利用单纯形2粒子群混合算法确定越流含水层参数

针对粒子群优化算法后期存在的收敛速度慢、早熟、易陷入局部极小等问题,将局部搜索能力强的单纯形算法和粒子群算法结合,构造单纯形-粒子群混合算法。以第一类越流系统情况下的非稳定井流问题的解析解为基础,将单纯形-粒子群混合算法应用于分析抽水试验数据,计算含水层参数的问题。数值实验结果表明：单纯形-粒子群混合算法能有效地应用于分析抽水试验数据,确定含水层参数,且具有局部搜索能力强、运算速度快和计算精度高等优点。     

粒子群优化算法在确定越流含水层参数中的应用

以第1类越流系统含水层中的非稳定流井流问题的解析解为基础,将粒子群优化算法应用于分析抽水试验数据、解决确定含水层参数的问题中,并就学习因子c1,c2及惯性权重系数ω等算法控制参数对算法搜索能力的影响进行数值试验。结果表明:①粒子群优化算法能够有效地应用于分析抽水试验数据、确定第1类越流系统的含水层参数,且结果精度不易受人为影响;②c1,c2和ω综合影响粒子群的搜索能力,当c1=c2=2.0,ω由0.9随迭代次数线性递减至0.4时,有利于粒子在个体极值和全局极值周围几率均衡地搜索,并有利于保持粒子的搜索能力。     

利用单纯形-粒子群算法识别二维河流水质参数

将单纯形-粒子群混合算法应用于分析二维河流横向扩散情况下的水团示踪试验数据,估计河流的横向扩散系数、断面平均流速和污水排放位置。数值试验结果表明:(1)加速因子c_1,c_2和参数初值取值范围综合影响粒子的搜索能力,当加速因子c_1=c_2=1.72时,有利于保持粒子的搜索能力;(2)在同样的条件下,混合算法的时间性能指标值小于单一的粒子群优化算法;(3)参数初值的取值范围对混合算法收敛性几乎没有影响;(4)混合算法可以有效地应用于河流水质数学模型参数识别问题。混合算法能改善粒子群算法在迭代后期出现的收敛速度慢、早熟的不足,是分析河流水质模型参数的一种有效方法。     

改进粒子群算法在确定含水层参数中的应用

通过分析抽水试验数据,为估计含水层参数提供新的方法。在粒子多样性方面对粒子群算法进行改进,提高了算法的收敛速度和精度。将改进的粒子群优化算法应用到含水层参数估计中,计算结果与其他方法进行对比,并对不同初始值范围下参数估计值进行分析探讨。结果表明:改进粒子群算法估计结果相对误差(7.3%和4.5%)小于其他方法,且目标函数值相对更小,达到0.335×10~(-5);对于不同初始参数范围,利用此算法均能达到满意结果且寻优率高。基于抽水试验数据估计含水层参数的改进粒子群优化算法计算结果有效且可靠,算法收敛速度快,寻优能力强,稳定性好。     

确定越流含水层参数的混沌序列优化算法

将混沌序列优化算法应用在第一类越流系统含水层非稳定流井流问题上,进行抽水试验数据的分析、含水层参数的求解,并就算法的搜索能力和结果与给定含水层各参数取值范围的关系进行探讨。结果表明:(1)求解越流条件下含水层参数的计算问题能用混沌序列优化算法得到很好的解决;(2)除越流因数上限取值会降低越流因数搜索结果的准确性外,储水系数、导水系数、越流因数上限取值对算法的搜索能力和搜索结果没有太明显的影响。相较于其他方法,混沌序列优化算法易于编程、运算简单、运算结果不被人为因素干扰等特点更为突出。     

混沌粒子群优化算法在确定含水层参数中的应用

以泰斯公式为例,将混沌粒子群优化算法应用于求解分析抽水试验数据,解决含水层参数的函数优化问题.通过在粒子群算法的初始化粒子位置及后续的细搜索过程中加入混沌序列,提高了算法的收敛速度和精度.数值实验结果表明:混沌粒子群算法能够有效地应用于求解含水层参数计算问题;粒子数的增多对混沌粒子群算法收敛性的影响不明显;待估导水系数选取不同的倍数均体现出混沌粒子群算法的收敛性明显优于粒子群优化算法.混沌粒子群算法应用于确定含水层参数是可行的.     

