模拟退火神经网络模型在地下水质评价中应用

模拟退火神经网络模型在地下水质评价中应用（精选8篇）

模拟退火神经网络模型在地下水质评价中应用 第1篇

属性识别理论模型在黑龙洞泉域地下水质评价中的应用

该文介绍了属性识别理论的基本原理.以黑龙洞泉域为例,研究了属性识别理论在地下水质评价中的`应用.结果与加权优序法一致,较符合实际情况.表明该方法在水质评价应用中具有可行性和合理性,同时该方法简单、易懂,更适合于有标准的系统质量评价问题.

作 者：王瑞京 孙红 WANG Rui-jing SUN Hong  作者单位：河北工程大学,水电学院,河北,邯郸,056021 刊 名：水科学与工程技术 英文刊名：WATER SCIENCES AND ENGINEERING TECHNOLOGY 年，卷(期)： “”(5) 分类号：X824 关键词：属性识别理论   水质评价   黑龙洞泉域  

 

模拟退火神经网络模型在地下水质评价中应用 第2篇

为反映主要污染物在水体中的分布特征,表征相应级别环境容量的地下水承载污染物的程度.揭示地下水水体受人类活动的影响程度,根据不同的指标对水质的影响不同而将它们分成3类,并用类间综合的.方法确定了各类指标的单项评价指数和综合评价指数,建立了新的地下水水质评价模型.将该模型和灰色聚类法进行比较,本模型的评价结果既反映了水体中主要污染物的分布特征,又揭示了水质受人类活动的影响程度.

作 者：曾玉超 戴韵 刘娜 姜宇 杨潇瀛 岳莹 ZENG Yu-chao DAI Yun LIU Na JIANG Yu YANG Xiao-ying YUE Ying  作者单位：吉林大学,环境与资源学院,长春,130026 刊 名：世界地质  ISTIC英文刊名：GLOBAL GEOLOGY 年，卷(期)：2008 27(3) 分类号：P641.8 关键词：地下水水质评价   指标分类   污染物  

★ 水质模型参数识别与验证的探讨

★ 完备联立方程模型识别问题的新思考

★ 游博斯腾湖小学作文750字

★ 基于云模型具有语言评价信息的多属性群决策研究

★ 创建虚拟目录的常用属性

★ 虚假报告识别论文

★ 如何识别无能的领导

★ 慧眼识别小儿高热

★ 一次监测值用于水质评价的研究

模拟退火神经网络模型在地下水质评价中应用 第3篇

水是人类赖以生存的资源, 随着科学技术的不断提高, 人类对环境资源的摄取越来越多, 对于水环境资源, 开发利用的程度一直受到关注[1], 水质量定义为在其自然形成或被人类修改后的物理、化学和生物特性组合[2], 环境问题特别是水环境因城市、农业和工业活动造成的污染引起了科学家的广泛关注, 美国国家卫生基金会1978年提出一个综合指数代表整体水质[3]。水质评价的目的是对水体的质量和利用价值作出评定, 水质的好坏关系到人民的健康安全, 关系到国民的生活品质, 因此迫切需要解决城市及乡村的饮用水安全问题[4]。由于世界不同地区的所处位置, 导致水质检测具有多元性、复杂性和动态多变性, 这给水质评价带来很多不确定性和模糊性[5]。目前为止, 水质评价的方法有很多, 包括灰色关联分析法、灰色聚类法、人工神经网络模型、TOPSIS法、模糊综合评判等[6-10]。但是这些都存在一些不足的问题, 例如模糊综合评判中隶属函数和权重矩阵的构造;人工神经网络需要多样本, 网络结构因不同人使用而不同, 造成评价模型不能通用[11]。而采用组合权重的方法可以削弱人为因素的干扰, 所以本文在这些因素的基础上, 采用主、客观组合权重改进模糊综合模型, 该模型采用层次分析法计算指标的主观权重, 投影寻踪模型确定客观权重, 在计算组合权重时采用文献[12]中方法进行计算。

