排序方式: 共有22条查询结果,搜索用时 9 毫秒
1.
泰斯模型的统计分析求解 总被引:4,自引:0,他引:4
本文利用统计分析来求解水文地质参数,原理简单,解是唯一的。其基本思想是利用非稳定流抽水试验获得的s-t系列资料,以泰斯公式为参考模型,建立试验系列的非线性统计模型,求解导水系数T和贮水系数μ 。统计模型既可利用目前先进的软件辅助求解,亦可利用一台可编程计算器完成计算。本文借助一个实例,应用MATLAB语言的统计分析工具的多元回归分析模块进行求解,获得了理想的结果。 相似文献
2.
水文地质参数的正确与否是构建地下水数值模型的根本,而参数寻优结果很大程度上取决于优化算法的选择。禁忌搜索算法是一种广泛应用于组合优化问题的启发式全局寻优算法,但在连续函数优化领域应用比较少。基于上述考虑,本文首先引入求解连续函数优化问题的连续禁忌搜索算法并对其进行改进,进而提出一种连续禁忌搜索改进算法(ICTS),最后将其与地下水模型耦合进行水文地质参数识别。算例研究表明,ICTS算法较其他算法(CTS,SGA,Micro-GA,PSO)求解效率提高1.87~4.64倍,求解精度提高1.08~12.86倍。因此ICTS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。 相似文献
3.
4.
5.
地下水污染源反演的Hooke Jeeves吸引扩散粒子群混合算法 总被引:2,自引:0,他引:2
根据污染物质量浓度监测数据进行地下水污染源反演是一类典型的地下水逆问题,该问题可转化为决策变量为污染源位置和强度的最优化问题进行求解。基于Hooke-Jeeves粒子群混合算法,引入吸引扩散粒子群(ARPSO)算法的粒子群发散算子,保证混合算法的种群多样性,并提出HJ-ARPSO混合算法,再结合地下水污染物迁移模型MT3DMS反演地下水污染源的位置和强度信息。在已知污染源位置和未知污染源位置两种情形下,分别利用HJ-ARPSO算法、HJ-PSO算法和GA算法进行地下水污染源反演。在两种情形下,HJ-ARPSO算法均具有较高的寻优成功率(分别对应为100%和90%);与之相比,未引入粒子群发散算子的HJ-PSO算法在未知污染源位置情形下其寻优成功率迅速降为60%;GA算法寻优效率则最低。算例结果表明,HJ-ARPSO算法是一种有效的地下水污染源反演优化算法。 相似文献
6.
7.
第1期滇西昌宁—孟连带南部孟连—曼信地区晚古生代地层若干问题………………………………………………王义昭(1-黑龙江嘉荫地区古近纪早期古气候分析……………………………………………………………………全成,张林(10-1华北地块东部晚中生代至新生代岩石圈不均一减薄与改造模式………………………………………闫峻,陈江峰(16-2琼北全新世火山区熔岩流流动速度的恢复与火山灾害性讨论………………………………………………………………………………………………魏海泉,白志达,李战勇,孙谦,樊祺诚,史兰斌,张秉良,徐德斌,胡久常,肖劲平,卢永… 相似文献
8.
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。 相似文献
9.
应用CT扫描技术对两种稳定非饱和状态的砂土试样分层进行扫描,得到不同深度CT扫描层图像,采用Image J图像处理软件将CT图像转化为CT数均值,然后在稳定非饱和试样中分别间断性连续注入污染物KI溶液,测定不同时间间隔CT扫描图像,计算注入污染物先后扫描图像结果的差值,建立CT数均值和污染物迁移之间的关系,研究污染物在非饱和砂土中的运移特征,得出非饱和砂土中污染物浓度随时间和深度的变化规律,对研究其他介质中污染物的迁移具有重要的指导作用。 相似文献
10.
基于区域分解法的水文地质参数寻优研究 总被引:2,自引:0,他引:2
在建立地下水流模型的过程中,水文地质参数寻优一直是较为复杂的步骤之一,具体难点包括寻优方法的取用,为保持总体平衡所引起的参数峰值异常以及总体寻优需要大量的计算机时等问题.本文运用区域分解法(Domain Decomposition method,DDM)的基本思想,将整个区域的参数寻优问题分解为各参数分区内的子域问题求解,通过寻找整个区域上的Nash均衡最终获得各子域上的最优参数.实验算例及其结果证明应用该方法实现水文地质参数自动寻优,不但具有高度的可靠性,同时优化问题的规模减小.此举不但减少了求解过程所需要的CPU时间,而且提高了参数拟合度. 相似文献