基于贝叶斯优化算法的新安江模型参数优化及应用

被引：9

作者：

周闫明 ^{[1
]}

石朋 ^{[1
,2
]}

瞿思敏 ^{[1
,2
]}

陈学秋 ^{[1
]}

薛丰 ^{[1
]}

谢志刚 ^{[1
]}

李漫漫 ^{[1
]}

机构：

[1] 河海大学水文水资源学院

[2] 河海大学水文水资源与水利工程科学国家重点实验室

来源：

基金：

国家重点研发计划;

关键词：

贝叶斯优化算法; 新安江模型; 参数优化; 息县流域;

D O I：

暂无

中图分类号：

TP18 [人工智能理论]; P334.92 [];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

鉴于参数优化是保证水文模型预报效果的重要途径,以息县流域为例,采用贝叶斯优化算法对新安江模型参数进行优化,并与遗传算法进行比较。结果表明,在息县流域日径流预报问题上,贝叶斯优化算法相比遗传算法效率提升显著,精度略优于遗传算法,非常适用于解决新安江模型参数优化问题。

引用

页码：6 / 9+127 +127

页数：5

共 8 条

[1] 贝叶斯优化算法的发展综述
江敏
陈一民
[J]. 计算机工程与设计, 2010, 31 (14) : 3254 - 3259
[2] 贝叶斯优化算法的选择策略分析
江敏
陈一民
[J]. 计算机工程与设计, 2011, 32 (01) : 266 - 269
[3] 贝叶斯优化方法和应用综述
崔佳旭
杨博
[J]. 软件学报, 2018, 29 (10) : 3068 - 3090
[4] 基于BP神经网络和遗传算法的污水处理厂电耗预测
谢武明
李俊
周峰平
毕小林
陈冬冬
吴志京
马峡珍
张宁
[J]. 水电能源科学, 2018, 36 (08) : 202 - 204
[5] Information-Theoretic Regret Bounds for Gaussian Process Optimization in the Bandit Setting. Niranjan Srinivas,Andreas Krause,Sham M. Kakade. IEEE Transactions on Information Theory . 2012
[6] Probabilistic machine learning and artificial intelligence. Ghahramani Z. Nature . 2015
[7] SCE-UA、遗传算法和单纯形优化算法的应用
宋星原
舒全英
王海波
廖为民
[J]. 武汉大学学报(工学版), 2009, 42 (01) : 6 - 9+15
[8] 粒子群算法在新安江模型参数率定中的应用
刘苏宁
甘泓
魏国孝
[J]. 水利学报, 2010, (05) : 537 - 544