基于粒子群优化算法(PSO)的水质模型参数估值

摘要

河流水质数学模型是描述水体中污染物随时间和空间迁移转化规律的数学模型。水质模型的参数估计是水环境数值模拟的关键,目前水质模型参数估计的主要方法存在精度低、收敛速度慢及易陷入局部极小等缺陷。粒子群优化算法是近年发展起来的一种新的进化算法,具有实现容易、精度高、收敛快等优点.文章采用一种带惯性项的粒子群算法进行水质模型的参数估值,并在应用中加入了特定的程序模块,当其早熟收敛时,将粒子群打散,重新进行迭代计算,以达到全局最优值.应用此算法对Streeter-Phelps水质模型进行参数估算,实际算例表明该算法结果较优。