Normal water level scheme optimization based on GIS and multi-population genetic neural network model(基于GIS与多子群遗传神经网络模型的水位方案优选)
水利水电工程决策具有多目标、多层次、多影响因素的特点.针对现有正常蓄水位方案形成过程的不足，建立了基于GIS辅助分析、从蓄水位限值确定到获取方案指标、从方案形成到各方案比选的一整套流程方法.为解决正常蓄水位方案优选的非线性问题，避免综合优选模型中依靠主观经验赋权的人为因素影响，提出将多子群遗传神经网络模型应用于正常蓄水位方案优选.该方法有效减少了人为主观因素的影响，提高了指标权重确定的客观程度，为正常蓄水位方案的优选提供了新思路和解决办法....
| Main Authors: | , , , |
|---|---|
| Format: | Article |
| Language: | zho |
| Published: |
Zhejiang University Press
2013-11-01
|
| Series: | Zhejiang Daxue xuebao. Lixue ban |
| Subjects: | |
| Online Access: | https://doi.org/10.3785/j.issn.1008-9497.2013.06.019 |
| _version_ | 1797235960177491968 |
|---|---|
| author | GAOMei-na(郜美娜) YANJun(严俊) LIURen-yi(刘仁义) ZHANGFeng(张丰) |
| author_facet | GAOMei-na(郜美娜) YANJun(严俊) LIURen-yi(刘仁义) ZHANGFeng(张丰) |
| author_sort | GAOMei-na(郜美娜) |
| collection | DOAJ |
| description | 水利水电工程决策具有多目标、多层次、多影响因素的特点.针对现有正常蓄水位方案形成过程的不足，建立了基于GIS辅助分析、从蓄水位限值确定到获取方案指标、从方案形成到各方案比选的一整套流程方法.为解决正常蓄水位方案优选的非线性问题，避免综合优选模型中依靠主观经验赋权的人为因素影响，提出将多子群遗传神经网络模型应用于正常蓄水位方案优选.该方法有效减少了人为主观因素的影响，提高了指标权重确定的客观程度，为正常蓄水位方案的优选提供了新思路和解决办法. |
| first_indexed | 2024-04-24T16:56:15Z |
| format | Article |
| id | doaj.art-bc4677a7ebd44ede89890435f84a3544 |
| institution | Directory Open Access Journal |
| issn | 1008-9497 |
| language | zho |
| last_indexed | 2024-04-24T16:56:15Z |
| publishDate | 2013-11-01 |
| publisher | Zhejiang University Press |
| record_format | Article |
| series | Zhejiang Daxue xuebao. Lixue ban |
| spelling | doaj.art-bc4677a7ebd44ede89890435f84a35442024-03-29T01:58:32ZzhoZhejiang University PressZhejiang Daxue xuebao. Lixue ban1008-94972013-11-0140671071510.3785/j.issn.1008-9497.2013.06.019Normal water level scheme optimization based on GIS and multi-population genetic neural network model(基于GIS与多子群遗传神经网络模型的水位方案优选)GAOMei-na(郜美娜)0YANJun(严俊)1LIURen-yi(刘仁义)2ZHANGFeng(张丰)3 1. Zhejiang Provincial Key Lab of GIS, Zhejiang University, Hangzhou 310028, China( 1.浙江大学 浙江省资源与环境信息系统重点实验室，浙江 杭州 310028) 2. Zhejiang Province Ocean Monitoring Forecasting Center, Hangzhou 310007, China( 2.浙江省海洋监测预报中心，浙江 杭州 310007) 3. Department of Geographic Information Science, Zhejiang University, Hangzhou 310027, China( 3.浙江大学 地理信息科学研究所，浙江 杭州 310027) 1. Zhejiang Provincial Key Lab of GIS, Zhejiang University, Hangzhou 310028, China( 1.浙江大学 浙江省资源与环境信息系统重点实验室，浙江 杭州 310028)水利水电工程决策具有多目标、多层次、多影响因素的特点.针对现有正常蓄水位方案形成过程的不足，建立了基于GIS辅助分析、从蓄水位限值确定到获取方案指标、从方案形成到各方案比选的一整套流程方法.为解决正常蓄水位方案优选的非线性问题，避免综合优选模型中依靠主观经验赋权的人为因素影响，提出将多子群遗传神经网络模型应用于正常蓄水位方案优选.该方法有效减少了人为主观因素的影响，提高了指标权重确定的客观程度，为正常蓄水位方案的优选提供了新思路和解决办法.https://doi.org/10.3785/j.issn.1008-9497.2013.06.019正常蓄水位gis神经网络基因遗传算法 |
| spellingShingle | GAOMei-na(郜美娜) YANJun(严俊) LIURen-yi(刘仁义) ZHANGFeng(张丰) Normal water level scheme optimization based on GIS and multi-population genetic neural network model(基于GIS与多子群遗传神经网络模型的水位方案优选) Zhejiang Daxue xuebao. Lixue ban 正常蓄水位 gis 神经网络 基因遗传算法 |
| title | Normal water level scheme optimization based on GIS and multi-population genetic neural network model(基于GIS与多子群遗传神经网络模型的水位方案优选) |
| title_full | Normal water level scheme optimization based on GIS and multi-population genetic neural network model(基于GIS与多子群遗传神经网络模型的水位方案优选) |
| title_fullStr | Normal water level scheme optimization based on GIS and multi-population genetic neural network model(基于GIS与多子群遗传神经网络模型的水位方案优选) |
| title_full_unstemmed | Normal water level scheme optimization based on GIS and multi-population genetic neural network model(基于GIS与多子群遗传神经网络模型的水位方案优选) |
| title_short | Normal water level scheme optimization based on GIS and multi-population genetic neural network model(基于GIS与多子群遗传神经网络模型的水位方案优选) |
| title_sort | normal water level scheme optimization based on gis and multi population genetic neural network model 基于gis与多子群遗传神经网络模型的水位方案优选 |
| topic | 正常蓄水位 gis 神经网络 基因遗传算法 |
| url | https://doi.org/10.3785/j.issn.1008-9497.2013.06.019 |
| work_keys_str_mv | AT gaomeinagàoměinà normalwaterlevelschemeoptimizationbasedongisandmultipopulationgeneticneuralnetworkmodeljīyúgisyǔduōziqúnyíchuánshénjīngwǎngluòmóxíngdeshuǐwèifāngànyōuxuǎn AT yanjunyánjùn normalwaterlevelschemeoptimizationbasedongisandmultipopulationgeneticneuralnetworkmodeljīyúgisyǔduōziqúnyíchuánshénjīngwǎngluòmóxíngdeshuǐwèifāngànyōuxuǎn AT liurenyiliúrényì normalwaterlevelschemeoptimizationbasedongisandmultipopulationgeneticneuralnetworkmodeljīyúgisyǔduōziqúnyíchuánshénjīngwǎngluòmóxíngdeshuǐwèifāngànyōuxuǎn AT zhangfengzhāngfēng normalwaterlevelschemeoptimizationbasedongisandmultipopulationgeneticneuralnetworkmodeljīyúgisyǔduōziqúnyíchuánshénjīngwǎngluòmóxíngdeshuǐwèifāngànyōuxuǎn |