基于量子行为粒子群优化算法的河道糙率反演

被引：5

作者：

张梦泽 ^{[1
]}

刘远洪 ^{[1
]}

王苓如 ^{[1
]}

王思琪 ^{[1
]}

王文民 ^{[2
]}

机构：

[1] 河海大学水文水资源学院

[2] 泰安水文局

来源：

人民黄河 | 2015年 / 37卷 / 02期

关键词：

河道; 水流模拟; 量子行为粒子群算法; 糙率; 参数反演;

D O I：

暂无

中图分类号：

TV143 [河流动力学];

学科分类号：

摘要：

糙率是河道水动力模型的重要参数,在模型中敏感性高,但其在实际工作中难以准确测定。量子行为粒子群算法(QPSO)是粒子群算法的发展,相对于粒子群算法,在全局收敛和收敛率上有很大提高。将量子行为粒子群优化算法与一维河道水动力模型耦合,建立河道糙率反演模型,并在淮河干流蚌埠到花园咀河段进行了模拟,取得了较好的效果。与其他糙率反演算法相比,该算法具有理论简单、参数少、易于编程实现、通用性强等优点。

引用

页码：26 / 29

页数：4

共 12 条

[1] 一种高效实用的河网水动力数学模型研究 [J].

詹杰民 ;

吕满英 ;

李毓湘 ;

江洧 .

水动力学研究与进展(A辑), 2006, (06) :685-692

[2] 基于广义逆理论的河网糙率反演研究 [J].

程伟平 ;

刘国华 .

浙江大学学报(工学版), 2005, (10) :145-150

[3]

量子行为粒子群优化算法研究[D]. 孙俊.江南大学 2009

[4]

基于遗传算法的河网糙率反分析研究[D]. 刘志贤.浙江大学 2008

[5]

An analysis of particle swarm optimizers. Frans van den Bergh. Journal of Women s Health . 2001

[6]

Quantum-behaved particle swarm optimization: Analysis of individual particle behavior and parameter selection. Sun, Jun,Fang, Wei,Wu, Xiaojun,Palade, Vasile,Xu, Wenbo. Evolutionary Computation . 2012

[7] 黄河下游滩区水动力条件及阻力特性变化分析 [J].