为提高水文地质参数求解精度,以2组抽水试验数据为例,引入饥饿搜索(Hunger Games Search,HGS)算法,采用实测降深与模拟降深的离差平方和均值达到最小为目标函数,优化求解泰斯公式导水系数和储水系数,结合评价指标并与多种智能优化算法...为提高水文地质参数求解精度,以2组抽水试验数据为例,引入饥饿搜索(Hunger Games Search,HGS)算法,采用实测降深与模拟降深的离差平方和均值达到最小为目标函数,优化求解泰斯公式导水系数和储水系数,结合评价指标并与多种智能优化算法如黄金正弦算法(Golden Sine Algorithm,Gold-SA)、天鹰优化算法(Aquila Optimizer,AO)、鲸鱼优化算法(Whale Optimization Algorithm,WOA)以及阿基米德算法(Archimedes optimization algorithm,AOA)5种算法的计算结果进行比较。结果表明:HGS算法在地下水参数反演中表现出较好的全局寻优能力和稳健性;相比而言,HGS算法不仅反演精度最高,而且评价指标误差值最小,纳什效率系数值最接近1,综合性能最佳。因此,引入的HGS算法可以有效地提高水文地质参数求解精度的问题,为地下水参数反演提供了一种新的求解方法。展开更多
为快速、准确识别水稻褐斑病图像,提出一种改进的THGS-ResNet-18识别模型。首先,应用Tent混沌映射改进饥饿游戏搜索(Hunger game search,HGS)算法,解决HGS算法种群初始化随机性过大的问题;其次,应用改进后的HGS算法优化ResNet-18模型的...为快速、准确识别水稻褐斑病图像,提出一种改进的THGS-ResNet-18识别模型。首先,应用Tent混沌映射改进饥饿游戏搜索(Hunger game search,HGS)算法,解决HGS算法种群初始化随机性过大的问题;其次,应用改进后的HGS算法优化ResNet-18模型的超参数;最后,应用改进模型THGS-ResNet-18针对5064张水稻叶片图像进行识别,且与经过其他4个群体智能算法优化的ResNet-18模型的7个评价指标进行了比较。实验表明,相较于其他4种算法,本文所提算法优化模型的准确率提升了5.22~6.09百分点,敏感性提升了3.53~5.31百分点,特异性提升了7.38百分点,精度提升了6.95~7.13百分点,召回率提升了3.53~5.31百分点,F-measure提升了5.22~6.20百分点,G-mean提升了5.24~6.13百分点。展开更多
文摘为提高水文地质参数求解精度,以2组抽水试验数据为例,引入饥饿搜索(Hunger Games Search,HGS)算法,采用实测降深与模拟降深的离差平方和均值达到最小为目标函数,优化求解泰斯公式导水系数和储水系数,结合评价指标并与多种智能优化算法如黄金正弦算法(Golden Sine Algorithm,Gold-SA)、天鹰优化算法(Aquila Optimizer,AO)、鲸鱼优化算法(Whale Optimization Algorithm,WOA)以及阿基米德算法(Archimedes optimization algorithm,AOA)5种算法的计算结果进行比较。结果表明:HGS算法在地下水参数反演中表现出较好的全局寻优能力和稳健性;相比而言,HGS算法不仅反演精度最高,而且评价指标误差值最小,纳什效率系数值最接近1,综合性能最佳。因此,引入的HGS算法可以有效地提高水文地质参数求解精度的问题,为地下水参数反演提供了一种新的求解方法。
文摘为快速、准确识别水稻褐斑病图像,提出一种改进的THGS-ResNet-18识别模型。首先,应用Tent混沌映射改进饥饿游戏搜索(Hunger game search,HGS)算法,解决HGS算法种群初始化随机性过大的问题;其次,应用改进后的HGS算法优化ResNet-18模型的超参数;最后,应用改进模型THGS-ResNet-18针对5064张水稻叶片图像进行识别,且与经过其他4个群体智能算法优化的ResNet-18模型的7个评价指标进行了比较。实验表明,相较于其他4种算法,本文所提算法优化模型的准确率提升了5.22~6.09百分点,敏感性提升了3.53~5.31百分点,特异性提升了7.38百分点,精度提升了6.95~7.13百分点,召回率提升了3.53~5.31百分点,F-measure提升了5.22~6.20百分点,G-mean提升了5.24~6.13百分点。