1 优化的模糊综合评价模型

模糊综合评价在模糊数学中有着广泛的应用, 是借助模糊变换原理和最大隶属度原则, 对事物的一个全面评价。它可以除去极端因子的影响, 提高可信度和时效度, 处理问题比较精细, 是一种客观性强、应用比较广泛的统计方法。

1.1 模糊综合评价的基本模型

设评价对象A:其评价因子集X={x1, x2, , xm}, 评价等级C={c1, c2, c3, , cn}。对其中每一个评价因子根据评判集中的等级标注值进行模糊评价, 得到评价矩阵:

其中, aij表示xi关于cj的隶属程度。 (X, A, C) 则构成了一个模糊评价模型。确定各个指标的权重后, 记为W = {w1, w2, w3, , wm}, 满足, 得到评判特征集合M:

1.2 建立监测矩阵

在水质检测中, 根据实际情况选取若干指标作为评价因子。假设评价的样本数为p个、评价因子为m个, 则实测的样本矩阵可以表示为:

1.3 评价标准矩阵

每个评价指标分为n个等级, m个评价指标的n个等级标注限值用矩阵L表示:

1.4 模糊隶属度矩阵

在p个样本中, 在第k个样本点m个评价因子的实际监测值与n类水质级别的模糊隶属度矩阵用A (k) 表示:

模糊隶属函数的计算公式如下:

式中:xki表示第k个样本点的第i个指标值;cij表示第i个指标第j类水质的标准限值。

2 组合权重计算方法

本文计算权重采用组合权重的概念, 分别为主、客观权重, 将两种权重组合作为最终的分配权重。

2.1 主观权重

采用层次分析法 (Analytical Hierarchy Process, AHP) .此方法能够全面利用人为的经验, 结合实际所测的数据资料, 将定性问题量化处理。实现认为判断和定量计算的统一, 其原理和计算步骤参见文献[13]。本文采用的层次结构设计为两层, 上层是目标层, 下层为指标层。判断矩阵由所选的指标处于的相对重要程度来定。假设由AHP确定的指标权重分配值为:Wb= (wb1, wb2, wb3, , wbi) (i为指标数) 。

2.2 客观权重

采用基于实数编码的遗传算法对投影寻踪 (Projection Pursuit Method, PPM) 作全局寻优的方式处理, 取最优的投影方向使等级划分评价差异大的指标得到更好的权重。投影寻踪主要步骤包括数据归一化、高维数据信息投影到一维线性空间的线性投影、构造目标函数和优化投影方向, 最后根据最佳投影方向得到的样本点投影值进行归一化确定权重, 具体的操作步骤可参见文献[14], 假设由PPM确定的指标权重为:Wd= (wd1, wd2, wd3, , wdi) (i为指标数) 。

2.3 组合权重

根据吴开亚等[15]的分析, 采用下式进行计算:

由公式 (9) 得到的权重分配为Wzn= (wz1, wz2, wz3, , wzi) (i为指标数) 。

3 案例分析

将组合权重模糊评价的模型方法应用于八五三农场的地下水水质评价上, 八五三农场隶属于黑龙江省农垦红兴隆管理局, 北纬46°20′~46°5′, 东经132°38′~133°15′, 南北长45km, 东西行38km。离宝清县城96km, 西及西南以蛤蟆通河、饶力河为界, 与八五二农场、五九七农场相接, 北以挠力河为界, 与富锦县为邻, 东南部紧靠完达山。随着农业快速发展, 人们为了经济效益, 近年来播种面积迅速增加, 农药、化肥等的使用量大大增加, 有毒物质随雨水等渗入地下, 导致地下水水质急剧恶化。为了保护地下水水质, 维护人们的身体健康, 应对现农场水质进行评价, 为保护水质提出可供参考的依据。

3.1 数据来源

研究数据来自于黑龙江省三江平原853农场8个分队, 将8个分队作为采样点, 采样点区域位置见图1, 分别取自1~6分厂, 样品交由黑龙江农垦勘测设计院环境检测室检测。

