水文地质参数识别的快速和谐搜索算法

将一种新的启发式和谐搜索算法(harmony search algorithm,HS)引入到水文地质领域。在对其音节调整步骤进行改进的基础上,提出快速和谐搜索算法(Fast harmony search algorithm,FHS),并将FHS算法与MODFLOW结合,用于水文地质问题的参数识别。算例研究表明,FHS算法较其他多种算法具有更强的全局搜索能力、更快的收敛速度及求解精度,可用于地下水数值模型的参数反演。     

水文地质参数反演的Hooke-Jeeves粒子群混合算法

水文地质参数寻优结果的好坏会直接影响到地下水数值模拟的精度,而参数寻优结果很大程度上取决于寻优方法的选择。粒子群算法是一种基于群智能的随机全局寻优方法,算法的缺陷是后期搜索效率低劣。基于随机寻优算法的混合策略,引入有效的约束处理手段和粒子群算法惯性因子的动态非线性调整技术,有机融合粒子群算法与Hooke-Jeeves方法,提出一种适用于水文地质参数反演的HJPSO混合算法。应用研究表明,HJPSO混合算法在参数反演计算中求解精度高、收敛速度快、寻优性能强,是一种值得推广的水文地质参数识别方法。     

用Hooke-Jeeves方法进行水文地质参数寻优的研究

模型验证阶段的水文地质参数调整一直是地下水数值模拟过程中的关键步骤。传统的参数调试方法如试估—校正法既需要大量的时间，又必须凭借经验进行人工干预。这对于本就缺少经验的人来说是无法逾越的难题。因此前人研究了包括单纯形等多种自动优化方法来反求水文地质参数。本文采用的Hooke-Jeeves法是一种算法简单，便于使用的优化方法，它避免了单纯形法必须先形成一系列单纯形顶点及通过形心寻优的麻烦，而是根据误差下降趋势直接寻优获得结果。方法首先将反求水文地质参数问题简化为一无约束优化问题，最终运用Hooke—Jeeves方法对问题进行求解，是一种简单且实用的方法。     

仿生算法在地下水模型反演中的应用现状与展望

求解地下水逆问题是水文地质学研究的重要内容,传统的基于非线性优化技术的求解地下水逆问题的方法存在收敛速度慢,寻优效率低,易陷入局部最优的缺点。基于模仿生物功能和习性而开发的人工神经网络、遗传算法、蚁群算法、粒子群算法、入侵杂草算法、免疫算法、混合蛙跳算法、人工蜂群算法、萤火虫算法、蝙蝠算法、布谷鸟算法和果蝇优化算法、蚊子算法、螳螂算法、人工鱼群算法、捕鱼策略算法等仿生算法具有很强的优化能力和寻优效率。人工神经网络、遗传算法、蚁群算法、粒子群算法等4种仿生算法在求解地下水逆问题的应用实践表明,这些方法可以按较大的概率找到全局最优解,且收敛速度较快。确定适当的目标函数转换形式和算法参数,其它仿生算法也完全可以用于地下水模型反演。从这些算法的理论和已应用于其它领域的实践来看,仿生算法在求解地下水逆问题中具有广阔前景。     

单纯形一模拟退火混合算法反求水文地质参数及其并行求解

本文利用单纯形法局部搜索速度快和模拟退火算法全局寻优的特点，同时为了克服各自算法的弊病，提出采用单纯形一模拟退火混合算法（SMSA）进行水文地质逆问题的求解。论文详细描述了SMSA算法的具体操作算子的实现，并将该算法应用于一个大型水源地的地下水模拟反演。计算结果表明，SMSA算法在水文地质参数反演计算具有求解速度快，精度高的特点，而且易于实现并行运算。     

应用改进并行遗传算法反求水文地质参数研究

利用单纯形法局部搜索速度快和遗传算法全局寻优的特点,同时为了克服两种方法各自的弊病,提出采用混合单纯形技术的并行遗传算法(Hybrid Simplex Parallel Genetic Algorithm,SPGA)进行水文地质逆问题的求解。详细阐述了SPGA算法的具体操作和实现,并将该方法应用于水源地的地下水模拟反演中。计算结果表明,SPGA算法在水文地质参数寻优计算中具有比较好的可靠性和计算效率。     

