期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到2篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
MOVPSO算法在TOPMODEL参数优化中的应用 被引量：2
1
作者 代旭 陈元芳 《人民长江》 北大核心 2018年第9期30-34,共5页
为了对水文模型中难以直接测算的参数进行调试和优化,将多目标涡流粒子种群优化算法(Multi-Objective Vortex Particle Swarm Optimization,MOVPSO)应用于水文模型参数优化计算中,并以逼近性(Generational Distance,GD)及超体积值(Hyper... 为了对水文模型中难以直接测算的参数进行调试和优化,将多目标涡流粒子种群优化算法(Multi-Objective Vortex Particle Swarm Optimization,MOVPSO)应用于水文模型参数优化计算中,并以逼近性(Generational Distance,GD)及超体积值(Hyper-Volume,HV)作为算法性能评价指标。将MOVPSO算法与NSGA-Ⅱ算法及多目标粒子种群优化算法(Multi-Objective Particle Swarm Optimization,MOPSO)独立运行50次所得Pareto前沿的GD值及HV值进行统计分析,并结合方差分析比较3种算法的性能。将MOVPSO算法迭代过程中的粒子种群速率、种群半径的估计值与测量值进行对比分析并判别两者的拟合程度。用尼泊尔巴格玛蒂河流域2005~2011年期间实测洪水日径流过程资料作为TOPMODEL模型参数率定系列,运用MOVPSO算法对模型参数进行优化,得出Pareto最优解,并利用2013年5场洪水日径流过程进行模型检验。结果表明:MOVPSO算法所得Pareto解集性能优于NSGA-Ⅱ及MOPSO算法,拟合历史洪水平均确定性系数达到0.85,模型预报精度高,表明MOVPSO优化算法在解决多参数多目标优化问题中具有优势。 展开更多
关键词 多目标参数优化 movpso算法 TOPMODEL MOPSO算法 NSGA-Ⅱ算法 确定性系数
在线阅读 下载PDF
改进的AMALGAM算法在TOPMODEL参数优化中的应用
2
作者 代旭 陈元芳 《水电能源科学》 北大核心 2018年第8期14-17,共4页
水文模型参数的优化对模拟结果至关重要,参数率定方法中的多目标分析方法备受关注。将具有继承性的精英非支配排序遗传算法(i-NSGA-Ⅱ)与多目标涡流粒子种群算法(MOVPSO)分别作为NSGA-Ⅱ算法与PSO算法的改进算法,与AMS算法及DE算法共同... 水文模型参数的优化对模拟结果至关重要,参数率定方法中的多目标分析方法备受关注。将具有继承性的精英非支配排序遗传算法(i-NSGA-Ⅱ)与多目标涡流粒子种群算法(MOVPSO)分别作为NSGA-Ⅱ算法与PSO算法的改进算法,与AMS算法及DE算法共同寻优,提出改进的遗传自适应多目标算法(AMALGAM算法),以超体积、收敛性度量及多样性度量作为算法性能评价指标,对比改进的AMALGAM算法与AMALGAM算法的解集性能。选出较优算法,并结合实例对基于地形指数的水文模型(TOPMODEL)进行参数率定,得出Pareto最优解。结果表明改进的AMALGAM算法优于AMALGAM算法,模型预报精度较高,在解决多参数多目标优化问题中具有优势。 展开更多
关键词 TOPMODEL 参数优化 PARETO最优解 确定性系数 AMALGAM多目标优化算法 i-NSGA-Ⅱ算法 movpso算法
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部