水质多参数辩识与反演算法

本文应用系统理论，建立了水质多参数输入输出之间的响应关系；根据河流水文水质变化特点和参数反问题的需求，建立了水质常微分方程多参数反问题模型。根据常微分方程参数反问题的数学理论，作者给出了两参数和多参数水质常微分方程反问题的解的存在性、唯一性的理论证明过程和结论；还针对水质现有监测资料的测验误差和插值近似计算误差造成参数反问题的不稳定性，将三次样条插值函数、超定方程最小二乘法和正则化算法有机地结合使用，成功地给出了水质参数反问题的稳定化算法。最后给出了应用计算结果。     

水质多参数辨识与反演算法

本文应用系统理论，建立了水质多参数输入输出之间的响应关系；根据河不文水质变化特点和参数反问题的需求，建立了水质常微分方程多参数反问题模型。     

Dobbins模型参数识别反问题的导数-正则化方法

Dobbins模型是水质模拟和水质规划中经常使用的BOD-DO耦合模型。本文即以此模型为基础，依据数学物理反问题理论，构造了BOD-DO耦合模型有关分布参数的反演问题。并与复合形优选方法进行对比，证明了本文提出的水质参数FR反演辨识方法的有效性和避免多参数时维灾问题，为水环境参数提供了新的方法和思路。     

河网地区水环境规划中的污染源控制方法

河网地区不同环境功能的水体，具有不同的水质要求。在进行水环境规划时，需据此水质要求确定各污染源的允许排放量。本文从反问题的角度，构造了带约束条件的污染源项控制反问题，并给出在满足水质约束情况下，求解污染源项的方法。     

对流－扩散方程反问题的控制论求解方法

本文从控制论角度将对流－扩散方程反问题提为分布参数系统的最优控制问题，并提出用计算机辅助优化法实现求解。针对环境工程中的污染排放控制问题，应用计算机辅助优化法分别求解了二维非恒定河道边界及源项控制反问题。计算结果表明，计算机辅助优化法对求解对流－扩散方程反问题是行之有效的；应用于污染排放控制计算，可基本解决多个或单个污染源反演问题；与现有的反问题求解方法相比，其优点是求解过程简单、通用性好，因而在环境水力学领域具有较大的实用价值     

对流-扩散方程源项识别反问题的MCMC方法

给出了利用马尔科夫链蒙特卡罗(MCMC)方法求解对流-扩散方程源项识别反问题的一种新方法。该方法把源项识别反问题视为贝叶斯估计问题,然后用MCMC法求解。首先利用贝叶斯公式,导出了多点源中源强和位置等未知参数分布规律的后验概率密度函数;接着以后验概率分布为目标分布采用自适应Metropolis算法构造Markov链;然后截取收敛的链序列,利用后验均值方法估计出源项中的未知参数。数值试验结果表明,该方法具有精度高,收敛速度快且易于计算机实现等优点。     

基于可变容差法碾压混凝土坝温度场反分析研究

大体积混凝土温度计算模型和热学参数的准确性直接影响温度场仿真计算的成败,而精确地进行温度计算所需的一些材料参数往往不易直接测得,需要根据一些易测得的量进行反求。基于三维瞬态温度场有限元求解理论与反问题理论,建立了混凝土三维瞬态温度场反问题求解数值模型。运用可变容差法寻求非线性反演问题全局最优解,只需要若干点的温度实测值便可实现混凝土多个热学参数如绝热温升、导温系数及表面放热系数等的同时反演,算例对该反演方法的反演精度及数值稳定性给出了满意的证明。     

基于演化程序的混凝土徐变参数识别

  根据演化程序的思想,提供了辨识混凝土徐变模型参数的一种新方法,即将徐变计算公式中的参数识别问题转化成一个优化问题用演化程序求解。利用演化程序特点,染色体采用实数表达方式,从多个初始点开始并行寻优,遗传过程包含了非均匀变异、算术杂交和简单杂交算子,避免算法过早收敛于局域最优,使优化的效率得到提高。据此编制程序对实际工程混凝土徐变试验数据进行参数辨识,结果表明该方法所得参数与试验值吻合较好,其精度高于用传统优化方法所得的结果,且收敛速度快、编程简单、易于实现,适合处理类似混凝土徐变等复杂问题的试验数据拟合,特别是多参数的辨识。     

基于MCMC的新安江模型参数不确定性分析及应用

针对新安江模型参数不确定性分析过程中出现的参数多、收敛慢、计算负担重等问题，提出基于MCMC方法的新安江模型参数不确定性分析，该方法通过Markov链MonteCarlo抽样方法求解得到模型各参数后验分布，显著提高了算法的计算速度和求解质量。参数后验分布结果为区间预报提供了条件，实例研究表明，以该结果进行不确定预报是可行的。     

对流-扩散方程源项识别反问题的遗传算法

给出了利用遗传算法求解对流一扩散方程源项识别反问题的一种新方法。该方法把源项反问题转化为优化问题，用遗传算法求解。它的特点在于：从多个初始点开始寻优．并借助交叉，变异算子来获得全局最优解。实例模拟结果表明，该方法具有精度高，收敛速度快且易于计算机实现等特点。     