应用并行PEST算法优化地下水模型参数

基于列文伯格-马夸尔特（Levenberg-Marquardt）算法的PEST参数优化程序具有寻优速度快、健壮性好的优点,在地下水模型参数优化研究中有许多成功的应用实例。但是,对于大尺度、高精度和高复杂性的大规模地下水模拟,使用PEST进行参数优化需要大量的计算时间,优化效率较低。本文应用OpenMP并行编程方法对PEST算法进行了并行化,使之可以在共享存储并行计算机上进行参数优化的并行计算。并将此方法应用于甘肃北山区域地下水模型的参数优化中,并行实验表明,使用并行化的PEST可以将地下水模型参数优化效率提高3.7倍。      

单纯形—模拟退火混合算法反求水文地质参数及其并行求解

本文利用单纯形法局部搜索速度快和模拟退火算法全局寻优的特点,同时为了克服各自算法的弊病,提出采用单纯形—模拟退火混合算法(SMSA)进行水文地质逆问题的求解。论文详细描述了SMSA算法的具体操作算子的实现,并将该算法应用于一个大型水源地的地下水模拟反演。计算结果表明,SMSA算法在水文地质参数反演计算具有求解速度快,精度高的特点,而且易于实现并行运算。     

基于贝叶斯方法的水文地质参数识别

文章基于马尔可夫链(MCMC)采样法,耦合地下水数值模拟的MODFLOW软件,提出了贝叶斯方法,用于水文地质参数识别这一复杂的非线性优化问题。采取单分量自适应Metropolis(SCAM)采样算法并加入了权重因子,从而大大提高了该方法解决高维参数问题的效率。通过两个实例研究,验证了该方法具有独特的寻优性能和效率。结果表明,贝叶斯方法适用于复杂地下水问题的参数识别,并体现出了出色的全局寻优性。     

复合形进化重组方法在水文地质参数识别中的应用

水文地质逆问题和地下水资源管理模型的优化求解一直是水文地质学研究的一个热点.本文将复合形进化重组方法引入求解水文地质逆问题,通过一个测试函数对该方法的优化性能进行了检验,进而将该方法应用于水文地质参数的识别.比较复合形进化重组方法与遗传算法的计算结果表明,复合形进化重组方法具有很强的全局优化能力,是求解水文地质逆问题非...     

共轭梯度法在新井参数设计中的应用

通常情况下,含水层的参数可分别借助于Dupuit和Theis井流公式,在局部地段利用稳定流和非稳定流抽水试验获得.在新井设计阶段,一般是依据现有参照井数据进行线性或非线性插值计算,但插值受插值表的约束,效率不高.本次研究采用2次优化方法,用网格法确定所求参数最优估计值作为下一步的叠代初值.用共轭梯度法逐步逼近所求参数的精确解,高效地利用参照井的基本数据得到了精度较高的新井参数,为准确地设计新井提供可靠的依据,实地应用效果良好.     

基于遍历搜索算法的水文地质参数优化求解

为了解决传统的Theis配线法在求参过程中无法利用全部抽水试验数据、手动配线效率较低、求参过程受人为主观因素影响较大等问题,利用抽水试验数据,以Theis公式和叠加原理为理论基础,以理论计算降深与实测降深的Nach-Sutcliffe效率系数值达到最大为目标函数,基于Matlab软件编程,再利用遍历搜索算法对导水系数（T）、贮水系数（S）在其对应范围内进行遍历,实现了水文地质参数的自动精确求解。将遍历搜索算法应用于2个抽水试验实例的水文地质参数求解,并与传统求参方法的计算结果进行比较分析。结果表明：利用遍历搜索算法求参的计算结果与传统求参方法的计算结果相近,表明利用遍历搜索算法求解水文地质参数有效可靠;2个抽水实例利用遍历搜索算法得到的参数对应的理论计算降深与实测降深的Nach-Sutcliffe效率系数值分别为0.996 5、0.970 8,且相比传统的求参方法而言更接近1.000 0,说明其拟合程度更好。     

