哈里斯鹰算法在广义非线性马斯京根参数优化中的应用——以洛河为例

马斯京根模型在河道洪水演算中发挥着重要作用,其演算精度在于参数的优选。针对目前马斯京根参数率定中存在的求解复杂、精度不高等问题,提出利用哈里斯鹰算法对其参数进行优化,这种方法具有广泛的全局搜索能力,且需要调节的参数较少。以黄河支流洛河为研究对象,利用广义非线性马斯京根模型对宜阳—白马寺段的河道进行洪水演算,且分别用哈里斯鹰算法、粒子群算法和蚁群算法对其参数进行优化。结果表明,基于哈里斯鹰算法的广义非线性马斯京根模型在洛河宜阳—白马寺段的演算精度较高,其Min.SSD为1237,洪峰误差DPO仅为5,均优于粒子群算法和蚁群算法优化后的结果,其成果适合应用于洛河宜阳—白马寺段的洪水预报工作。

基于XAJ-DCH模型的五强溪库区洪水预报研究

由于沅水水系五强溪水库流域面积大,流量控制站少,且洪水进入库区后,洪水波的传播方式变化较大,因此五强溪水库近坝区的洪水预报难度大。为提高五强溪库区洪水预报精度,采用XAJ-DCH模型(Xin′anjiang Digital Channel Model)对近坝区2016~2020年间13场洪水进行模拟,模型河道汇流分别采用了非线性水库法和马斯京根法,根据两种汇流方法的特点制定了两种不同的洪水预报方案。模拟结果表明:XAJ-DCH模型中两种河道演算方法均表现良好且简单实用,13场洪水的确定性系数基本位于0.7以上。非线性水库方法相比于马斯京根法考虑了河段断面情况以及水力特性,能够体现洪水运动的时空变化,且只需要率定河道糙率,其他参数如河道坡降、河宽以及河段长均可根据数字高程模型进行估计;马斯京根法需要率定4个河道参数,但马斯京根法模拟结果相比于非线性水库方法稍好。研究成果可为科学有效开展库区洪水预报、提高预报精度提供参考。

非线性马斯京根模型参数率定的新方法

本文在分析经典二进制遗传算法不足之处的基础上提出一种改进的混合遗传算法 (MGA) ,用于对非线性马斯京根模型参数的估计 .同其它算法相比显示出求解精度高而且收敛速度快的特点 .通过具体仿真计算验证了该方法的正确性 。

非线性马斯京根模型参数优化的混沌模拟退火法

提出了用混沌模拟退火法估计非线性马斯京根模型参数的优化算法。该算法将混沌优化的粗搜索、细搜索的两阶段搜索规则与模拟退火的启发式规则相结合进行参数的优化估计,既保证了解的全局最优性,又保证了最优解的精度。通过实例计算,并与文献方法计算的结果对比分析,表明该方法具有适应性强、求解精度高的特点。

和声搜索法在非线性马斯京根模型参数率定中的应用

将一种新发展起来的启发式算法——和声搜索法与水量平衡方程及非线性槽蓄方程推导所得的演算公式相结合,用于非线性马斯京根模型参数率定和流量演算。经实例验证和对比表明,以SSQ为目标函数时和声搜索法模拟结果比试错法、遗传算法等优越,为准确估计非线性马斯京根模型参数提供了新方法,推导的演算公式代替了计算河道出流常用算法,提高了模拟精度。

基于PSO的非线性马斯京根模型参数率定新方法

针对目前马斯京根河道洪水演进模型参数率定中所存在的线性化、求解复杂、精度差等问题,本文提出了一种基于粒子群优化(Particle Swarm Optimization,PSO)算法的非线性马斯京根模型参数率定新方法,并将其应用于称钩弯—临清段洪水演进计算中.通过与PSO线性模型、最小二乘法线性模型参数率定法洪水演算结果的对比分析,发现基于PSO算法的非线性模型精度高于两种线性模型,1960、1961和1964年三场典型洪水误差平方和分别减小了0.9%、6.2%和1.6%,表明基于PSO的非线性马斯京根模型参数率定结果更接近实际洪水的演进过程.

基于混沌模拟退火法的非线性马斯京根模型参数率定方法

本文在分析一些已有的马斯京根模型参数率定方法不足之处的基础上,提出了一种基于混沌模拟退火法的非线性马斯京根模型率定的新方法,同其它方法相比,该法具有求解精度高、计算速度快以及适应性强的特点。最后,通过具体仿真计算,验证了该方法的正确性,从而为非线性马斯京根模型参数估计提出了一种十分有效的方法。

基于随机分形搜索算法的马斯京根模型参数优选

马斯京根模型在河道洪水演算中发挥着重要作用,该模型参数优选对提高洪水演算准确性至关重要。提出利用随机分形搜索算法(SFS)解决非线性马斯京根模型参数优选问题,同时将混沌序列替代SFS更新操作中的随机数。对算例进行洪水演算仿真分析并与多种优化算法比较,结果表明,随机分形搜索算法对非线性马斯京根法模型参数优选问题求解行之有效,且算法实施过程简便、参数解算精度高。

变参数非线性马斯京根分段演算模型研究与应用

为了更好地模拟天然河道中洪水演进的时空非线性特征,通过构建连续型可变参数的槽蓄方程,在前人研究基础上进一步改进了非线性马斯京根模型结构,并与河道分段演算方法相耦合,提出了一种变参数非线性马斯京根分段演算模型(CVPCS-NMM),并应用于实际案例中。结果表明:CVPCS-NMM取得了比分段马斯京根模型和变指数非线性马斯京根模型(CVEP-NMM)更好的效果,反映出了天然河道洪水过程在时空上的非线性变化特点,表明该模型是一种行之有效的河道演算方法,也为进一步探讨如何将河道分段演算方法与非线性马斯京根模型相结合提供了一种研究思路。

变指数非线性马斯京根模型及其参数率定方法

为更好地反映河道洪水的实际槽蓄关系,以非线性马斯京根模型(NMM)为基础,采用对数型公式来定量计算NMM的非线性指数,提出了变指数非线性马斯京根模型(VEP-NMM),并采用免疫灰狼优化算法(IGWO)进行参数优化率定,IGWO针对灰狼优化算法(GWO)易早熟收敛的问题,引入免疫克隆选择操作来保证种群多样性和提高搜索能力。将基于IGWO的VEP-NMM应用于河段洪水演进模拟中的结果表明,该方法合理可行,模拟精度更高。