飞蛾火焰优化算法在承压含水层参数反演中的应用

通过10个典型低维函数对一种新型群体智能仿生算法——飞蛾火焰优化(MFO)算法进行仿真验证,并与粒子群优化(PSO)算法的寻优结果进行对比。以无界井流问题及直线隔水边界附近井流问题的解析解为基础,将MFO算法应用于分析抽水试验数据,进行反演承压含水层参数,并以2个实例对MFO算法进行验证。结果表明:MFO算法在低维函数极值寻优问题上具有较好的收敛精度和全局寻优能力,寻优精度较PSO算法提高了7个数量级以上。MFO算法对2个实例的反演精度较文献改进SA算法等提高了56.5%以上,具有较好的稳健性能、收敛速度和全局寻优能力。利用MFO算法对承压含水层参数进行反演,可获得比相关文献更高的反演精度,不但为精确估计承压含水层参数提供了有效方法,而且拓展了MFO算法在地下水模型参数反演中的应用,具有良好的应用价值和前景。     

混合蜂群算法及其在混凝土坝动力参数反演中的应用

介绍了一种新颖的群集智能优化算法—人工蜂群算法(ABCA)，同时为提高算法的搜索效率，在ABCA算法中引入Nelder-Mead单纯形算子，提出了一种用于材料参数反演分析的混合单纯形人工蜂群算法。将所提出的算法用于混凝土重力坝动力材料参数识别问题，建立了基于不完全模态测试数据动力材料参数识别的优化反演模型。算例分析表明，混合算法融合了两种算法的优点，具有收敛速度快、识别精度高等特点，是一种高效的系统优化和参数识别方法。     

基于多目标遗传算法的水资源优化配置

文章基于进化计算思想提出了水资源优化配置的多目标遗传算法,建立了基于并列选择多目标遗传算法的水资源优化配置模型.并结合实例分析,求出水资源优化配置问题的Pareto最优解.优化结果表明,该算法应用在水资源优化配置中是合理、有效的.     

基于和声搜索算法的地下水污染源与未知含水层参数的同步反演研究

地下水污染源反演问题和含水层参数反演问题都是典型的地下水逆问题。在未知含水层参数(渗透系数、弥散度等)等先决信息的情况下进行地下水污染源反演计算时,需要根据已有的监测数据(水位和浓度等)对地下水污染源和未知含水层参数进行同步反演。在同步反演优化问题中,决策变量包括污染源位置、强度以及待求的含水层参数。论文首先介绍同步反演模型的框架组成(包括污染物迁移模型和反演优化模型),然后在对已有的各种和声搜索改进算法进行研究的基础上结合同步反演模型提出一种改进的和声搜索算法,最后将同步反演模型和改进的和声搜索算法应用于具体的算例研究。研究表明,改进的和声搜索算法具有算法稳定高效、求解精度高等特点,能够广泛应用于复杂的地下水污染源和含水层参数反演问题。     

用改进的遗传算法反演地下水数值模型参数

在简单的遗传算法的基础上，结合优体克隆操作、子体优生操作和多代调环操作，提出了一种综合改进的遗传算法，并以非均质各向同性承压二维非稳定流动为算例，以有限元法讨论了用遗传算法反演地下水数值模型参数的过程。计算结果表明，综合改进的遗传算法进行参数识别时，具有收敛速度快、解的精度高和避免出现早熟等优点，可用于地下水渗流和水资源评价计算中。     

遗传单纯形混合算法在复杂环境模型参数识别中的应用

参数识别是数学模型应用的一个重要环节。为提高复杂环境模型参数识别的性能和效率，引入了遗传单纯形法(GASM)，该方法融合了遗传算法和单纯形法两类算法的不同搜索机制，具有很强的广度搜索和深度搜索能力。本研究以密云水库水质模拟为例，将GASM算法应用于模拟地表水水质的WASP模型中10个参数的优化识别。计算结果表明，无论是没有扰动的情况还是有扰动的情况，GASM算法均高效可靠地搜索到水质模型参数的全局最优解，说明此方法应用于复杂环境模型参数搜索是可行的实用的。同时，通过不同算法的比较也说明了GASM算法在搜索性能和效率方面的优越性。     

混沌差分算法在确定河流水质模型参数中的应用

将混沌寻优思想引入到差分优化算法形成混沌差分算法,并将其应用于确定河流水质模型参数的函数优化问题.数值实验结果表明:应用混沌差分算法求解此参数问题无论是在精度还是时间上都优于差分优化算法.它将混沌寻优的遍历性和随机性思想引入到差分优化算法中,在每次差分进化寻得的最优位置附近进行混沌细搜索,并配合特殊的迭代终止准则进行寻优.其明显缩短了混沌搜索计算时间和克服了差分优化算法后期早熟的缺陷,提高模型求解的收敛速度和精度.     

Evolving Effective Hydraulic Model for Municipal Water Systems

Constructing a robust hydraulic network model is vitally important, but a time-consuming task. Over last two decades, several approaches using optimization techniques have been developed for identifying model parameters. Although most of the methods can make the model agree with field observations, few are able to achieve a good level of accuracy in terms of determining the correct model parameters for a water distribution system. The previously developed methods appear to be lacking versatility for users to specify calibration tasks given real data for a real system. This paper proposes a comprehensive framework for evolving a hydraulic network model. Calibration tasks can be specified according to data availability and model application requirements. It allows an engineer to (1) flexibly choose any combination of the model parameters such as pipe roughness, junction demand and link (pipes, valves and pumps) operational status; (2) easily aggregate model parameters to reduce the problem dimension for expeditious calculation and (3) consistently specify boundary conditions and junction demand loadings that are corresponding to field data collection. A model calibration is then defined as an implicit nonlinear optimization problem, which is solved by employing a competent evolutionary algorithm. With this methodology, a modeler can be fully assisted to carry out not only a single parameter optimization run, but also a variety of calibration tasks in a progressive manner according to practical system conditions, thus it is possible to achieve a good model calibration with high level of confidence. The method has been applied to the model of a municipal water system to demonstrate the efficacy and robustness of the evolutionary modeling practices.