典型文献
基于自适应权重粒子群优化算法的地下水污染溯源辨识
文献摘要：
地下水污染溯源辨识是指利用监测井的观测数据对污染源信息进行识别.然而,在应用模拟-优化方法进行溯源工作时,多次运行数值模拟模型会带来较大的计算负荷;在利用传统粒子群算法求解优化模型时,易陷入局部极值点,严重影响辨识结果的精度.研究基于假想算例,应用模拟-优化方法,将模拟模型作为等式约束条件,以模拟输出值与实际观测值之间的偏差极小化作为目标函数,连同其他非负约束条件建立优化模型,对三个潜在污染源的释放历史及渗透系数进行了联合识别.通过训练BP神经网络,建立数值模拟模型的替代模型,以缓解沉重的计算负荷;为了避免求解优化模型时陷入局部极值,研究提出了一种自适应权重算法,增强了传统粒子群优化算法跳出局部极值点的能力,识别结果表明:①运用BP神经网络所建立的替代模型能够很好地近似模拟模型的输入-输出关系,拟合精度达到0.99,且运行速度明显快于数值模拟模型,证明了其可以代替数值模拟模型嵌入优化模型中进行污染源溯源辨识工作;②同运用传统粒子群优化算法相比较,运用自适应权重粒子群优化算法,对优化算法的参数和迭代终止条件进行调节,可以有效地提高算法的收敛速度和计算效率,收敛得到的最优解的相对误差基本小于5％.
文献关键词：
污染源溯源辨识;模拟-优化方法;替代模型;自适应权重粒子群算法;BP神经网络方法
中图分类号：
作者姓名：
高琬玉;卢文喜;潘紫东;白玉堃
作者机构：
吉林大学地下水与资源环境教育部重点实验室,吉林长春 130012;吉林大学新能源与环境学院,吉林长春 130012
文献出处：
引用格式：
[1]高琬玉;卢文喜;潘紫东;白玉堃-.基于自适应权重粒子群优化算法的地下水污染溯源辨识)[J].中国农村水利水电,2022(12):1-7,16
A类：
污染源溯源辨识
B类：
粒子群优化算法,地下水污染,污染溯源,监测井,观测数据,数值模拟模型,局部极值,极值点,假想,等式约束,模拟输出,观测值,极小化,连同,非负约束,渗透系数,联合识别,替代模型,沉重,跳出局部,拟合精度,运行速度,快于,模型嵌入,收敛速度,计算效率,最优解,自适应权重粒子群算法,神经网络方法
AB值：
0.236942
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
