物理化学与生物物理学杂志
开放获取

抽象的

使用 GIS、遗传和 PSO（粒子群优化）算法优化土地平整能耗

伊沙姆·阿尔祖布

准备土壤最重要的步骤之一是平整土地。用机器平整土地需要大量能源。为了提高计算的准确性，将从测绘中收集的点高（50 m × 50 m）插入到GIS环境中。其余的未知坐标通过插值法获得，并使用三角网络模型（TIN）来确定土方工程的准确体积。各方法均计算了平整板、开挖、路堤体积的方程以及平整、开挖、路堤分离后的地表图以及机械功率、燃料、人力等能耗，并对不同方法进行了比较。结果表明，基于最小最小二乘法、遗传算法、线性算法优化粒子运动，粒子运动曲线算法分别等于1.26、1.14、1.12和1.16。另一方面，结果表明，相对于最小二乘法，粒子运动曲线算法的方法在整平操作中的能耗降低了45%。遗传算法可降低42%的能耗。在遗传算法方法所使用的模型中，模型1估计出最大部分的能源消耗与燃料相关（高达71.83%），最低部分的能源消耗与人力相关（高达71.83%）。至 0.38%）。因此，本研究推荐板曲线遗传算法模型作为最佳模型 粒子运动曲线算法分别等于1.26、1.14、1.12和1.16。另一方面，结果表明，相对于最小二乘法，粒子运动曲线算法的方法在整平操作中的能耗降低了45%。遗传算法可降低42%的能耗。在遗传算法方法所使用的模型中，模型1估计出最大部分的能源消耗与燃料相关（高达71.83%），最低部分的能源消耗与人力相关（高达71.83%）。至 0.38%）。因此，本研究推荐板曲线遗传算法模型作为最佳模型 粒子运动曲线算法分别等于1.26、1.14、1.12和1.16。另一方面，结果表明，相对于最小二乘法，粒子运动曲线算法的方法在整平操作中的能耗降低了45%。遗传算法可降低42%的能耗。在遗传算法方法所使用的模型中，模型1估计出最大部分的能源消耗与燃料相关（高达71.83%），最低部分的能源消耗与人力相关（高达71.83%）。至 0.38%）。因此，本研究推荐板曲线遗传算法模型作为最佳模型 另一方面，结果表明，相对于最小二乘法，粒子运动曲线算法的方法在整平操作中的能耗降低了45%。遗传算法可降低42%的能耗。在遗传算法方法所使用的模型中，模型1估计出最大部分的能源消耗与燃料相关（高达71.83%），最低部分的能源消耗与人力相关（高达71.83%）。至 0.38%）。因此，本研究推荐板曲线遗传算法模型作为最佳模型 另一方面，结果表明，相对于最小二乘法，粒子运动曲线算法的方法在整平操作中的能耗降低了45%。遗传算法可降低42%的能耗。在遗传算法方法所使用的模型中，模型1估计出最大部分的能源消耗与燃料相关（高达71.83%），最低部分的能源消耗与人力相关（高达71.83%）。至 0.38%）。因此，本研究推荐板曲线遗传算法模型作为最佳模型 结果表明，粒子运动曲线算法的方法相对于最小二乘法在整平作业中能耗降低了45%。遗传算法可降低42%的能耗。在遗传算法方法所使用的模型中，模型1估计出最大部分的能源消耗与燃料相关（高达71.83%），最低部分的能源消耗与人力相关（高达71.83%）。至 0.38%）。因此，本研究推荐板曲线遗传算法模型作为最佳模型 结果表明，粒子运动曲线算法的方法相对于最小二乘法在整平作业中能耗降低了45%。遗传算法可降低42%的能耗。在遗传算法方法所使用的模型中，模型1估计出最大部分的能源消耗与燃料相关（高达71.83%），最低部分的能源消耗与人力相关（高达71.83%）。至 0.38%）。因此，本研究推荐板曲线遗传算法模型作为最佳模型 1 据估计，能源消耗的最大部分与燃料相关（高达 71.83%），最低部分的能源消耗与人力相关（高达 0.38%）。因此，本研究推荐板曲线遗传算法模型作为最佳模型 1 据估计，能源消耗的最大部分与燃料相关（高达 71.83%），最低部分的能源消耗与人力相关（高达 0.38%）。因此，本研究推荐板曲线遗传算法模型作为最佳模型