基于改进遗传算法率定水质参数的研究

提出一种新的优化准则函数,结合改进的加速遗传算法,能够求得全局最优的水质参数。实例计算结果表明,新算法具有较高的精确度和良好的优化性能。     

基于遗传算法的次级河流回水段水质模型多参数识别

根据长江次级河流临江河回水段的实际情况,建立一维水质模型,模型中的各变化项采用有限差分法(FDM)进行离散,以回水段水体中COD和NH3-N的实测资料为基础,利用自适应遗传算法(AGA)对2种污染物的纵向离散系数及一级降解系数进行反演计算,得出回水段COD和NH3-N的纵向离散系数分别为0.5227,0.5196km2/h,一级降解系数分别为0.0342,0.0367h-1;计算值与实测值吻合较好,表明FDM-AGA方法能较好地运用于次级河流回水段水质模型的多参数识别.     

综合水质模型参数识别研究

针对综合水质模型参数众多，难以同时估算的特点，介绍了二种参数优化方法，分别为：基因法，罗森布瑞克法和单纯形法，在分析了每种方法特点的基础上，结合具体实例进行比较验证，最后提出先进行模型参数灵敏度分析，再选用基因法对灵敏度高的参数进行优选，将优选结果作为罗森布瑞克法和单纯形法初始值，并进一步优选的设计思路。     

水质模型参数识别与验证的探讨

参数识别与模型验证是水质模型应用的两个重要步骤。在对模型参数的本质含义进行辨析的基础上,对模型参数的时变性、集成性和可识别性进行了分析。采用科学哲学的方法,对水质模型验证的必要性和不足进行了讨论,指出虽然模型验证必不可少,但也不能证实模型本身就是实际物理和生化过程的反映,因此应充分地意识到“经过验证的”模型在预测中的风险。     

变尺度混沌-遗传算法在复杂河流水质模型参数优化中的应用

将变尺度混沌-遗传算法(MSCGA)应用于复杂河流水质模型参数优化.采用湘江衡阳段水质监测资料,以二维河流水质数学模型反演结果的均方误差为适应度函数,估计横向扩散系数Dx、纵向弥散系数Dy和污染物衰减系数κ.数值实验结果表明,MSCGA寻优过程具有明显的分级特征,级级收敛;在同样的条件下,MSCGA的收敛速度较快,为遗传算法(GA)的1.36倍;同时,MSCGA克服了GA早熟收敛的问题,其最优适应度函数值为7.6×10-4,而GA的最优适应度函数值9.6×10-4.将MSCGA应用于研究河段,求得Dx、Dy分别为0.1335、0.0011,BOD5、As、Cr的衰减系数κ分别为0.0229、0.0100、0.0107.     

HSY算法在水质模型参数识别中的应用探讨

参数识别是水质模拟中的技术核心，数据稀缺是水质模型经常面临的问题。采用HSY算法可求得模型参数的分布，而不再是一个单一的最优参数，从而在一定程度上避免了由于“最优”参数失真带来的决策风险，本文以南水北调一期工为例，讨论了在稀疏数据条件下如何应用HSY算法识别CSTR水质模型的参数，并对识别的模型参数进行了检验。模型检验采取了2种方法：分别用动态和稳态计算方法得出的参数进行比较；用模拟结果分布于实测值进行比较。结果表明，HSY算法为稀疏数据条件下进行识别、建立数学模型提供了一条有效的途径。     

基于贝叶斯优化的三维水动力-水质模型参数估值方法

随着水质目标管理要求的提升,基于复杂的三维水动力-水质模型的决策成为流域精准治理的必需.水质模型通常具有复杂的结构,包含大量的方程和参数,而参数取值的准确性会影响模型对水体系统表征的可靠性,进而影响根据模型结果进行水环境管理的效果,因此,有必要探究适用于复杂水质模型的高效参数估值方法.传统的自动参数估值方法应用于复杂的水质模型时会面临计算瓶颈,而贝叶斯优化适用于高运算成本模型的优化问题.本研究提出基于贝叶斯优化的复杂水质模型参数估值方法,主要包括:①重要影响参数识别;②重要参数敏感性排序与筛选;③采用贝叶斯优化对筛选出的参数进行估值;④方法的适用性评估.同时,将该方法应用于云南异龙湖的三维水动力-水质模型的参数估值中,发现进行参数估值后模型lg(NSE)均大于0.65,表明模型达到了满意的级别.研究表明,当贝叶斯优化算法的采集函数为EI时,仅需要141次迭代lg(NSE)即可达到0.766,该方法对复杂水质模型的参数估值具有一定的借鉴意义.     

