双评价粒子群算法确定非线性流含水层参数

在标准粒子群算法的基础上,对迭代后的粒子进行位置和适应值的双评价,得到改进的粒子群优化算法。在化简非稳定井流问题解析解的基础上,利用抽水试验数据,根据最小二乘原理,确定了求解含水层参数与非线性渗流参数的目标函数,编写了用于求解该问题的双评价粒子群优化算法程序。最后,通过数字算例验证了方法的可行性和可靠性。

机器学习算法反求水文地质参数

传统方法求解优化问题时,一般都是依据最小二乘原理来确定目标函数。鉴于这种方法没有考虑到原始测量数据的误差对计算结果及精度带来的影响。为此,提出机器学习算法改进传统的目标函数,同时结合双评价粒子群算法来求解水文地质参数。结果表明,该算法具有良好的收敛性和稳定性,求解效率高,简单易实现。