蓝藻水华预报模型及基于遗传算法的参数优化.pdf
上传人:qw****27 上传时间:2024-09-12 格式:PDF 页数:8 大小:485KB 金币:15 举报 版权申诉
预览加载中,请您耐心等待几秒...

蓝藻水华预报模型及基于遗传算法的参数优化.pdf

蓝藻水华预报模型及基于遗传算法的参数优化.pdf

预览

在线预览结束,喜欢就下载吧,查找使用更方便

15 金币

下载此文档

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

生态学报2010,30(4):1003—1010ActaEcologicaSinica蓝藻水华预报模型及基于遗传算法的参数优化黄佳聪1,2,吴晓东1,高俊峰1,3,孔繁翔1(1.中国科学院南京地理与湖泊研究所,南京210008;2.中国科学院研究生院,北京100049)摘要:蓝藻水华预报是应对水危机,保障水资源供给的一项重要工作。以太湖北部三湾(竺山湖、梅梁湾、贡湖)为研究对象,采用动态空间环境建模技术,构建了蓝藻水华预报模型,并通过实地观测建立了模拟的初始参数集。利用2008年0409月太湖水环境、气象等实测数据,采用遗传算法优化叶绿素a浓度预报模型中敏感度较高的4个参数。研究结果表明,该模型在蓝藻水华空间分布的预报上达到了一定的精度;采用遗传算法能全面、高效地进行参数优化,降低了模拟结果的相对残差,提高了模型预报精度。关键词:蓝藻水华;预报模型;动态空间环境模拟;参数优化;遗传算法;太湖CyanobacteriabloompredictionmodelandparametersoptimizationbasedongeneticalgorithmHUANGJiacong1,2,WUXiaodong1,GAOJunfeng1,3,KONGFanxiang11NanjingInstituteofGeographyandLimnology,ChineseAcademyofSciences,Nangjing210008,China2GraduateUniversityofChineseAcademyofSciences,Beijing100049,ChinaAbstract:Cyanobacteriabloompredictionisveryimportantforwatercrisisandwaterresourcesecurity.Techniqueofdynamicspatialenvironmentalmodellingisusedtodevelopcyanobacteriabloompredictionmodelusedinthreebays(MeiliangBay,ZhushanBay,GongBay)ofnorthernTaihuLake.Theinitialmodelparametersareobtainedfromfieldobservation.Thefourparametershighlysensitiveinchlorophyll2aconcentrationpredictionaredeterminedusingGeneticAlgorithmoptimizationtechnique.TheobservedfielddataofwaterenvironmentandmeteorologicalconditionsinTaihuLakefromApriltoSeptember2008areusedforthispurpose.Theresultsshowedthat,GeneticAlgorithmiscomprehensiveandefficientinoptimizingmodelparameters,thuseffectiveinimprovingpredictionaccuracyofthemodelandtherelativeresidualdecreases.KeyWords:cyanobacteriabloom;predictionmodel;dynamicspatialenvironmentalmodelling;parameteroptimization;GeneticAlgorithm;TaihuLake近几年来,蓝藻水华频繁暴发,湖泊水环境、生态系统健康以及人们的生产、生活受到极大影响[1]。蓝藻水华预报可预报蓝藻水华分布范围与堆积程度,为提前采取应对措施,减轻蓝藻水华危害提供科学依据[2]。引起湖泊蓝藻水华因素众多,蓝藻水华形成机理复杂,尽管国内外学者对湖泊蓝藻水华预报开展了大量研究,但建立有效的蓝藻水华预报模型相当困难,蓝藻水华预报模型的精度亟待提高,以满足应用的需求。蓝藻水华模型涉及到很多参数,参数的选择和估计对预报结果影响甚大,参数优化显得十分重要。常规的模型参数优化方法都是与初始数据有关,对计算者的经验要求高,往往无法提供全局最优解,使得这些传统方法难以做到真正优化的目的[3];遗传算法(geneticalgorithm,GA)是一种启发式算法,具有全局搜索特征,在模型参数优基金项目:国家重点基础研究发展计划(973)资助项目(2008CB418106);江苏省自然科学基金资助项目(BK200