[发明专利]水华机理时变模型的禁忌搜索及遗传算法优化预测方法有效
申请号: | 201410225546.7 | 申请日: | 2014-05-26 |
公开(公告)号: | CN103984996B | 公开(公告)日: | 2017-02-15 |
发明(设计)人: | 王小艺;施彦;王立;许继平;于家斌;姚俊杨 | 申请(专利权)人: | 北京工商大学 |
主分类号: | G06Q10/04 | 分类号: | G06Q10/04;G06N3/12 |
代理公司: | 北京永创新实专利事务所11121 | 代理人: | 赵文颖 |
地址: | 100048*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明公开了一种本发明提供的基于禁忌搜索和遗传算法的湖库藻类水华生成机理时变模型优化及预测方法,包括步骤一、构建水华生成机理时变模型;步骤二、建立影响因素函数模型库;步骤三、基于遗传算法优化水华生成机理时变模型参数;步骤四、基于禁忌搜索算法优化水华生成机理时变模型结构及影响因素分析;步骤五、最优水华生成机理时变模型预测;本发明对水华生成机理模型引入时间变量,建立水华生成机理时变模型,使其不仅适用于模拟水华生成过程,且可用于水华预测,解决基于数据驱动模型的水华预测不够准确而机理驱动模型无法进行水华预测的问题。 | ||
搜索关键词: | 机理 模型 禁忌 搜索 遗传 算法 优化 预测 方法 | ||
【主权项】:
水华机理时变模型的禁忌搜索及遗传算法优化预测方法,通过如下步骤实现:步骤一、构建水华生成机理时变模型;水华生成机理时变模型为:其中,ca(t)为叶绿素含量的时间函数,Gp(t)为叶绿素生长率的时间函数,Dp(t)为叶绿素死亡率的时间函数,mp为叶绿素净损失率,t表示时间;叶绿素生长率的时间函数Gp(t)为:Gp(t)=G(X1(t))·G(X2(t))·...·G(XM(t)) (2)其中,Xi(t)为第i个影响因素的时间函数,G(Xi(t))为第i个影响因素的作用函数,i=1,2,…,M;叶绿素死亡率的时间函数Dp(t)为:Dp(t)=Dmax×1.08(T(t)‑20)其中,Dmax为叶绿素最大死亡率,T(t)为水温的时间函数;步骤二、建立影响因素函数模型库;具体为:(1)建立各影响因素的时间函数模型库,包括常数模型Xi(t)=ai,正比例函数模型Xi(t)=ai·t,反比例函数模型Xi(t)=ai/t,指数函数模型Xi(t)=ai·et,对数函数模型Xi(t)=ai·lnt,幂函数模型以及以上多个模型的组合模型,其中ai表示第i个影响因素的时间函数模型参数,并给每一种时间函数模型编号;(2)建立各影响因素的作用函数模型库,包括常数模型G(Xi(t))=bi,正比例函数模型G(Xi(t))=bi·t,反比例函数模型G(Xi(t))=bi/t,指数函数模型G(Xi(t))=bi·et,对数函数模型G(Xi(t))=bi·lnt,幂函数模型以及以上多个模型的组合模型,其中bi表示第i个影响因素的作用函数模型参数,并给每一种作用函数模型编号;(3)产生水华生成机理时变模型结构的初始解;水华生成机理时变模型结构的解表示为M个影响因素的时间函数模型编号和作用函数模型编号的一种组合,解的表示形式为一个包 含2·M个元素的向量,即{(第i个影响因素时间函数模型编号,第i个影响因素作用函数模型编号)i},i=1,2,…,M;为每个影响因素从函数模型库中随机产生一个时间函数模型编号和一个作用函数模型编号,将所产生的M个影响因素的时间函数模型编号和作用函数模型编号按解的表示形式组合成一个包含2·M个元素的向量作为初始解;步骤三、基于遗传算法优化水华生成机理时变模型参数;对已确定模型结构的水华生成机理时变模型进行参数优化;首先对影响因素时间函数模型参数进行优化,对每一个影响因素分别进行时间函数模型参数优化,采用最小二乘法,优化判据为误差平方和达到最小,其中,Xit为第i个影响因素在t时刻的真实值,Xi(t)为第i个影响因素在t时刻的函数值;将参数优化后的各影响因素时间函数模型参数代入水华生成机理时变模型,再对水华生成机理时变模型中其余参数进行优化,采用遗传算法,对bi、Dmax、mp同时进行优化;步骤四、基于禁忌搜索算法优化水华生成机理时变模型结构及影响