用模拟退火算法估计水质模型参数.pdfVIP

水 利 学 报 2004 年6 月 SHUILI XUEBAO 第6 期 文章编号 0559-9350 (2004) 06-0061-07 用模拟退火算法估计水质模型参数 1 1 2 王薇,曾光明,何理 (1.湖南大学 环境科学与工程系 湖南 长沙 410082 2.University of Regina, Saskatchewan, Canada S4SOA2) 摘要 本文采用BOD DO耦合模型模拟水质 在获取参数最优化值时采用BOD和DO耦合模型计算值与实测值之差的加 权平方和作为目标函数 将模拟退火算法(Simulated Annealing, SA)应用到多河段水质模型的多参数的同时估值 中 采用30次重复估值试验 并记录所有试验中最优估计值的最大值和最小值 所得到的各河段BOD衰减系数的最 优估值与真值的误差和河水复氧系数的最优估值与真值的误差均在允许范围内 说明了方法的可靠性 关键词 SA法 水质模型 参数估计 优化 中图分类号 X522 文献标识码 A 水质模型的建立主要是用于水质模拟 水质规划及水环境影响评价等领域[1 3] 而一般来说 在实际 工作中 往往都是应用已经开发的水质模型 然后针对具体的水域 只需要对所选用的水质模型进行辨识 和参数估值 一旦水质模型选定后 如何根据已有的水质监测数据 对水质模型参数进行比较准确地 有 效地估计也就成为水环境系统分析的一个非常重要的工作 目前关于水质模型参数的估值已经有过大量研究 早期的估值方法包括经验估值法 用两点法 最小 二乘法进行单参数估值 [4] 用梯度搜索法进行多参数同时估值 传统的算法因为其过强的局限性 如易于 陷入局部极值 对目标函数要求比较严格如连续 可微等 并且在计算时需要做大量的微分等数值运算 这样就不利于方法的推广 同时也容易使计算的累积误差增大 针对于此 发展了现代优化算法 现代优 化算法的共同特点有全局优化 无需复杂的数值计算 能够较好地解决复杂非线性系统的优化问题 因此 这些算法也常常被称为启发式算法 这类启发式算法主要有遗传算法 神经网络法 模拟退火算法等[5 11] 遗传算法和神经网络优化算法已经被用于环境科学领域[12 15] 并逐渐开始用于解决大量的非线性问题[16 21] 并取得了一定的效果 而作为新兴的现代优化方法之一 模拟退火算法(Simulated Annealing 以下 简称为SA法) 最早是由Kirkpatrick在1983年成功地应用在组合优化问题中[22] 目前已经应用到各门学科 中以解决非线性系统中的优化问题[23 25] [26 27] [28] 也被用于电磁装置的优化设计 无线电频率优化 以及对一 些物理参数(如卢瑟福反射参数等)[29]的分析 非平衡态模拟退火算法也被用于复杂系统的可靠性优化[30 31] 但在环境科学领域的应用却不多见 基于此种分析 本文采用SA法对环境系统中水质模型参数的最优估值 进行初步的研究 以探讨该法在环境系统分析领域中应用的可行性 1 SA算法概述 1.1 SA原理及算法 SA法是局部搜索算法的扩展 它不同于局部搜索之处是以一定的概率选择领域中的 最优值状态 理论上已经证明 它是一个全局最优算法 并且以概率1接近最优值 算法源于对实际固体退火过程的模拟 即先将固体加温至充分高 再逐渐冷却 加温时 固体内部粒 收稿日期 2002-12-05 基金项目 国家自然科学基金资助项目 高等学校优秀青年教师教学科研奖励计划项目 作者简介 王薇(1979-) 女 吉林延边人 硕士生 主要从事环境系统工程研究