水文地质参数优选的一维寻查法

介绍了一维寻查法的基本原理,并给出了应用实例;实现了计算机自动优选水文地质参数,改变了过去人工凋参的传统方法;同时也指出了该方法的局限性。      

抽水试验资料的遗传算法反演水文地质参数

基于MATLAB遗传工具箱的遗传算法是一种借鉴生物界自然选择和自然遗传机制的全局最优化随机搜索算法。它以其简单通用、鲁棒性强、适于并行处理及高效等显著特点,在各领域得到了广泛的应用。结合抽水试验实例采用遗传算法反演水文地质参数,并将所求参数与配线法和直接图解法所得参数进行对比分析。结果显示,遗传算法所求参数的计算降深与实测降深吻合程度高,方便快捷,不失为一种有效的水文地质参数求解方法。     

地下水化学动力学方法运用过程中的若干问题探讨

对用地下水化学动力学方法计算出的5种水文地质参数定量评价研究区水文地质条件的整个过程中存在的问题，进行了较全面的分析，认为用地下水化学动力学方法计算出的5种水文地质参数，通常只能粗略地评价研究区的水文地质条件，对于无钻孔或钻孔很少的区域，此方法便难以应用。     

基于压水试验的地层渗流场反分析

地下工程建设过程中,地下水分布以及岩体渗透参数确定至关重要。基于对解决欠定反分析问题的目标函数分析,通过利用适应度函数、地质统计原理和变差函数等优化,得到了解决地层渗透系数一类水文地质问题的罚函数,为解决欠定的反分析问题提供了一个优化评判准则,并结合粒子群算法建立优化反分析数学模型;提出利用压水试验钻孔水头变化反分析得到地层渗透系数的新方法。对南京地铁上元门车站,进行现场压水试验得到钻孔水头高度,利用经过罚函数优化的反分析数值计算获得地层渗透系数,对压水试验区域的电阻率跨孔CT探测验证了该方法区域上的正确性,该区域的钻孔原位渗透系数测试验证了该方法在数值上的准确性。结果表明,经过罚函数优化的反分析计算的准确率达到90%,说明该方法有助于得到全面的地层水文地质信息,对后续的治理具有指导作用,希望能对类似工程有一定的借鉴意义。     

机器学习算法反求水文地质参数

传统方法求解优化问题时,一般都是依据最小二乘原理来确定目标函数。鉴于这种方法没有考虑到原始测量数据的误差对计算结果及精度带来的影响。为此,提出机器学习算法改进传统的目标函数,同时结合双评价粒子群算法来求解水文地质参数。结果表明,该算法具有良好的收敛性和稳定性,求解效率高,简单易实现。      

Optimal design of groundwater remediation systems using a multi-objective fast harmony search algorithm

A new multi-objective optimization methodology is developed, whereby a multi-objective fast harmony search (MOFHS) is coupled with a groundwater flow and transport model to search for optimal design of groundwater remediation systems under general hydrogeological conditions. The MOFHS incorporates the niche technique into the previously improved fast harmony search and is enhanced by adding the Pareto solution set filter and an elite individual preservation strategy to guarantee uniformity and integrity of the Pareto front of multi-objective optimization problems. Also, the operation library of individual fitness is introduced to improve calculation speed. Moreover, the MOFHS is coupled with the commonly used flow and transport codes MODFLOW and MT3DMS, to search for optimal design of pump-and-treat systems, aiming at minimization of the remediation cost and minimization of the mass remaining in aquifers. Compared with three existing multi-objective optimization methods, including the improved niched Pareto genetic algorithm (INPGA), the non-dominated sorting genetic algorithm II (NSGAII), and the multi-objective harmony search (MOHS), the proposed methodology then demonstrated its applicability and efficiency through a two-dimensional hypothetical test problem and a three-dimensional field problem in Indiana (USA).