型,将帝国竞争算法与遗传算法相结合,并引入了量子态概率的概念。通过遗传算法的交叉操作改进帝国竞争算法的种群进化和基因组合过程,从而避免陷入局部最优解,实现量子通信配网系统的优化协同控制。在仿真测试中,针对日内12小时的时间尺度,所提出的方法在应用中显著降低了配电网的功率损耗,使其低于50 kW,相比之下,现有研究方法的功率损耗则高于60 kW。同时,所提方法的配电网经济成本也较其他方法降低了50万元。这一结果表明,所提出的量子通信配网优化协同控制方法在提高系统经济性和稳定性方面效果显著,能够确保量子通信配网系统在日内时间尺度内的安全稳定运行。