基于DREAM算法的DSGE模型参数估计精度研究

文章将人工智能算法中的DREAM算法首次应用到动态随机一般均衡模型的参数估计中,并以动态随机一般均衡模型LS(2005)为例对该算法的估计精度进行了系统分析,研究结果表明:根据待估参数随机抽样序列的箱线图来看,由DREAM算法产生的待估参数随机抽样序列的箱体长度均比RWMH和IMH算法产生的箱体长度要长,说明由DREAM算法产生的参数估计序列的分散程度比RWMH和IMH算法要大,表明了DREAM算法遍历参数空间范围更为广泛,算法逃逸局部最优值的能力更强。另外,从箱线图中的中位数数值来看,除了5个参数以外,由DREAM算法产生的参数估计序列的中位数相比RWMH和IMH算法,与真实数据生成过程更为接近,说明由DREAM算法产生的参数估计值大部分都集中在参数的真值附近。由于DREAM算法依据IQR统计方法除去无用链,故由DREAM算法产生的参数估计序列的异常值也明显降低,而RWMH算法产生的参数估计序列的异常值尤其多。从待估参数的90%最大后验密度可信区间来看,DREAM算法产生的待估参数90%最大后验密度可信区间除了3个参数以外,其余全部包含了真值,而传统的RWMH和IMH算法分别只有7个和1个区间包含了真值,表明DREAM算法的估计不确定性远小于传统的RWMH和IMH算法。最后,根据待估参数的无效因子来看,DREAM算法产生的待估参数序列与传统的RWMH和IMH算法相比,其相关性更弱,即无效因子数值更小,这一点进一步验证了DREAM算法遍历整个参数空间的能力更强。

基于DREAM算法的双超模型参数不确定性研究

鉴于半干旱半湿润地区的流域水文模拟及预报一直是水文模型领域研究的重点和难点问题,基于山西省张峰水库1988~2007年间18场洪水资料,前12场用于率定模型参数,后6场用于检验模型,采用DREAM方法分析其双超模型参数的不确定性,并在此基础上分析由参数不确定性导致的模型输出的不确定性。结果表明,10个参数的后验分布峰值不明显,说明参数的不确定性较大;4个参数的后验分布为具有明显峰值的不规则分布,7个参数的后验分布呈现偏态分布,其峰值也比较明显,说明该参数的不确定性较小。研究结果可为双超模型不确定性分析提供一定的理论基础。

基于DREAM算法的含水层渗透系数空间变异特征识别

采用差分进化自适应Metropolis(DREAM)算法对描述含水层渗透系数空间变异特征的参数进行识别.利用直接傅里叶变换方法产生一组空间结构参数下的若干个渗透系数场实现,借鉴噪声遗传算法(NGA)思想,计算该组空间结构参数对应的贝叶斯后验概率值,提高DREAM算法求解的效率.算例求解结果表明,DREAM算法能够有效获得含水层渗透系数空间结构参数的后验分布,并可得到对应的一系列渗透系数场,可为含水层参数空间变异性研究提供新的思路.

基于自适应多保真度Co-Kriging代理模型的地下水污染源反演识别

为高效率高精度地进行地下水污染源反演识别,综合运用高保真度和低保真度地下水溶质运移数值模拟模型,研究应用集成差分进化算法的Co-Kriging方法建立模拟模型的多保真度代理模型;在此基础上,探索应用马尔科夫链蒙特卡洛(MCMC)-DREAM_((D))算法,并采用自适应更新多保真度代理模型策略进行地下水污染源反演识别.为验证上述方法的有效性和可行性,开展了数值算例研究.结果表明:相比仅基于高保真度模型输入-输出样本构建的Kriging代理模型,联合运用高保真度和低保真度模型输入-输出样本构建的Co-Kriging代理模型对模拟模型的逼近精度更高;耦合多保真度Co-Kriging代理模型和MCMC-DREAM_((D))算法能够得到较高精度的污染源反演结果,且能够大幅度减小计算负荷;同时,采用自适应更新多保真度代理模型策略能够进一步提高污染源反演识别精度.

基于梦境粒子群优化的类集成测试序列生成方法

类集成测试序列的确定是面向对象类集成测试技术中的一个重要课题。合理的类集成测试序列可以降低为其构造测试桩的总体复杂度,从而减小测试代价。针对粒子群优化算法容易早熟的缺陷,文中提出一种基于梦境粒子群优化算法的类集成测试序列生成方法。首先把每个类集成测试序列映射为一维空间中的一个粒子,然后将粒子看作有做梦能力的个体。每个迭代周期分为白天和夜间两个阶段,在白天阶段粒子正常移动,而在夜间阶段粒子根据各自的做梦能力扭曲当前位置。如此,粒子有机会在当前位置附近进行搜索,使得算法减缓收敛速度,避免过早陷入局部最优。实验结果表明,多数情况下该方法可以得到测试代价更小的类集成测试序列。

不同时期水文模型参数的不确定性研究

水文模拟精度在不同气候时期不同量级洪水过程下表现形式不同,以汉江安康以上流域为例,采用综合差分样本分离方法(CDSST)分离出流域不同气候时期,并运用基于贝叶斯框架的DREAM算法探究了参数不确定性对不同气候时期不同量级径流模拟的影响。结果表明,参数不确定性在不同气候时期对径流模拟的影响差异明显,混合期影响最大,湿润期次之,干旱期最小;参数不确定对不同量级径流的影响差异较大,高流量时,参数的不确定性影响小,低流量时影响大,且干旱期和混合期均大于湿润期。