取样品中的8个影响因素作为评价指标, 分别是色度、浑浊度、铁、锰、耗氧量、溶解性固体、氟化物、硝酸盐, 并列出各个指标的国家标准, 详细数据见表1。评价标准采用《地下水质量标准》 (GB/T14848-93) , 评价分为1~5个等级。

mg/L

由表1可以看出, 二分厂、四分厂、五分厂中色度、浑浊度、铁、锰指标严重超出国家地下水质量标准。

3.2 建立指标隶属度矩阵

依据式 (6) ~ (8) 计算各监测点的模糊关系矩阵, 如4分厂1队的隶属度矩阵为:

3.3 权重分配

根据AHP确定权重的步骤, 首先建立问题的递阶层次结构, 把相对复杂的问题变成元素之间的组成结构, 分成若干组, 同一层作为准则同时对下一层也有支配作用, 亦受上一层影响。构造判断矩阵, 采用1~9标度法, 1表示两元素同等重要, 3为两元素一个比另一个稍微重要, 5表示一个比另一个明显重要, 7表示一个比另一个强烈重要, 2、4、6、8 为相邻判断中值, 判断结束后参考文献[16]确定主观权重。同时, 利用PPM确定最佳投影方向, 利用公式确定客观权重, 全局寻优采用基于实数编码的遗传算法能够取得较好的效果。具体过程为:采用变异概率0.8, 交叉概率0.8, 随机生成500组p维初始单位投影向量。通过遗传算法产生新的投影向量, 将原有值最大部分对应的单位投影向量保留, 当目标函数不在增大时即判定对应向量为最优投影方向, 再对此做规范化处理即得到PPM权重分配。最后根据组合权重的计算公式确定各因子的最终权重。四分厂1队各评价因子所获权重详见表2。

3.4 水质等级评价

根据四分厂1队的隶属度矩阵和指标权重, 结合公式 (2) 计算结果如下:

其中等级Ⅴ特征值最大, 所以四分厂1队地下水等级为Ⅴ级。其余监测点以此依次计算, 并与其他两种方法进行对比, 具体结果详见表3。

4 分析与讨论

根据实测资料, 除一分厂, 其余各分厂铁锰含量超标, 个别分厂超标严重, 因853农场主要为农业, 没有重工业及化工工业, 所以其含量超标的主要原因应是地质条件引起的, 同样长期停用的水井井管和铁网锈蚀也会导致铁含量超标。饮用水中铁锰超标会影响人的中枢神经, 引起食欲不振、呕吐、腹泻等, 摄入过多会对智力产生影响, 因此, 853农场应该积极采用措施, 生物法改善铁锰效果比较好, 而且工程投资及运行费用较低, 是目前为止最新的发展方向。四分厂、二分厂、五分厂应该引起足够的重视, 地下水水质严重恶化, 影响人类的生活饮用, 对身体健康有极大的危害。除此以外, 由于农业的快速发展, 化肥、农药的大面积使用, 将会导致地下水有机化学危害物的大量增加。

通过组合权重的方法将问题量化, 同时与内梅罗指数评价法和熵权模糊评价进行对比 (结果见表3) , 可以分析出内梅罗指数法没有考虑权重因素, 将各因子同等对待, 造成污染因值偏高, 即便其他指标污染值低也会使综合评分值偏高, 熵权模糊评价所得结果几乎一致, 但其忽略了因子间的关系, 倘若用一些重要指标代替平常指标将造成结果的较大变化, 不适用其他地区的水质评价, 而本文评价方法可以大大减弱人为因素的干扰, 在水环境评价中是可行的。在运用投影寻踪处理时, 采用遗传算法来优化, 因不同人操作, 训练次数, 变异概率等会不尽相同, 所以, 会产生微动的等级差异, 如何解决最优问题, 将是后续研究的一个方向。

根据组合权重模糊评价的结果, 以各分队的评价结果代表各自分厂的水质情况, 并绘制853 农场地下水水质空间分布图, 见图2, 更加直观地看出853农场地下水的水质情况, 可以看出二分厂、四分厂、六分厂水质低于标准较大, 对当地的居民生活造成影响, 水质严重超标影响居民的身体健康, 应立即采取措施改进当地水质情况, 根据评价结果为当地有关部门采取措施提供依据。

