论文部分内容阅读
水质模拟预测在水资源利用、水环境治理、水域调度中起着越来越重要的作用。机理性水质模型参数估值是进行水质模拟预测关键而重要的步骤,但水质模型参数估值通常比较困难。鉴于此,本文将人工鱼群与差分进化混合优化算法用于机理性水质模型参数估值,取得了较高的精度;针对非机理水质模型的建模,本文构建了人工鱼群与差分进化混合优化最小二乘支持向量机(LS-SVM)水质“黑箱”模型,在模拟预测中取得了较小的误差。本文的主要工作和创新点如下:(1)将人工鱼群算法与差分进化算法进行了有机结合得到新的混合优化算法,其中人工鱼群算法用于全局寻优,差分进化算法用于局部精细寻优。(2)提出了人工鱼群与差分进化混合优化算法用于机理性水质模型参数估值方法,分别对一维均匀河流水质模型、托马斯BOD-DO水质模型进行了应用研究。该方法计算简便,精确度高,并且具有快速的收敛性能及良好的鲁棒性,测试结果表明了此方法可行且有效。(3)选用了最小二乘支持向量机(LS-SVM)构建水质预测“黑箱”模型,提出了人工鱼群与差分进化混合优化算法用于LS-SVM参数寻优。结合具体水质数据建立了人工鱼群与差分进化混合优化LS-SVM水质模型,该优化模型预测结果的均方根误差与平均相对误差都较小,取得了较理想的预测效果,验证了人工鱼群与差分进化混合优化LS-SVM水质模型的有效实用性。