水文地质参数反演的hooke-jeeves粒子群混合算法 inverse analysis of hydrogeological parameters using hybrid hooke-jeeves and particle swarm optimization method.pdfVIP

第21卷第5期 水科学进展 Vol-21．No．5 2010年9月 ADVANCESINWATERSCIENCE Sep．，2010 江思珉1，朱国荣2，施小清2，周念清1 (1．同济大学水利工程系，上海200092；2．南京大学水科学系，江苏南京210093) 摘要：水文地质参数寻优结果的好坏会直接影响到地下水数值模拟的精度，而参数寻优结果很大程度上取决于寻 优方法的选择。粒子群算法是一种基于群智能的随机全局寻优方法，算法的缺陷是后期搜索效率低劣。基于随机寻 优算法的混合策略，引入有效的约束处理手段和粒子群算法惯性因子的动态非线性调整技术，有机融合粒子群算 在参数反演计算中求解精度高、收敛速度快、寻优性能强，是一种值得推广的水文地质参数识别方法。 关键词：水文地质参数；粒子群算法；Hooke—Jeeves算法；参数反演；优化技术 中图分类号：P641．2；P641．8文献标志码：A 文章编号2010)OSi-0606-07 解逆问题是地下水数值模拟的一个重要课题，最近20多年来，随着地下水数值模拟的广泛应用，模型 识别、参数估计等数值方法也得到迅速发展，为这一领域的研究开辟了广阔的前景。事实上，也只有解决好 解逆问题，预测工作(水量预测、污染预测)才能迎刃而解…。水文地质逆问题，实质上就是地下水数值 模型的参数反演过程，亦即在一定的初始条件和边界条件下，选取最佳的水文地质参数，使所建立的地下水 模型能够最大限度地与所研究的地下水流状况相吻合¨…。 目前，水文地质逆问题的求解常采用间接法，该方法把参数反演过程转化为对决策变量为水文地质参数 的最优化问题的求解。最优化方法是进行参数反演的有力工具。传统的优化方法如Newton法、单纯形法、 究人员引入智能算法求解水文地质逆问题，如遗传算法、模拟退火算法、禁忌搜索算法、蚁群算法、粒子群 算法等，取得了较好的结果旧…。 Swarm 粒子群算法(Particle 能高效，并在许多领域已经得到广泛的应用，但在实际应用时粒子群算法往往存在着早熟收敛现象。目前国 内外学者已经提出了多种改进算法来克服粒子群算法的早熟收敛问题，这些改进主要集中在三方面¨m¨1。 一是根据粒子群的多样性程度自适应调整惯性因子，从而扩大搜索空间，避免陷入局部最优解；二是根据种 群多样性和当前最优解的状况，改变全局最优位置或者重新初始化种群的位置和速度，从而改变粒子群的聚 集方向；三是将粒子群算法和局部搜索算法相结合，利用局部邻域算法来提高粒子群算法的局部搜索能力， 整粒子群算法的惯性因子，并根据水文地质参数反演问题的特点引入简单有效的约束处理手段，提出采用 HJPSO混合算法进行水文地质参数反演。 收稿日期：2009．12-01 基金项目：国家自然科学基金资助项目 作者简介：江思珉(1980一)，男，安徽歙县人，讲师，博士，主要从事地下水数值模拟研究。 E—mail：jiangsimin@tongji．edu．ell 万方数据 第5期 江思珉，等：水文地质参数反演的Hooke—Jeeves粒子群混合算法 607 1 PSO算法 搜索区域对应于决策变量的范围，食物对应于目标函数(或适应度凡．)的最优解，每只鸟(即粒子)对应于一 个可行解。在每次迭代中，粒子通过跟踪两个极值(个体极值P。。和全局极值G¨。)来更新自身的位置。 对于D维的搜索空间由m个粒子组成的粒子群，第i个粒子的当前位置表示为X。(石石岔，…，石m)，速 粒子群的历史最优位置。在每次迭代中，每个粒子根据以下公式来更新其速度和位置： (1) 秒譬1=‘口l，乞+clrl(p“t一茗乞)+c2r2(p0一戈：)d=1，2，…，D 并：1=茗乞+口：1 d=l，2，…，D (2) 布的随机数。式(1)由3部分组成，第一部分表示惯性，