[发明专利]一种基于PIKAIA遗传算法和OpenMP共享内存模型的水质模型参数自动率定方法

说明书

一种基于PIKAIA遗传算法和OpenMP共享内存模型的水质模型自动率定并行计算方法，属于水质模型参数率定领域。具体来说是一种结合了PIKAIA遗传算法和OpenMP共享内存模型的水质模型参数自动率定并行计算的方法，本发明根据野外调查结果，确定模拟对象，然后利用PIKAIA遗传算法和OpenMP共享内存模型，构建水质参数优化自动率定并行计算模型，自动率定所选待率定参数的取值，最后选定指标，验证模拟值与实测值变化趋势是否相符。本发明通过采用同时采用PIKAIA遗传算法和OpenMP共享内存模型，充分利用两者的优点，得到了一种优化时间短，适应度高的水质模型自动率定并行计算的方法。

技术领域

本发明属于水质模型参数率定领域，具体来说是一种结合了PIKAIA遗传算法和OpenMP共享内存模型的水质模型参数自动率定并行计算的方法。

背景技术

计算机数值模型在江河湖库等水体中得到了广泛地应用，其中，水质模型常常作为江河湖库管理的重要工具之一。在实际应用中，各种水质模型都需要事先进行大量的参数调节(“调参”)工作，即不断调节各类参数，使得模型计算值与实测值最为吻合，而调节参数最为常见的方法则为人工试错法，这种方法既耗时又很难达到最优值，存在诸多弊端。

智能算法的诞生改变了这一局面，学者们借助各种各样的智能算法来做全局的优化算法，取得了不错的效果。遗传算法作为智能算法的一种，自1975年J.Holland教授提出至今，已发展为最为活跃的智能算法之一，许多学者根据遗传算法的基本理论提出了各种各样的改进版本，本发明与水质模型结合的是PIKAIA遗传算法，即为其中一种。

并行计算是一种同时执行多条指令或处理多个数据的一种形式。相对于串行计算来说，并行计算可以在有限时间内解决复杂的计算的问题。并行计算已经发展了很多年，主要是在高性能计算方面。并行计算机可分为具有多核和多处理器的单台计算机、计算机集群等。目前主流的并行编程模型可以分为消息传递和共享内存两类，消息传递的标准是MPI，主流的共享内存模型是OpenMP，具有很好的可移植性，得到了几乎所有商业编译器的支持。本发明即采用OpenMP共享内存模型。

发明内容

本发明的目的是利用PIKAIA遗传算法和OpenMP共享内存模型，提供一种优化时间短，适应度高的水质模型自动率定并行计算的方法。

本发明的目的是这样实现的：一种基于PIKAIA遗传算法和OpenMP共享内存模型的水质模型自动率定并行计算方法，包括如下步骤：

1)根据野外调查结果，确定模拟对象；

2)利用PIKAIA遗传算法和OpenMP共享内存模型，构建水质参数优化自动率定并行计算模型，根据待率定参数的取值范围，自动率定所选待率定参数的取值；

3)选定指标，验证模拟值与实测值变化趋势是否相符。

本发明中，步骤2)中自动率定并行计算模型的构建，具体步骤如下：

2-1)随机生成模型率定所需参数值，作为初始种群，种群中每个个体包含一组待率定的参数；

2-2)将步骤2-1)中所生成的种群中每个个体所代表的一组参数，代入模型计算，然后计算并评价每个个体的适应度值，适应度值采用公式1.1所示适应度函数计算；

式中，O_i,j为实测值，P_i,j为模拟值，m为实测与模拟匹配的数目，w_i为权重因子， q为待率定参数的个数；

2-3)对种群的适应度值按从大到小排列，按照一定比例优先选择一对适应度值大的个体，作为“双亲”；该比例按照“轮盘赌”的方式进行确定，将该代所有种群的适应度从大到小排列，以最大的适应度值作为标准，计算所有种群的被选择概率，即所有适应度值除以该标准。按照每个种群被选择的概率，随机抽取作为“双亲”；