RAGA优化确定有越流补给承压含水层的水文地质参数浅议

文章以有越流补给的承压水完整井流理论为基础,通过对有越流补给的承压水完整井流模型解析解的数值计算分析,界定了其井函数w（u,r／B）数值计算的近似积分范围,并且利用随机搜索寻优特性的实数编码加速遗传算法（PLAGA）和复合高斯求积法优化确定有越流补给的承压含水层的水文地质参数。以计算实例表明,RAGA法可以取得较好的求参效果,并且与配线法、拐点图解法等传统方法比较,方法简单,充分利用了实测时间-降深数据,可以避免人工配线和图解的人为因素影响,简化了参数确定过程。     

确定含水层参数的单纯形-混沌优化算法

以无限含水层和有直线隔水边界情况下的解析解为基础,将单纯形一混沌优化算法应用于分析抽水试验数据,求解含水层参数函数优化问题。针对混沌优化算法收敛速度较慢的缺点,文中将单纯形算法和混沌优化算法结合,构造了单纯形一混沌优化算法。数值实验结果表明：单纯形一混沌优化算法可有效地应用于求解含水层参数函数优化问题;待估参数初始取值范围对单纯形一混沌优化算法的收敛速度有一定的影响,但不会影响该算法最终的收敛性;与混沌优化算法相比较,单纯形一混沌优化算法具有收敛速度快和结果精度高的优点。     

利用GA-SA混合优化算法求解含水层参数

针对模拟退火算法串行优化能力差的问题,将具有并行搜索能力的遗传算法,用于引入到模拟退火算法中,并将两者结合组成遗传模拟退火算法,用于求解含水层参数反演的优化问题.遗传模拟退火算法充分发挥了遗传算法和模拟退火算法的优点,是一种优化能力更强、更高效、可靠性较高的优化方法.实际算例表明,遗传模拟退火算法用于含水层参数反演是可行的.     

基于单纯形微粒群优化算法Jensen模型参数求解

提出了基于单纯形微粒群优化算法（SMPSO）直接求解作物水分生产函数Jensen模型参数的方法。通过计算分析,用传统方法计算而得Jensen模型的相对产量与实际相对产量的相关指数为0．825,而用SMPSO（PSO）计算而得的相关指数为0．932;SMPSO寻优仅需要0．3973s,而PSO需要1．0783s。     

Improved particle swarm optimization algorithm for multi-reservoir system operation

In this paper, a hybrid improved particle swarm optimization (IPSO) algorithm isproposed for the optimization of hydroelectric power scheduling in multi-reservoir systems. The conventional particle swarm optimization (PSO) algorithm is improved in two ways: (1) The linearly decreasing inertia weight coefficient (LDIWC) is replaced by a self-adaptive exponential inertia weight coefficient (SEIWC), which could make the PSO algorithm more balanceable and more effective in both global and local searches. (2) The crossover and mutation idea inspired by the genetic algorithm (GA) is imported into the particle updating method to enhance the diversity of populations. The potential ability of IPSO in nonlinear numerical function optimization was first tested with three classical benchmark functions. Then, a long-term multi-reservoir system operation model based on IPSO was designed and a case study was carried out in the Minjiang Basin in China,where there is a power system consisting of 26 hydroelectric power plants. The scheduling results of the IPSO algorithm were found to outperform PSO and to be comparable with the results of the dynamic programming successive approximation (DPSA) algorithm.     

用模拟退火算法估计水质模型参数

本文采用BOD-DO耦合模型模拟水质。在获取参数最优化值时采用BOD和DO耦合模型计算值与实测值之差的加权平方和作为目标函数，将模拟退火算法(Simulated Annealing, SA)应用到多河段水质模型的多参数的同时估值中。采用30次重复估值试验，并记录所有试验中最优估计值的最大值和最小值，所得到的各河段BOD衰减系数的最优估值与真值的误差和河水复氧系数的最优估值与真值的误差均在允许范围内。说明了方法的可靠性。     

改进的粒子群算法在水库优化调度中应用

针对水库优化调度中存在的规模庞大、结构复杂,涉及大量的决策变量和复杂的约束条件,呈现出高维度、非线性、强约束特性,传统的优化方法难以直接求解或者计算效率低,存在早熟等问题。为了提高粒子群算法全局搜索能力和收敛性能,把下山搜索策略引入到粒子群智能算法中,提出了改进的粒子群算法。函数测试证明该方法改进了算法的鲁棒性,提高了算法求解效率。上述优化算法应用于水库优化调度模型求解中,计算结果表明:该方法易于实现,求解效率高,为水库优化调度模型求解提供了新的途径。     

ES-MDA算法融合ERT数据联合反演 地下水污染源与含水层参数

针对未知的污染场地,为了准确估计污染物运移模型的参数,提出一种基于多重数据同化集合平滑器(ensemble smoother with multiple data assimilation,ES-MDA)算法的地下水模型参数反演方法,通过融合由高密度电阻率（electrical resistance tomography,ERT）法采集的ERT观测数据,实现对污染源源强和渗透系数场的联合反演。以此为基础设计3组数值算例,比较不同类型观测数据对反演精度的影响。研究结果表明：融合ERT数据的ES-MDA算法对模型参数的反演精度更高,并且将ERT数据和传统的质量浓度与水头观测数据相结合,能进一步优化反演结果。