5 结语

模拟退火神经网络模型在地下水质评价中应用 第4篇

关键词：水质评价；灰色加权关联度法；供水水源地；地下水

70年代以来水质评价方法多采用水体综合污染指数法，该方法简单方便。由于水质标准分级的硬性规定和综合污染指数分级的硬性划分，使在分级临界值附近的实测浓度值或综合污染指数的微小变化都可能导致评价结果的明显不同或级别归属的变化，这显然不合理。事实上水质的分级或水体是否污染并非是黑白明的概念，某种污染物浓度的微小变化决不会引起水体污染程度的明显变化。因此“水质级别”、“污染程度”等都是一些灰色概念，水体环境系统是一个本特征的灰色系统，具有不确定性[1]。灰色关联分析法是基于水质评价中的灰色及不确定性，等权灰关联法的计算结果有时会存在误判现象，本文就是在对灰色关联分析法中改进权重确定方法改进的基础上进行的。

1、灰色加权关联度模型及其水质评价的步骤

1.1灰色关联度模型

1.2本文提出的灰色加权关联度模型

在水环境质量综合评价中，对于不同的指标，标准值不同有时其绝对值相差较大，不同污染物浓度对水环境质量的影响不同。权重系数的确定是水环境质量综合评价的核心问题。目前关于如何确定权数的方法大致可分为两大类：研究者根据其主观价值判断对各指标进行比较而赋权的方法，称主观赋权法；直接根据各指标的原始信息经过一定数学处理后获得权数的方法，称客观赋权法[2]。

本文对灰色关联度分析法中等权求取关联度的方法进行权重计算的合理改进，提出根据污染物超标情况（污染因子实测浓度与标准限值之比）对各点（k=1，2，…，n）的关联系数进行加权，依据数值监测水源地所属的功能区类别计算得到权重，然后计算关联度，根据关联度的大小，确定出样本的质量级别，以判断水质是否符合功能区的要求。

2、实例应用

应用上述方法对岷县15个供水水源地的水质情况进行综合评价。本次评价过程中选定总硬度、氯化物、氟化物、硫酸盐、硝酸盐、亚硝酸盐、氨氮、砷、镉、挥发酚等10个单项污染指数进行水质指数计算，具体实测水质数据见表1。

2.1参考数列与比较数列的确定

将待评价地下水水质样本的各个指标实测值（表1）构成的数列作为参考数列{Xi（k）}，此时k=1，2，…，10，i为水源地（i=1，2，…，15）。

将地下水质量分级标准中某一质量级别的各指标浓度限值构成的数列{Xj（k）}作为比较数列，j为水质级别（j=1，2，…，5），分别表示地下水质量标准中对应的Ⅰ～Ⅴ级。

2.2关联系数的计算

有表2可以看出，MX01水源地的氨氮占Ⅰ-Ⅴ级的權重依次为0.671、0.843、0.561、0.467、0.467，属于Ⅱ类水体，但属于Ⅰ、Ⅱ类水体的权重大于Ⅲ、Ⅳ类水体的权重，这显然不合理。对于岷县各个供水水源地水质综合评价所得结果与实际有一定偏差，因此，提出依据功能区划中的类别确定关联系数权重的方法，即MX01水源地在功能区划中是Ⅲ类水体，对于每一级别的关联系数所取权重值均为Ⅲ类级别水质所对应的权重值。这样避免了权重值依属于其他级别值较大时对评价结果的影响，也符合功能区划的思想[4]。最后计算得到的权重值见表3。

由表4和5可以看出：两种评价方法对各个水源地的评价结果有些差异，MX01、MX03、MX05、MX06、MX07、MX08、MX09、MX10、MX11、MX13、MX14和MX15水源地的评价结果相同，因为等权关联度法对各评价指标的影响等权对待，在各个指标超标情况不大时，其评价结果可信。在水质评价过程中若仅用等权灰关联的结果作为地下水水质综合评价依据，容易出现与实际水质情况不符的误判，而依据不同水源地的功能区类别来确定评价指标的权重，强化了高浓度指标的影响，又考虑到各个指标对地下水水质产生影响的综合效应，从而提高了评价结果的准确性，也可以为地下水功能区划提供依据。

