求解VG方程参数的混合杂草算法.pdf

《求解VG方程参数的混合杂草算法.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、’’1芗虎乡2015年6月第29卷第3期JournalofChizhouUniversityJun．2015Vo1．29No．3求解VG方程参数的混合杂草算法张秋华，盛洲，周恺(1．池州学院数学与计算机科学系，安徽池州247000；2．广西大学数学与信息科学院，广西南宁530004)【摘要】描述土壤水分特征曲线的VanGenuchten方程(简称VG方程)是一个非常复杂的非线性方程，采用一般的优化方法对方程参数进行估计往往因为受初始值的影响，而使估计结果带有较大的误差。首先建立了VG方程参数的优化模型，然后构建单纯形算法和杂草算法

2、相结合的混合方法(简称S1wO方法)对其进行求解，并进行了数值试验。结果表明采用SIWO方法估计参数的精度比一些经典优化方法和一些改进的智能算法要高一些。因此，SIW0方法求解VG方程参数是非常有效的。【关键词】土壤水分特征曲线；VanGenuchten方程；参数估计；单纯形算法；杂草算法【中图分类号ITP301[文献标识码】A【文章编号】1674-1102(2015)03-0027-031引言法、随机粒子群算法p】、混合粒子群算法；也有学者对杂草算法解决匹配追踪的离散频率编码信号参土壤水分特征曲线表示土壤水的能量和数量数估计问题

3、等方面做了一些改进，见文【6—1。因此，为之间的关系，是研究土壤水分的保持能力和运移所了加大参数的取值范围和弥补杂草算法易陷人局用到的重要参考。常用的描述土壤水分特征曲线部最优解的缺陷，本文提出了一种基于单纯形算法方程有Brooks—Corey模型、Gardner模型、VanGenu—和杂草算法(简称IWO)的混合杂草算法(简称SI—chten模型和Gardner—Russo模型。徐绍辉等对这wo)来计算VG方程的参数，并与一些已有的算法4个模型进行了分析，结果表明VanGenuchten模型进行了比较。数值结果表明SIWO算法估

4、计VG方(简称VG模型)无论是对粗质地土壤，还是较黏质程参数是非常有效的。地土壤，其拟合效果都较好。VG模型参数的选取确定是土壤中水分运动和溶质迁移预测的基础，也2VanGenuchten模型是影响预测准确程度的最主要因素，因此，如何准描述土壤水分特征曲线的VG方程n。1具体表达确的确定VG模型的参数显得非常重要。式如下：求解VG模型参数的方法一般分为两类：一类：二+0是实验方法，例如求解非饱和土壤水分运动参数的，(1)l1+lr1简单人渗法。另一类是拟合方法，例如基于最小二其中0为土壤含水率，ca。cm；h为土壤水吸力，乘法和非

5、线性单纯形法的混合方法，研究了土壤水cm；，为土壤残余含水率，cmcm；0为土壤饱分特征曲线的滞留特征。然而以上给出的方法都和含水率，Cm。cm。；，m，n为土壤水分特征曲线受到初始值选取的限制，选择初始值合适与否将的形状参数，m=1一，n>1。决定迭代计算的工作量，甚至决定迭代计算是收敛还是发散。近年来，随着计算机技术的飞速发一般情况下，求解VG方程(1)中的参数估计问展，一些智能算法逐渐被用来求解一些复杂的非线题是将其转化为一个无约束优化问题，即性优化问题，但是这些基本算法易陷入局部最优厂、解。于是，一些学者提出许多改进的智能

6、算法，例min产如许多文献介绍了VG方程参数估计的混合遗传算j收稿日期：2015—03—23基金项目：国家自然科学基金(11301044)；安徽省省级自然科学研究项目(KJ2013B178，KJ2013B173)；安徽省高校优秀青年人才基金重点项l~l(2013SQRLO95ZD)；池州学院自然重点研究项目(2012ZRZRO05)。作者简介：张秋华(1981一)，男，安徽无为人，池州学院数学与计算机科学系讲师，硕士，主要研究方向为随机方程和智能计算；盛洲(1991一)，男，安徽六安人，广西大学硕士研究生，主要研究方向为最优化理论

7、与方法。28池州学院学报第29卷其中0为实测土壤含水率，h为实测土壤基质势，3．2基于单纯形算法和IWO的混合杂草算法Ⅳ为实测数据组数。IWO算法已经被应用于许多领域，但IWO算为了便于与其他现有参数求解方法进行比较，法存在易陷入局部最优，后期寻优精度不高等缺本文采用均方差MSE的大小来进行评价拟合精度陷。因此，为了加强局部搜索能力和加大参数的取的好坏：值范围，本文综合文【4，12，13]的思想，将单纯形算r，、法和IWO算法各自的优点进行结合，构造了出一=J㈦种混合的杂草算法(siwo)，其基本思想是将单纯形算法用来进行深度搜索

8、嵌套在IWO算法中，将IWO算法用来进行广度搜索，进而同时具有了IWO3算法构造算法的全局搜索能力和单纯形算法较强的局部搜3．1杂草算法简介索能力。SIWO方法主要步骤如下：杂草算法(InvasiveWeedOptimization，1w0)是步骤