学位论文 > 优秀研究生学位论文题录展示

混沌粒子群算法在河流水质模型参数识别中的应用

作　者: 孟令群
导　师: 郭建青
学　校: 长安大学
专　业: 水文学及水资源
关键词: 河流水质模型参数粒子群算法混沌搜索混沌粒子群算法
分类号: P333
类　型: 硕士论文
年　份: 2009年
下　载: 214次
引　用: 0次
阅　读: 论文下载

内容摘要

河流水质模型参数识别,是建立河流水质数学模型、预报河流水质状态变化的基本数据。目前获得水质参数的主要途径之一,就是利用以相应的解析解为基础而建立的数据分析方法,分析河流水团示踪试验数据。确定河流水质模型参数,对于河流流域环境规划、环境影响评价等工作具有至关重要的意义。本文主要针对河流水质模型中所出现的多参数、非线性等复杂的参数优选问题,将粒子群算法、混沌粒子群算法应用于河流水质模型参数识别问题。通过数值实验,对其中存在的问题进行了一定的分析和讨论。文中的主要研究工作体现在:1.将粒子群算法应用于河流水质模型参数识别问题,通过实例分析,验证该算法的可行性与可靠性。另外,通过对数值实验结果的讨论,分析了粒子群算法需要进一步改进的问题。2.利用混沌运动的遍历性特点,将混沌局部搜索引入到粒子群算法中,提出了混沌粒子群算法,改进了粒子群算法易陷入局部极值的不足。3.采用混沌粒子群算法确定河流水质模型参数,进行了数值实验,验证了算法的可行性,并对实验结果进行分析比较;并将混沌粒子群算法在寻优率、平均迭代次数和平均最优值等方面与粒子群算法进行比较,显示了混沌粒子群算法的优越性。

全文目录

摘要  5-6
Abstract  6-9
第一章绪论  9-15
  1.1 研究背景  9-10
  1.2 水质模型概述  10-11
  1.3 水质模型分类  11-12
  1.4 水质模型参数估计  12-13
  1.5 本文研究的主要内容和方法  13-15
第二章智能优化算法  15-35
  2.1 粒子群算法  15-22
    2.1.1 粒子群算法简介  15-16
    2.1.2 粒子群算法原理  16
    2.1.3 粒子群算法控制参数的影响及选择  16-18
    2.1.4 粒子群算法流程及特点  18-20
    2.1.5 粒子群算法的改进  20-21
    2.1.6 粒子群算法的应用  21-22
    2.1.7 粒子群算法展望  22
  2.2 混沌算法  22-31
    2.2.1 混沌及混沌现象  22-23
    2.2.2 混沌的基本特性  23-24
    2.2.3 混沌优化算法及研究进展  24-26
    2.2.4 混沌算法流程  26-28
    2.2.5 混沌算法特点  28-29
    2.2.6 混沌算法控制参数的影响  29-30
    2.2.7 混沌算法的问题与展望  30-31
  2.3 混沌粒子群算法  31-35
    2.3.1 粒子群算法的局限性  31
    2.3.2 混沌算法的局限性  31-32
    2.3.3 混沌粒子群算法的提出及原理  32-33
    2.3.4 混沌粒子群算法的流程  33-34
    2.3.5 混沌粒子群算法展望  34-35
第三章粒子群算法在河流水质模型参数识别中的应用  35-47
  3.1 河流水质模型参数最优化估值方法  35-36
  3.2 一维河流水质模型基本方程的解析解  36-39
  3.3 粒子群算法确定河流水质模型参数  39-47
    3.3.1 数值实验  40-42
    3.3.2 实验结果及分析  42-45
    3.3.3 数值实验小结  45-47
第四章混沌粒子群算法确定河流水质模型参数  47-54
  4.1 数值实验  47-51
  4.2 算法控制参数  51
  4.3 实验结果及分析  51-52
  4.4 数值实验小结  52-54
结论与展望  54-56
  结论  54
  建议及展望  54-56
参考文献  56-59
致谢  59

混沌粒子群算法在河流水质模型参数识别中的应用

内容摘要

全文目录

相似论文