由功能区评价结果可以看出，15个供水水源地的水质情况好于功能区划中的水质类别。

3、结论

本文将灰色关联度法应用于岷县农村供水水源地地下水质量评价的过程中，根据地下水质量评价的特点和监测水质的实际情况，考虑了不同指标对地下水质量不同的影响程度，采用地下水功能区方法确定了各个指标不同的权重值。并从加权和等权两个角度对地下水质量进行了评价，从实例分析结果看出，灰色加权关联度法避免了传统水质评价及等权关联度法评价中对各个指标影响程度“一刀切”的影响，评价结果更准确，更符合实际情况，从而说明了它是一种切实有效的地下水质量评价方法。

参考文献

[1]翟国静.灰色关联分析在水质评价中的应用[J].水电能源科学.1996，14（3）：183-187.

[2]Meng Xianlin，Shao Xue， Qi Zhining， et al.Research on gray-weighted correlation method for evaluation of water environment functional[J].Journal of Harbin Institute of Technology.2012，44（4）：67-70.

[3]GB/T14848 -1993.地下水质量标准[S].国家环境保护总局.北京： 中国标准出版社， 2003.

[4]Shao Xue，Meng Xianlin， Wang Peng.Gray weighted correlation water quality evaluation method used in Songhua river[J].Journal of Harbin University of Commerce（Natural Sciences Edition）.2011，27（6）：810-813.

模拟退火神经网络模型在地下水质评价中应用 第5篇

灰色关联分析法在地下水水质评价中的应用

摘要：总硬度是地下水质评价的主要指标,北京地下水作为主要供水水源,存在总硬度超标现象.本文试用灰色关联分析方法,找出影响总硬度的主要因素,分析成因机理.作 者：韩旭 HAN Xu 作者单位：中国地质大学(北京),北京,100081;北京市水文地质工程地质大队,北京,100195期 刊：城市地质 Journal：URBAN GEOLOGY年，卷(期)：,05(2)分类号：X824关键词：灰色关联分析 地下水 总硬度

模拟退火神经网络模型在地下水质评价中应用 第6篇

熵权集对分析法在地下水水质评价中的应用

摘要：在介绍集对分析法基本原理的基础上,详细论述了熵权集对分析法在水质评价中应用的具体步骤,并以内蒙古东胜煤田阿不亥普查区地下水为例进行水质评价.结果表明,该地区地下水水质较好,未受污染或污染很小.熵权集对分析法具有使用方便,计算简单,信息利用率高,结果直观、合理、可靠等优点,是一种高效的地下水水质评价方法,值得推广.作 者：李培月 吴健华 LI Peiyue WU Jianhua 作者单位：长安大学,环境科学与工程学院,陕西西安,710054期 刊：宁夏工程技术 Journal：NINGXIA ENGINGEERING TECHNOLOGY年，卷(期)：,9(1)分类号：X824关键词：集对分析法 熵权 水质评价 地下水

模拟退火神经网络模型在地下水质评价中应用 第7篇

近年来提出的属性识别理论模型已在环境质量评价中有所应用.现将该模型引用到湖泊水质富营养化评价中来,并用此模型对福州市山仔水库的水质进行评价,其评价结果与运用模糊隶属函数法得到的结果进行比较,其结果令人满意.此模型为湖泊水质的`富营养化评价提供一种简便实用的评价方法.

作 者：孔健健 张江山  作者单位：福建师范大学环境科学研究所,福州,350007 刊 名：环境工程  ISTIC PKU英文刊名：ENVIRONMENTAL ENGINEERING 年，卷(期)： 22(5) 分类号： 关键词：属性识别理论   湖泊水库   富营养化   评价模型  

模拟退火神经网络模型在地下水质评价中应用 第8篇

新安江模型是我国著名的概念性集总流域水文模型,在模拟预测湿润地区洪水预报时具有较好的精度。本文建立了基于GIS技术的新安江三水源半分布模型,能够反映水文的空间变异规律,更好地反映水文的空间变化和分布情况。而在此模型中有16n个参数需要优选 (其中n表示子流域数目),因此计算工作量较大,必须需要借助较好的全局优化算法进行参数优选。

