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。     

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.     

粒子群优化算法在确定河流水质参数中的应用

将粒子群优化(PSO)算法应用于求解分析瞬时投放示踪剂情况下的一维河流水团示踪试验数据,以及确定河流水质参数的函数优化问题。分别就粒子数目和待估水质参数的初始取值范围对算法运算过程的影响进行了数值实验。结果表明:①PSO算法能够有效地应用于求解分析河流水质试验数据,确定水质参数的函数优化问题;②粒子数目的多少对迭代次数、运算时间和算法是否收敛有一定的影响,在粒子数目较大的情况下,可以保证运算过程收敛;③待估参数初始猜测值的选取范围对迭代次数也有一定的影响,选取范围越大,需要的迭代次数越多。最后,指出了需要进一步研究的问题。     

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。     

河流水质模型参数估计的逐次迭代算法

本文基于逐步最优化原理,提出了Streeter-Phelps模型参数估计的新算法——逐步最优算法。该方法是一种较有效的计算方法,单调收敛,可获得全局最优解,并且不受初始值影响。另外,该方法具有计算简单、快捷的优点。文中给出了实例计算及与其它方法相比较的结果。     

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。     

河流水质模型研究概述

阐述了研究河流水质的意义,对国内外河流水质模型研究进行了概述,在此基础上,探讨了今后河流水质的研究方向。     

确定河流水质参数的抛物方程近似拟和法

提出了一种新的分析瞬时投放示踪剂条件下的一维河流水团示踪试验数据,进而确定河流水质参数的方法.该方法利用抛物方程拟和t1/2c t曲线的峰部区域,推导出利用曲线上3点坐标值计算该抛物方程的极大值和对应时间的公式,利用该时间公式建立计算河流断面平均流速的公式.在此基础上,对浓度时间数据进行转换,推导出计算河流纵向弥散系数和综合排放参数的计算公式.理论推导和算例表明,抛物方程近似拟和法具有对试验数据组数的要求不高、计算过程比较简单和同时能够计算3个水质参数等优点.     

利用单纯形-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。     

河流水质参数估计的蒙特卡罗方法

考虑到水环境系统的不确定性,把河流水质观测数据和水质模型参数都作为随机变量来处理。采用贝叶斯方法计算出模型参数的后验概率密度函数,通过蒙特卡罗方法对其进行采样来获得参数的估计值。最后通过对一个实际河道的水质模型参数进行了估计,取得了较好的效果,可为进一步使用水质模型预测河流浓度分布提供依据。     

遗传算法在水质模型参数率定中的应用

本文探讨了遗传算法在水质模型参数率定过程中的应用,以堆龙河(西藏羊八井电厂尾水注入)为例,说明了遗传算法在数值优化中具有简单易行、高效性及普遍适用性的优势。实际应用表明,用遗传算法率定的水质模型参数的结果比较令人满意。     

松花江水质模型简介

在松花江洪水管理系统项目基础上,引进丹麦DHI公司技术开发了松花江水质模型.利用已建立的松花江流域的降雨径流模型,为河流模型提供径流量和面源负荷量的估算,完成松花江流域河流水动力学模型和传输、扩散模型的率定,为政府部门启动相应的应急预案提供科学的决策依据.     

水文模型参数优选遗传算法的应用

本文对遗传算法进行了详细地分析,建立了实编码单纯形混合加速遗传算法,并将其与二进制加速遗传算法、实编码加速遗传算法、单纯形法、模式搜索法进行了比较。数值模拟和新安江模型的实例应用表明,二进制加速遗传算法、实编码加速遗传算法、混合加速遗传算法的全局优化性能比单纯形法和模式搜索法好,而其中混合加速遗传算法不仅有较好的全局优化性能和稳定性,而且在调用目标函数的次数相同的情况下,精度较高。     

POS优化算法在SWAT模型参数优化中的应用

当前,分布式水文模型SWAT模型在国内水文模拟中应用较为广泛,但模型参数较多,人工经验设定参数存在工作量较为繁杂,且模拟精度不高的缺陷,为此本文引入POS优化算法,对SWAT模型参数进行批量优化,并以汤河西支流域为研究区域,结合区域实测水文数据,对比分析参数优化前后,对SWAT模型模拟精度的影响。研究结果表明： POS优化算法可实现SWAT模型参数的批量优化,相比参数优化前,参数优化后SWAT模型模拟径流深相对误差减少5.7%,流量过程拟合系数提高0.118。研究成果对于水文模型参数优化和自动率定提供参考价值。