[發明專利]基于適應性策略差分演化的水質模型參數辨識方法在審
| 申請號: | 201810164309.2 | 申請日: | 2018-02-28 |
| 公開(公告)號: | CN108304675A | 公開(公告)日: | 2018-07-20 |
| 發明(設計)人: | 劉友存;郭肇祿;趙奎;尹寶勇;劉燕 | 申請(專利權)人: | 江西理工大學 |
| 主分類號: | G06F17/50 | 分類號: | G06F17/50;G06N3/12 |
| 代理公司: | 贛州凌云專利事務所 36116 | 代理人: | 曾上 |
| 地址: | 341000 江*** | 國省代碼: | 江西;36 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 適應性策略 水質模型 參數辨識 差分演化算法 調整策略 搜索策略 隨機個體 最優個體 自動地 辨識 融合 | ||
1.一種基于適應性策略差分演化的水質模型參數辨識方法,其特征在于,包括以下步驟:
步驟1,選擇水質模型,并確定水質模型的待辨識參數以及待辨識參數的個數D;然后通過實驗采集水質模型的樣本數據,包括水質模型的實驗輸入值和實驗輸出值;
步驟2,設置種群規模Popsize;
步驟3,設置最大代數MaxT;
步驟4,令當前演化代數t=0;
步驟5,令雜交率Crit=0.9,縮放因子Fit=0.5,策略因子其中下標i=1,2,...,Popsize;
步驟6,隨機初始化種群中的Popsize個個體,其中種群中每個體存儲了水質模型的D個待辨識參數值;
步驟7,根據采集的樣本數據計算種群中每個個體的適應值,然后保存種群中的最優個體Bestt;
步驟8,令計數器bi=1;
步驟9,如果計數器bi大于種群規模Popsize,則轉到步驟18,否則轉到步驟10;
步驟10,利用混沌映射生成校正因子IW,具體如下:
步驟10.1,隨機產生一個[Popsize,Popsize×2]之間的正整數IN;
步驟10.2,隨機產生一個[0,1]之間的實數pr;
步驟10.3,令校正因子IW=pr,并令計數器mt=1;
步驟10.4,如果計數器mt大于IN,則轉到步驟10.9,否則轉到步驟10.5;
步驟10.5,令中間變量fv=IW;
步驟10.6,令校正因子IW=fv×sin(fv×π),其中sin為正弦函數,π為圓周率;
步驟10.7,令計數器mt=mt+1;
步驟10.8,轉到步驟10.4;
步驟10.9,令fv=IW,然后令IW=0.8+0.2×fv;
步驟11,按公式(1)計算當前雜交率NCrbi、當前縮放因子NFbi和當前策略因子NMubi:
其中rand為均勻隨機實數產生函數;
步驟12,執行適應性策略差分變異算子產生變異個體具體如下:
步驟12.1,判斷當前策略因子NMubi的值是否處于[0,0.333]區間,若是則轉到步驟12.3,否則轉到步驟12.2;
步驟12.2,判斷當前策略因子NMubi的值是否處于(0.333,0.667]區間,若是則轉到步驟12.5,否則轉到步驟12.7;
步驟12.3,按公式(2)執行基于隨機個體的變異策略生成變異個體
其中和為從種群中隨機選擇出來的三個個體,并且滿足不等于
步驟12.4,轉到步驟13;
步驟12.5,按公式(3)執行基于最優個體的變異策略生成變異個體
步驟12.6,轉到步驟13;
步驟12.7,按公式(4)執行均值變異策略生成變異個體
其中為種群中的第個bi個體,RM為慣性因子,WM為均值因子,XMean為種群中所有個體的平均值;
步驟13,根據當前雜交率NCrbi基于變異個體和個體執行差分演化的雜交算子生成試驗個體
步驟14,計算試驗個體的適應值;
步驟15,執行差分演化的選擇算子;
步驟16,如果優于則令雜交率然后令縮放因子并令策略因子否則保持雜交率縮放因子和策略因子不變;
步驟17,令計數器bi=bi+1,然后轉到步驟9;
步驟18,令當前演化代數t=t+1;
步驟19,保存種群中的最優個體Bestt;
步驟20,重復步驟8至步驟19直至當前演化代數達到最大代數后結束,執行過程中得到的最優個體Bestt即為水質模型參數的辨識結果。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于江西理工大學,未經江西理工大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201810164309.2/1.html,轉載請聲明來源鉆瓜專利網。





