[发明专利]基于分阶段禁忌寻优算法的土壤水分特征参数计算方法

说明书

技术领域

本发明涉及农业技术领域，特别涉及一种土壤水分特征参数的计算方法，尤其涉及一种基于分阶段禁忌寻优算法的土壤水分特征参数计算方法。

背景技术

土壤水分运动是一个复杂的过程，与灌溉方式、土壤条件和外界环境等众多因素密切相关。在特定的灌溉条件下，研究土壤水分运动,对理解土壤水分分布，进而改进灌溉系统，提高水分利用效率具有重要意义。

土壤水分运动模拟研究中，通常是在特定的灌溉条件、土壤组成和外界环境条件下，利用实验方法建立经验公式来模拟土壤水分运动规律，或者利用已有的成熟公式，利用参数优化算法，结合实验数据，计算出优化参数，进而确定出土壤水分运动规律。

目前应用于土壤水分运动参数优化的算法主要有遗传算法，粒子群算法，最小二乘法等。

遗传算法是目前应用最广泛的研究土壤水分运动参数的算法。遗传算法从串集开始搜索，覆盖面大，利于全局择优；采用概率的变迁规则来指导搜索方向；具有自组织、自适应和自学习性。但是遗传算法较容易陷入局部最优点，并且迭代次数较多。

粒子群算法是近年来发展起来的一种新的进化算法。从随机解出发，通过迭代寻找最优解，也是通过适应度来评价解的品质，但比遗传算法规则更为简单，算法在多维空间函数寻优、动态目标寻优等方面有着收敛速度快、解质量高、鲁棒性好、需调整的参数较少等优点。但是也存在着精度较低，易发散等缺点。

最小二乘法通过最小化误差的平方和寻找参数的最佳匹配函数。目前应用最小二乘法主要是针对Van Genuchten方程描述的土壤水分特征曲线进行参数寻优。利用PS最小二乘法求解Van Genuchten方程参数算法实现简单、运算速度快、计算精度高。但是对其他土壤水分运动方程应用的较少。

禁忌搜索（Tabu Search）算法是一对局部邻域搜索的扩展，为一种全局迭代寻优算法。通过模拟人的经验，利用一种灵活的存储结构（禁忌表）和相应的禁忌准则来避免反复搜索，达到跳出局部最优解的目的。并通过特赦规则来赦免一些被禁忌的优良解，从而保证多样化的有效搜索，从而实现全局优化。禁忌算法具有很强的通用性，并且对问题无特殊要求，因而其应用领域非常广泛。尽管禁忌算法通过建立禁忌表来避免陷入局部最优,但是基本禁忌算法的收敛速度和普适性较差。

发明内容

（一）要解决的技术问题

本发明要解决的技术问题是，针对现有技术的不足，提出一种土壤水分特征参数的计算方法，对一维土壤水分垂直渗入模型参数进行寻优。通过数值模拟和实测实验交互验证，该算法计算出来的寻优结果很好的模拟了土壤水分垂直运动规律。

（二）技术方案

本发明提供一种基于分阶段禁忌寻优算法的土壤水分特征参数的计算方法，包括：S1：通过实验测量获取土壤饱和导水率和饱和含水量；S2：根据S1中的土壤饱和导水率和饱和含水量，计算出土壤非饱和导水率和土壤水分扩散率；S3：建立一维垂直土壤水分运动数学模型；S4：将S2中的土壤非饱和导水率和土壤水分扩散率带入到S3的模型中，转化为土壤含水率理论值计算公式θ(a,b,m)；S5：根据入渗实验，确定土壤含水率的实际测量值θ；S6：建立最优化目标函数，并将S4和S5中的θ(a,b,m)和θ带入目标函数中，根据改进的分段禁忌算法进行优化，以确定出a、b、m的最优值；所述改进的分段禁忌算法为以基本禁忌算法为基础，分别在三个阶段中的每个阶段的参数进行对应的设置和选取；S7：将S6中的a、b、m最优值带入S3中的一维垂直土壤水分运动数学模型中计算出土壤水分特征参数。

更好地，在S6中利用改进的分段禁忌算法对目标函数进行参数寻优，所述改进的分段禁忌算法具体流程步骤包括：S6.1：对目标函数进行初步寻优；S6.2：对目标函数以S6.1寻优结果为基础进行全局寻优；S6.3：对目标函数以S6.2的寻优结果为基础进行快速搜索。

更好地，所述S6.1具体包括：S6.1.1：初始值设置，初始值以随机方式在整个取值空间内取得；禁忌表为空，并采用单向列表方式加以管理；S6.1.2：邻域点的选取，利用目标函数的差分来指导邻域点的选取。

更好地，所述S6.2具体包括：S6.2.1：初始值设置，本步骤的初始值以S6.1中的初步寻优输出结果作为起点；S6.2.2：邻域点设置，本步骤的邻域点设置依然利用目标函数的差分来指导邻域点的选取。