模拟退火(simulated annealing,简称SA)算法是局部搜索算法的扩展,通过合理设置初始温度、退火方式及终止条件,模拟退火算法可以快速而准确的收敛到全局最优解。已经在理论上证明,它能够以概率1.0接近全局最优值[1]。模拟退火算法的全局优化能力,对新安江三水源半分布水文模型16n个参数自动优化的应用进行了研究。

1 基于GIS的三水源新安江半分布水文模型

1.1 模型结构

基于GIS的新安江三水源模型相对于流域划分了单元面积,在单元面积上采用集总式,属于半分布水文模型。首先根据地形及下垫面状况将流域分为n个子流域单元,对每个子流域分别进行预报,然后将流量过程演算到流域出口,最后获得出口断面的预报流量过程[2]。其中,蒸发按三层蒸发模式计算,产流方式按蓄满产流计算,水源分为地表径流、壤中流及地下径流三种,汇流部分分为子流域汇流与河网汇流[3]。

1.2 GIS在模型中的应用

利用DEM数据,可以对流域进行网格数字化处理,并提取出流域的地理信息,包括河长、流域面积、流向、坡度等[4]。本文利用美国环境系统研究所(ESRI)开发的ArcGIS软件,将流域分为2 km2 km网格。然后对流域进行了水文分析,包括填洼洼地的填充、水流方向的产生、河网的提取、流域界线的划定、子流域的划分等工作。实例中的流域划分为37个子流域。图1为基于流域DEM数据使用ArcGIS软件生成的河道与子流域图。

1.3 模型参数

基于GIS的新安江三水源半分布模型参数为16个。

(1)蒸散发部分:

蒸发折算系数K,上层蓄水容量WUM,下层蓄水容量WLM。深层蒸散发系数C。

(2)产流部分:

流域平均蓄水容量WM,不透水面积比IMP,蓄水容量曲线的方次B。

(3)分水源部分:

自由水蓄水容量SM,自由水蓄水容量曲线指数EX,地下表水出流系数KG,壤中流出流系数KSS。

(4)汇流部分:

地下水库的消退系数KKG,壤中流的消退系数KKSS,马斯京根方法中的参数KE、XE,无因次单位线UH[5]。

实例中流域分为37个子流域,所以总参数实际上为1637个。这样能够使模型精度得到进一步提高,但是增加了参数优选的难度。

2 模拟退火算法(SA)

2.1 SA算法的原理

模拟退火算法的基本思想是通过模拟高温金属退火的过程,找到优化问题的全局最优或近似全局最优解。将固体加温至充分高,内能增加,物体内部粒子变为无序状。而随着固体的缓慢冷却,粒子排列逐渐趋于有序,最后在常温时达到平衡状态基态,内能减为最小[6]。利用退火过程解决优化问题时,组合优化问题对应金属物体将内能E对应目标函数,解对应为状态,最优解对应能量最低的状态,温度T演化成t[7]。其中,T为金属退火过程中的温度,而t为应用到具体目标函数中的参数值。

2.2 SA算法的实现

程序实现的基本框架如下:首先将新安江模型作为目标函数;通过调用模型,输入模型的参数值,计算后输出模型效率系数DQ。然后对DQ值进行判断,据此重新选择参数值。反复循环此过程实现优选,最终得到最优参数值[6]。

下面给出新安江模型中实现模拟退火算法的一般步骤。

(1)设定参数的上下限UB(i)、LB(i),并根据上下限随机选取参数初值,其中RND为随机数;设置初始温度T,温度变化控制量RT。

(2)判断T是否为正以及参数初值是否超出范围。如初值设置无误,则调用目标函数,输入参数X(i)到新安江模型中计算,输出模型效率系数DQ。

(3)开始主循环。令XP(i)=X(i)+(RANMAR()2.-1.)VM(i),其中VM为退火时取的步长,与温度T有关。然后判断XP(I)是否超出参数的上下限,如超出则选取XP(i)=LB(i)+(UB(i)-LB(i))LB(i)RANMAR()。将XP(i)代入目标函数中计算出新的模型效率系数DQ*。

