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技术

本发明专利技术公开了一种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；本发明专利技术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。

【技术实现步骤摘要】
水华机理时变模型的禁忌搜索及遗传算法优化预测方法
本专利技术涉及一种湖库藻类水华生成机理时变模型优化及水华预测方法，属于环境工程

技术介绍
随着经济社会的发展，水体富营养化已经成为一个全球性的重大水环境问题。随着全球水体富营养化的加剧，湖泊发生水华现象也越来越普遍。水华的暴发，破坏了水体中的生物多样性，严重制约了经济建设和社会发展。因此，深入研究藻类水华生成过程，对藻类水华暴发这一非常规突发事件进行有效模拟和预测，对促进水环境保护和技术进步具有重要意义。目前水华生成过程建模研究主要包括机理驱动模型和数据驱动模型。机理驱动模型包含生态变量和待定参数，通过描述水华生成机理过程进行机理建模；而数据驱动模型采用数据挖掘技术，从大量的实测数据中通过智能算法搜索隐藏于其中的相关信息，尤其适用于机理不明确的高维非线性系统。上述两类建模方法各有所长，但机理驱动模型多是针对湖库水体的环境、化学、物理及营养因素与水华生成的作用机理方面展开研究，建模过程复杂且模型结构固定，难以保证模型的环境适应性；而基于数据驱动的分析模型缺乏机理支撑，无法合理解释各种影响因素与水华生成的因果关系，难以保证模型的本文档来自技高网...

【技术保护点】
一种湖库藻类水华生成机理时变模型优化及预测方法，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))   (3) 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...

【技术特征摘要】
1.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...

【专利技术属性】
技术研发人员：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，
类型：发明
国别省市：北京;11