基于MCMC法的水质模型参数不确定性研究

参数识别是数学模型应用的前提.鉴于常用贝叶斯离散化方法在搜索复杂模型参数后验分布时的计算限制的原因,本文引入了MCMC采样法.为考察MCMC法对参数后验分布的搜索性能和效率,进行了2个案例研究.结果表明,MCMC法对参数后验分布的搜索,无论是搜索性能还是搜索效率,均表现出了独特的优越性.同时,Gelman收敛判别准则计算表明,MCMC采样序列均能稳定收敛到参数的后验分布上.可见,MCMC法适用于复杂环境模型的参数识别和不确定分析研究.     

Bayes理论在河流水质模型参数识别中的应用

参数识别是水环境数学模型建模的重要步骤.在实际模拟过程中,往往难以获得理想的数据进行模型参数识别.充分利用研究者已有的经验,可在一定程度上减少模拟过程的风险.Bayes理论为把研究者的经验或前验信息纳入到水质模拟提供了一个定量手段.采用离散Bayes理论的基本方法,以国内某河段实际监测数据为基础,完成了模型的参数识别过程,并对识别结果进行了分析.验证结果表明,采用Bayes理论获得的参数识别结果能够达到模型验证的要求.     

基于反馈式突变进化算法的空气质量评价公式

在设定了各指标的极限浓度限值基础上,提出了一个适用于多项空气污染物的空气质量评价的幂函数加和型综合指数公式。将反馈式突变进化算法用于公式中的参数优化,得出优化后适用于多项污染物的空气质量评价普适指数公式。公式应用于多个实例分析评价,并与其它多种评价方法的评价结果相比较。结果表明:该公式不受污染物种类和数目多少限制,计算简便,具有可比性、普适性和实用性。     

大气质量污染损失率评价模型参数的GA优化

设定各项污染物在大气环境质量污染损失率评价模型中有相同参数值,采用具有全局优化的遗传算法(GA)对模型中的参数进行优化,得出了对各种大气污染物均适用的大气环境质量污染损失率计算公式及大气环境质量综合评价模型。该模型与其他多种评价模型用于大气环境实例进行评价比较,结果表明:该评价方法不仅原理直观,评价结果准确,而且计算简便,实用性强。      

环境模型参数识别与不确定性分析

在对水文模型实例的参数不确定性分析基础上,分别采用传统灵敏度分析方法、HSY算法、线性回归等方法对模型参数特性进行了识别与比较研究.结果表明参数优化算法与传统灵敏度分析方法不能解释模型结构复杂性特征,采用不确定性分析方法对环境模型参数进行识别提供了深入分析与理解模型系统的有效途径.     

环境模型参数优化方法的比较

模型参数优化是通过极小化目标函数使得模型输出和实际观测数据之间达到最佳的拟合程度.由于环境模型本身的复杂性,常规优化算法难以达到参数空间上的全局最优.近年来,随着计算机运算效率的快速提高,直接优化方法得到了进一步开发与广泛应用.本文比较了CRS、SCEUA、SA和Annealing-Simplex等4种算法应用于环境模型参数优化的结果和计算效率.     

基于多模式逆向水质模型的程海水位调控-水质响应预测研究

以云南省程海为例,基于CE-QUAL-W2计算平台开发了水动力-水质模型.由于程海现有的数据不足以支撑开发可靠的流域水文与污染物负荷模型,为弥补由此引起的水质模型边界条件缺失的限制,本研究提出了基于逆向模拟与遗传算法的多模式负荷-参数识别方法来实现对水质模型的校正和鲁棒校验.应用校验后的模型对程海不同水位调控情景的水质...     

基于无人机多光谱影像和OPT-MPP算法的水质参数反演

无人机多光谱遥感可用于监测多个水质参数,如悬浮物、浊度、总磷和叶绿素等,建立稳定和准确的水质参数反演模型是开展这一工作的前提.matching pixel-by-pixel(MPP)算法是一种针对无人机影像高分辨率特点的反演算法,但其存在运算量过大和过拟合的问题,基于此,提出optimize-MPP(OPT-MPP)算法,以克服运算量过大和过拟合的问题.本研究以浙江省杭州市青山湖作为研究区域,采集45个样本,分别构建悬浮物浓度(SS)与浊度(TU)的OPT-MPP算法反演模型.结果表明,最佳悬浮物反演模型的决定系数R²达到0.787 0,综合误差为0.130 8;最佳浊度反演模型的决定系数R²达到0.804 3,综合误差为0.150 3.最后利用分别建立的两个参数的最优模型,实现青山湖各实验区域的水质参数空间分布信息的反演.