Matlab遗传算法工具GUI率定马斯京根模型参数

本文针对传统及改进马斯京根洪水演算模型,利用简单易行的Matlab遗传算法工具(gatool)GUI进行模型参数最优估计,获得不同优化准则下的模型参数,并进行检验.结果表明用Matlab遗传算法工具GUI优选改进后的马斯京根模型参数,收敛能力强、计算时间短、所得演算流量更接近实际.     

马斯京根模型参数估计方法探讨

以演算出流量与实测出流量的误差平方和最小为判据,直接推求了流量演进系数的最优估计值,而后反算参数ｘ,Ｋ,以适应于不同时段的流量演算。以实例证明了该法的可行性和较高的演算精度。     

基于模拟退火粒子群算法的河道洪水反流向演算

简单介绍了洪水演算的几种常用方法,提出了洪水反流向演算的困难,提出了采用模拟退火粒子群优化算法与马斯京根算法相结合解决洪水反流向演算的策略,并用实例证明是可行而有效的。     

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。     

扩域搜索遗传算法优化马斯京根参数及其应用

马斯京根法作为河道洪水预报的重要方法,参数和系数的率定是关键和难点,直接影响其预报精度。在详细阐述扩域搜索遗传算法基本思想和性能分析的基础上,以模拟结果与实测值的误差最小作为进化目标,直接搜索马斯京根法预报方程系数,获得河道上下游流量关系方程。对黄河下游夹河滩至高村的洪水过程进行研究,传统方法的平均绝对误差为240 m³/s,平均相对误差为0.13;遗传算法的平均绝对误差为95 m³/s,平均相对误差为0.05。结果表明：遗传算法精度明显高于传统方法。在实际应用中,对于河道洪水波的传播规律性变化较大的河道,应根据不同量级洪水来模拟洪水的传播规律,并对相应量级的洪水进行预报。     

马斯京根方程参数确定及其程序化实现

常用的试算法在确定马斯京根方程参数时一般得不到最优结果,且计算较繁杂。正是针对这缺陷,尝试应用搜索法来确定其参数,并将方法程序化,在洪水预报实例应用中,该方法所确定的参数值较试算法更优,也更简便,从而实现了求参过程的优化和简化。     

基于GA-PSO算法的冻土本构模型参数识别

遗传算法(GA)与粒子群算法(PSO)分别具有缺乏目标导向性和易陷入局部最优的缺点,但同时分别具有全局搜索能力强与能有效传递优势信息的优点。本文以GA计算步结合精英保留策略作为PSO计算步的优势信息,避免PSO算法陷入局部最优,以PSO计算步结合非精英优化策略作为GA计算步的导向信息,克服GA算法缺乏目标导向的问题,建立了GA-PSO新算法。其具体过程为,通过采用GA计算步对解空间进行全局搜索并对精英个体进行保留,进一步,将适应度较差的个体利用PSO计算步进行优化。基于多峰函数的验证结果表明,GA-PSO算法在解空间中具有更强的全局搜索能力,同时具有更快的收敛速度。将GA-PSO算法应用到冻土非正交弹塑性本构模型的参数识别中,通过模型的参数识别以及模型预测结果对比与验证,结果表明GA-PSO算法能够有效识别冻土非正交弹塑性本构模型的参数,提升了模型的预测效果。     

利用混沌粒子群算法确定河流水质模型参数

将混沌寻优思想引入到粒子群优化算法中,提出了混沌粒子群算法,这种方法利用混沌运动的随机性、遍历性和规律性等特性对当前粒子群体中的粒子进行混沌寻优。通过这种处理使得粒子群体的进化速度加快,从而改善了粒子群优化算法摆脱局部极值点的能力,提高了算法的收敛速度和精度。并将混沌粒子群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,结果表明,混沌粒子群算法的收敛性能明显优于粒子群优化算法。     

马斯京根洪水演算方程参数确定的最小二乘法

本文根据线性回归的最小二乘法原理，提出了一种由实测洪水资料直接确定马斯京根洪水演方程参数Ｃ０、Ｃ１、Ｃ２的方法。该方法与目前广泛采用的试错法相比，具有计算的参数精度较高，计算过程可以程序化等优点。     

基于粒子群算法的水资源优化配置

本文基于可持续发展理论,以社会、经济和环境的综合效益最大为目标,建立了区域水资源优化配置模型.根据模型的特点,采用粒子群算法(PSO)对模型进行求解.针对粒子群算法的迭代原理,通过对粒子编码方法、适应度函数构造和约束条件处理等环节的改进,构成了用于多目标有约束条件模型求解的粒子群优化算法.不仅拓展了粒子群优化算法的应用领域,同时也为复杂多目标模型的求解提供了一种新途径.本文以北京市为例,借助本文提出的模型,得到了该市2010、2020和2030年三个水平年在50%保证率下的水量配置方案.优化结果表明,该算法应用于水资源优化配置中是合适的.