牛顿法在求解BOD-DO模型中河流起始点BOD的VB实现

在BOD-DO模型中,牛顿法通过VB编程实现,在求解河流起始点BOD值将起到核心作用;文章指出了牛顿法在运用过程中可能存在的局限性,并提出进一步利用数控技术实现计算机与环境监测仪器之间通信的设想。

BOD-DO耦合模型在鄱阳湖入湖河流水质预测中的应用

BOD-DO模型是定量描述水体污染物时空变化的一种数学表达式。论文将此模型应用于鄱阳湖入湖河流的水质预测,并通过实例的应用分析,将预测值与实测值对比,证明此模型应用于河流水质预测,理论合理,方法简便,易于应用。

微氧河涌BOD-DO水质模型

根据微氧河涌水体中有机物降解过程存在好氧降解与厌氧降解共存的特点,建立了微氧河涌水质非线性模型,并利用佛山汾江水质数据对模型进行了检验,结果表明:在DO浓度低于1.0mg/L时,模型结果与实测数据相吻合;与SP模型及Shastry模型相比,在微氧水质环境中,微氧河涌模型的预测结果更可靠。

改进遗传算法在S-P BOD-DO水质模型参数率定中的应用

参数的率定是建立水质模型进行数学模拟的重要工作。本文把改进遗传算法用于斯特里特-菲尔普斯(S-P)BOD-DO水质模型参数的同时估算中,计算结果精度较高。

基于改进粒子群优化算法的BOD-DO水质模型参数确定

【目的】将改进的粒子群优化算法应用于BOD-DO水质模型参数求解,为水质模型参数求解提供支持。【方法】通过差异演化算法对各个体历史最佳位置进行变异,以保持种群多样性,并在搜索后期加入局部搜索能力强的单纯形算法,建立改进的粒子群优化算法,并用该算法对BOD-DO水质模型参数进行求解。【结果】改进的粒子群优化算法能有效地确定BOD-DO水质模型参数;参数取值范围的放宽对算法的收敛性影响较小,但迭代次数有所增加;均匀分布法生成的初始种群可以有效地提高算法的收敛率,加快收敛速度;交叉概率和缩放因子的随机选取策略,可以有效地提高算法的收敛率并加快收敛速度;比较计算结果可知,改进的粒子群优化算法的收敛精度有所提高,收敛率可达到100%,收敛速度可提高5倍以上,标准差约是粒子群优化算法的10%。【结论】改进的粒子群优化算法有效地避免了原算法的早熟或停滞,为不同类型的水质模型参数求解提供了一个可靠的方法。

基于改进麻雀搜索算法的水质模型多参数反演

水质模型参数取值对模型的模拟精度影响很大,为提高BOD-DO水质模型参数反演精度,首先在DobbinsCamp BOD-DO水质模型的基础上,以BOD和DO浓度计算值与实测值之差的加权平方和最小为目标函数,构建了Dobbins-Camp BOD-DO水质多参数反演模型;然后针对麻雀搜索算法(Sparrow Search Algorithm,SSA)求解精度低、稳定性不足和易陷入局部最优等问题,引入Sine混沌映射和对立学习、转移概率以及差分变异3个策略,分别从提高初始种群多样性、扩大搜索空间以及增强种群跳出局部最优的能力三方面对SSA算法进行改进,提出了一种多策略改进的麻雀搜索算法(Multi-strategy Improved Sparrow Search Algorithm,MISSA),并将其应用于Dobbins-Camp BOD-DO水质多参数反演模型的求解;最后通过数值实验将得到的反演结果与SSA算法、模拟退火算法、粒子群算法、遗传算法四种优化算法进行对比,并探讨了参数初值选取和观测噪声水平对反演结果的影响。结果表明:MISSA算法的计算性能明显优于对照组中的4种算法,且能显著降低初值选取对BOD-DO水质模型参数反演结果的影响,当观测数据的噪声水平不超过5%时,MISSA算法可有效提高反演结果的稳定性。该结果验证了MISSA算法在反演Dobbins-Camp BOD-DO水质模型参数的有效性,为水质模型参数求解提供有益参考。

蓄水城区河段水质数学模型建立的探讨

通过对蓄水的中小型城区河段水文、水力特征以及水体物理、化学、生态等特征的分析,结合这类河段的底泥多且污染较重,底泥耗氧比例较大的特点,对传统的D obb ins—C am p水质模型作了适当的修正;并通过对河段概化,以修正后的一维稳态D obb ins—C am p水质模型为基础,建立了计入了河段内全部排污口及汇入支流的BOD—DO耦合关系矩阵水质模型;把建立的BOD—DO耦合关系矩阵水质数学模型应用于广东某城市蓄水城区河段水体的BOD和DO的模拟中,得到了良好的模拟效果。

Dobbins模型参数识别反问题的导数正则化方法

Dobbins模型是水质模拟和水质规划中经常使用的BOD DO耦合模型。本文即以此模型为基础,依据数学物理反问题理论,构造了BOD DO耦合模型有关分布参数的反演问题。并与复合形优选方法进行对比,证明了本文提出的水质参数FR反演辨识方法的有效性和避免多参数时维灾问题,为水环境参数提供了新的方法和思路。

A BOD-DO coupling model for water quality simulation by artificial neural network

A one-dimensional BOD-DO coupling model for water quality simulation is presented, which adopts Streeter-Phelps equations and the theory of back-propagation artificial neural network. The water quality data of Yangtze River in the Chongqing region in the year of 1989 are divided into 5 groups and used in the learning and testing courses of this model. The result shows that such model is feasible for water quality simulation and is more accurate than traditional models.