粒子群算法参数设置对新安江模型模拟结果的影响研究

合理的粒子群算法(Particle Swarm Optimization Algorithm,PSO)的参数设置,可以提高算法的优化效率、避免陷入局部最优值,但常用参数设置对于特定优化问题,如新安江模型模拟,不具普适性。为分析种群规模pop、惯性权重w、学习因子c1和c2以及速度位置相关系数m这5个粒子群参数对新安江模型模拟结果的影响,对每个参数取5个不同水平,应用L25(56)正交表,设计了正交试验。通过对试验结果进行分析,得出了参数对PSO算法性能的影响能力和最优的参数组合方案(pop=80,w=1.3~0.4线性递减,c1=1.85,c2=2.5,m=0.05)。通过极差分析和方差分析,得出参数pop和w对模型模拟结果具有高显著性,其他三个参数对模型模拟结果不显著。将不同PSO参数组合应用于新安江模型模拟,证明了合理的PSO算法参数设置可以有效提高新安江模型模拟精度。通过对各因素分别进行趋势分析,得到了因素取值变化趋势与模型结果变化趋势的相关关系。本文提出的方法为如何寻找某一特定应用情景下的PSO算法参数组合提供了一种借鉴。     

高光谱成像技术在充胶处理宝石鉴定中的应用——以翡翠和绿松石为例

20世纪80年代,一种传统影像学和光谱学结合形成的新型技术——高光谱成像技术开始兴起并迅速发展,使用高光谱成像测试仪可以得到集图像数据和光谱数据于一体的三维数据信息,而该项技术在宝石学方面还未得到广泛应用。目前主要依赖红外光谱对经充胶处理的宝石进行无损检测,其测试结果会受到样品表面抛光程度及样品透明度的影响,同时,对胶物质分布及充胶程度较难得知。高光谱成像技术对样品抛光程度及透明度要求不高,在一定程度上能避免红外光谱由于抛光程度、透明度对测试结果的影响,且能得知充胶物质分布及充胶程度。采用小型高光成像仪对充胶翡翠、有机充胶绿松石和天然翡翠、绿松石进行测试,并将结果用ENVI软件进行处理。结果显示,1 000～2 500 nm(近红外波段)翡翠和绿松石样品的成像光谱信息,其中翡翠充胶处理样品出现1 733、2 208、2 313 nm处的吸收,绿松石充胶样品在2 000～2 300 nm范围多吸收峰特征可与天然绿松石区别,推测其中1 733 nm处的吸收为有机胶所致。高光谱成像光谱测试结果经ENVI软件处理,得到充胶分布和充胶程度图。     

基于 EnKF 的新安江模型参数和变量同步估计方法

数据同化方法可提高数值预报的时效性和准确性,且该方法已在水文领域得到应用,并得到快速发展。为了提高新安江模型径流模拟预报精度,采用集合卡尔曼滤波方法同化径流数据,对参数和状态变量进行同步校正估计。通过对三水源新安江模型进行理想条件下的数值实验,在同时考虑模型自身、模型参数以及观测数据的不确定性的情况下,分析了参数均值和方差改变、集合大小、同化参数的敏感性以及相关性分析对同化过程的影响。结果表明:集合卡尔曼滤波算法具有可行性,且参数均值越接近真值、方差适当增加,集合大小适中,同化参数敏感性较低以及参数与变量间相互独立时,能在一定程度上增加径流同化精度。该研究可为同类型参数同化估计提供一定参考依据。