资源描述：
《蓝藻水华预报模型及基于遗传算法的参数优化.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、生态学报2010,30(4):1003—1010ActaEcologicaSinica蓝藻水华预报模型及基于遗传算法的参数优化1,211,31黄佳聪,吴晓东,高俊峰,孔繁翔(1.中国科学院南京地理与湖泊研究所,南京210008;2.中国科学院研究生院,北京100049)摘要:蓝藻水华预报是应对水危机,保障水资源供给的一项重要工作。以太湖北部三湾(竺山湖、梅梁湾、贡湖)为研究对象,采用动态空间环境建模技术,构建了蓝藻水华预报模型,并通过实地观测建立了模拟的初始参数集。利用2008年0409月太湖水环境、气象等实测数据,采用遗传算法优化叶绿素a浓度预报模型中敏感度较高的4
2、个参数。研究结果表明,该模型在蓝藻水华空间分布的预报上达到了一定的精度;采用遗传算法能全面、高效地进行参数优化,降低了模拟结果的相对残差,提高了模型预报精度。关键词:蓝藻水华;预报模型;动态空间环境模拟;参数优化;遗传算法;太湖Cyanobacteriabloompredictionmodelandparametersoptimizationbasedongeneticalgorithm1,211,31HUANGJiacong,WUXiaodong,GAOJunfeng,KONGFanxiang1NanjingInstituteofGeographyandLimnol
3、ogy,ChineseAcademyofSciences,Nangjing210008,China2GraduateUniversityofChineseAcademyofSciences,Beijing100049,ChinaAbstract:Cyanobacteriabloompredictionisveryimportantforwatercrisisandwaterresourcesecurity.Techniqueofdynamicspatialenvironmentalmodellingisusedtodevelopcyanobacteriabloompr
4、edictionmodelusedinthreebays(MeiliangBay,ZhushanBay,GongBay)ofnorthernTaihuLake.Theinitialmodelparametersareobtainedfromfieldobservation.Thefourparametershighlysensitiveinchlorophyll2aconcentrationpredictionaredeterminedusingGeneticAlgorithmoptimizationtechnique.Theobservedfielddataofwa
5、terenvironmentandmeteorologicalconditionsinTaihuLakefromApriltoSeptember2008areusedforthispurpose.Theresultsshowedthat,GeneticAlgorithmiscomprehensiveandefficientinoptimizingmodelparameters,thuseffectiveinimprovingpredictionaccuracyofthemodelandtherelativeresidualdecreases.KeyWords:cyan
6、obacteriabloom;predictionmodel;dynamicspatialenvironmentalmodelling;parameteroptimization;GeneticAlgorithm;TaihuLake[1]近几年来,蓝藻水华频繁暴发,湖泊水环境、生态系统健康以及人们的生产、生活受到极大影响。蓝藻[2]水华预报可预报蓝藻水华分布范围与堆积程度,为提前采取应对措施,减轻蓝藻水华危害提供科学依据。引起湖泊蓝藻水华因素众多,蓝藻水华形成机理复杂,尽管国内外学者对湖泊蓝藻水华预报开展了大量研究,但建立有效的蓝藻水华预报模型相当困难,蓝藻水华预报模
7、型的精度亟待提高,以满足应用的需求。蓝藻水华模型涉及到很多参数,参数的选择和估计对预报结果影响甚大,参数优化显得十分重要。常规的模型参数优化方法都是与初始数据有关,对计算者的经验要求高,往往无法提供全局最优解,使得这些传统方法难以做[3]到真正优化的目的;遗传算法(geneticalgorithm,GA)是一种启发式算法,具有全局搜索特征,在模型参数优基金项目:国家重点基础研究发展计划(973)资助项目(2008CB418106);江苏省自然科学基金资助项目(BK2005164);中国科学院重大交叉资助项目(KZCX12YW214)收稿日期:2008