(4)若DQ*≥DQ,则令X(i)=XP(i),并判断此时的值是否为目前最优值;若DQ*<DQ, 则根据Metropolis准则判断是否接受新的结果,如接受,则X(i)=XP(i);如不接受,则放弃这个结果。

(5)自动调整VM,使得有一半的目标函数值可以被接受。然后返回步骤(3)继续循环。

(6)主循环达到循环次数NT后退出循环。判断此时输出值是否满足停止法则。若满足,则终止计算,输出最优值;否则令T=RTT,返回步骤(3)开始新一轮的循环。

2.3 需要注意的问题

(1)初始温度的设置[8]。

这是一个非常关键的问题。初始温度过高,算法搜索到全局最优值的概率变高,但相应的搜索时间加大,收敛速度慢;初始温度过低,可节约计算时间,但会影响全局搜索能力。应用过程中,应对初始温度进行多次试验,找出最优值。

(2)退火速率的确定。

退火速率影响着算法的全局搜索性能。速度太快会导致在同一个温度上搜索不够充分,速度太慢又会浪费计算时间。需要根据目标函数的特征及意义进行设置。

3 算例与分析

3.1 资料整理

北江是珠江流域第二大水系,上游浈水发源于江西信丰县大庾岭石溪湾,流经广东南雄、始兴、仁化等县,至韶关与支流武水汇合始称北江。北江流域地处亚热带,境内高温多雨,年均降雨量约1 800 mm,汛期4～9月占年降雨量的80%。故流域属于南方湿润地区,主要产流方式为蓄满产流,可以应用基于GIS的新安江三水源半分布模型对其进行预报。本文选取了1980～2000年北江流域上的30场洪水与其对应降雨蒸发资料,并利用这些资料进行参数优选工作,以验证模拟退火法在半分布新安江模型中的应用效果。

3.2 优选结果

首先参考新安江模型参数取值规律,并结合以往参数优选经验,确定初始参数的范围。然后代入模拟退火算法进行参数优选。经过多次试验,确定初始温度T=3,降火速率RT=0.65时,可以取得较高的效率。参数设置见表1。

最终优选得出,总模型效率系数为94.34,平均模型效率系数为88.73,除峰现时差合格率为83.33%之外,其余各项指标均达到甲级标准。部分洪水场次计算误差见表2。图2、图3是从验证资料中挑选两场洪水的预报与实测径流对照图,从中可以直观地看出预测流量与实测流量的对应关系。

注:洪峰单位为m3/s。

4 结 语

建立三水源新安江半分布水文模型可以提高模型预报精度,但增加了参数优选工作的复杂度。本文尝试在三水源新安江半分布水文模型中使用模拟退火算法进行参数优选。结果证明,只要合理设置初值并使用较好的降温方式,模拟退火算法可以快速而且准确的找出参数的全局最优解,从而提高水文模型预报的精确度。

摘要：半分布新安江模型能够反映水文的空间变异规律,比集总模型能更好的反映下垫面的影响。但是多个子流域单元的参数优选变得更加复杂,这是半分布水文模型急需解决的难题。模拟退火算法是局部搜索算法的扩展,能够跳出局部循环,并在理论上以概率1.0接近全局最优值。模拟退火算法应用在半分布新安江模型参数优选工作中,确定了参数的自动优化问题,并通过实例检验了模拟退火算法在半分布水文模型中的应用。

关键词：三水源新安江模型,模拟退火算法,自动优化,参数识别

参考文献

[1]蒋龙聪,刘江平.模拟退火算法及其改进[J].工程地球物理学报,2007,(2):135-139.

[2]叶守泽,詹道江.工程水文学[M].北京:中国水利水电出版社,2000.

[3]姚成.基于栅格的分布式新安江模型构建与分析[D].南京:河海大学,2007.

[4]李莉莉,孔凡哲.基于GIS对新安江模型的初探[J].水文,2006,26(5):33-37.

[5]赵人俊,王佩兰.新安江模型参数的分析[J].水文,1988,(6):2-8.

[6]姜海.非线性优化方法研究及其在水文模型中的应用[D].武汉:武汉大学,2006.

[7]郭建青,李彦.改进模拟退火法在估计河流水质参数中的应用[J].水文,2004,(2):19-22.