因素分析;禁忌搜索算法优化水华生成机理时变模型结构的基本流程为:(1)初始状态设定;将步骤二中产生的初始解作为当前最优解;禁忌表中的元素为所有解的任期,将禁忌表中所有元素初值设为0,设置禁忌长度为固定值L以及设置最大搜索步数;若某一个解被加入禁忌表,则将该解在禁忌表中的任期设为L,每执行一次搜索将其任期减1,该解在被禁忌了L次以后将自动解禁,再次参与搜索,从而使搜索算法跳出局部最优解;(2)邻域解的产生;首先要产生当前最优解的邻域,即随机选取m个影响因素作为需改变的影响因素的个数,m<M,然后随机产生这m个影响因素的时间函数模型和作用函数模型在函数模型库中的编号,再与当前最优解中未改变的影响因素的时间函数模型和作用函数模型的编号组合即为邻域解;(3)候选解的确定;对邻域解进行禁忌检查,若领域解不在禁忌表中,即该邻域解在禁忌表中的任期为零,则将其作为候选解;若邻域解已在禁忌表中,即该邻域解在禁忌表中的任期非零,则将禁忌表中所有非零的元素减1,并重新产生邻域解,重复第(2)、(3)步直至得到候选解;(4)适应度检查;对候选解所确定的水华生成机理时变模型结构按步骤三进行模型参数优化,并得到该候选解对应的适应度值,若适应度值不小于适应度阈值,则将该候选解作为最优解,得到相应的最优水华生成机理时变模型,终止禁忌搜索;若候选解的适应度值未达到适应度阈值,则执行第(5)步;(5)当前最优解的获得;首先将禁忌表中所有非零的元素减1;当候选解对应的适应度值差于当前最优解,即候选解的适应度值小于当前最优解的适应度值,则把候选解加入禁忌表,即将候选解的任期设为L;若候选解对应的适应度值优于当前最优解,即候选解的适应度值大于等于当前最优解的适应度值,则将当前最优解加入禁忌表,即将当前最优解的任期设为L,再用候选解替代当前最优解;(6)禁忌搜索终止;禁忌搜索重复次数达到最大的搜索步数则终止搜索,由当前最优解得到相应的最优水华生成机理时变模型;若未达到最大搜索步数,则重复第(2)‑(5)步;步骤五、最优水华生成机理时变模型预测;将最优水华生成机理时变模型写成齐次微分方程形式为:该微分方程的解为:则在N时刻对叶绿素含量向前预测l步的最优水华生成机理时变模型预测公式为:其中,ca(N+l)为叶绿素含量在N+l时刻的预测值。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京工商大学,未经北京工商大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201410225546.7/,转载请声明来源钻瓜专利网。
- 上一篇:银氧化锡包覆粉末制备装置
- 下一篇:液压浇铸机
- 同类专利
- 专利分类
G06 计算;推算;计数
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法;其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政;管理
G06Q10-02 .预定,例如用于门票、服务或事件的
G06Q10-04 .预测或优化,例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理,例如组织、规划、调度或分配时间、人员或机器资源;企业规划;组织模型
G06Q10-08 .物流,例如仓储、装货、配送或运输;存货或库存管理,例如订货、采购或平衡订单
G06Q10-10 .办公自动化,例如电子邮件或群件的计算机辅助管理
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法;其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政;管理
G06Q10-02 .预定,例如用于门票、服务或事件的
G06Q10-04 .预测或优化,例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理,例如组织、规划、调度或分配时间、人员或机器资源;企业规划;组织模型
G06Q10-08 .物流,例如仓储、装货、配送或运输;存货或库存管理,例如订货、采购或平衡订单
G06Q10-10 .办公自动化,例如电子邮件或群件的计算机辅助管理