[發明專利]一種流域水文模型參數確定的新型算法

在審

• 申請號: 202210825880.0
• 申請日: 2022-07-13
• 公開（公告）號: CN115186589A
• 公開（公告）日: 2022-10-14
• 發明（設計）人: 魏豪杉;張永強;劉昌明
• 申請（專利權）人: 中國科學院地理科學與資源研究所
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/00;G06F113/08
• 代理公司: 成都宏田知識產權代理事務所(普通合伙) 51337
• 代理人: 鐘隆輝

1.一種流域水文模型參數確定的新型算法，其特征在于，包括初始化，精英搜索和全局設計搜索，具體為以下步驟：

初始化：給定算法所需的參數和數據，具體步驟為：

S1：給定算法的核心參數，包括有分組運算數p，待確定的變量數n和變量的上下邊界構成的可行域空間；

所述分組運算數p取值范圍為[3，+∞)，默認值為3；

S2：調節算法的其他可選參數，包括有全局操作數p_o，區間收縮因子δ和區間收縮精度δ_ε；

所述全局操作數p_o取值范圍為[3，p]，默認值為

所述區間收縮因子δ取值范圍為(0，0.5)，默認值為0.3；

所述區間收縮精度δ_ε取值范圍為[1，+∞)，默認值為5；

S3：計算關鍵粒子數，包括精英粒子m_e，全局粒子m_o，全局搜索粒子m_G和精細化搜索粒子m_R：

其中m_e＝3n+3,m_G＝m_op_o,m_R＝m_ep,表示不超過的最大整數；

S4：在所述可行域中生成m_R個均勻分布的初始變量，均為n維向量，選擇出其中p個最優的變量，記為x₁，x₂，…，x_p以及一個最差的變量，記為x_w.并記算法的迭代次數為G＝0，記參數∈＝4，s_initial＝0；

精英搜索：局部搜索的過程，具體步驟為：

S5：若所述∈＞6，則記λ＝0.02,l＝2，否則記λ＝0.2,l＝2，如果s_initial＝0，則記l＝3；所述λ和l均為過程參數；

S6：生成精細化搜索粒子m_R個，對于每一個S4中所述x_i(i＝1，2，…，p)的每一個笛卡爾方向j(j＝1，2，…，n)做如下操作,可以得到m_e個點，從而得到m_e個目標函數值，具體的細節如下：

(1)固定點：(x_i+λM_jγ_j),(x_i-λM_jγ_j)；

(2)隨機點：(x_i-λM_jr_v)；

(3)特殊點：(2x_w-x_i),(2x_i-x_w)；

所述M_j為h方向上的當前區間長度；得到的新的搜索粒子中，若某一點的某一分量超過可行域范圍，則該分量取可行域邊界值；γ_j為單位向量，在分量j上取值為1，其他分量上為0，r_v在這n個分量上隨機為0或1；

若這3n+3個點的目標函數值優于x_i，則將x_i更新為該點，遍歷x_i從1到p可以得到m_R個點；

S7：更新所述細節(1)，x_w為所述S6中所有點中的最壞點；

(2)迭代次數G＝G+1；

(3)最優解即x₁，x₂，…，x_p中的最優變量和其對應的最優目標函數值

全局設計搜索：全局搜索的過程，具體步驟為：

S8：判斷算法是否終止：若G＞l，判斷當前可行域分量與原始可行域分量之比的最小值是否大于若滿足，則算法終止，輸出最優變量和它對應的最優目標函數值若不滿足，判斷

若成立，則令s_initial＝1，若G＞l不成立，則返回所述S5；

S9：第一次區間調整：

將可行域的每一個分量平均分成m_o-1個部分，每一個部分長度為記為k，調整可行域的每一個分量的最小值為x₁，x₂，…，x_p對應分量的最小值減k，最大值為對應分量最大值加k，若超出了初始可行域，則取初始可行域分量值，一個新的可行域范圍可以得到；

S10：進行全局搜索，從x₁，x₂，…，x_p中選擇p_o個最優點，并對得到的每一個點進行如下的操作：

S101：隨機選擇一個笛卡爾方向，將該可行域方向構成的區間均分為m_o-1個部分，每一個部分長度為記為k，并在每一個部分上隨機選擇一個點，給當前最優點一個微小的波動得到一個新的點，波動為kξ，ξ～U(-1，1)，即服從-1到1的均勻分布，從而可以得到m_o個新點，計算每個點的目標函數值，并在這些點中選擇最佳點，更新并作為當前最優點；

S102：從剩下的方向中任意選擇一個，進行所述S101中的操作，直到選擇完每個方向，最終可以得到p_o個最優點，然后更新(1)x₁，x₂，…，x_p，(2)G＝G+1，(3)x₁，x₂，…，x_p中的最優變量和它對應的最優目標函數值

S11：第二次區間調整：

將可行域的每一個分量平均分成m_o-1個部分，每一個部分長度為記為k，調整可行域的每一個分量的最小值為x₁，x₂，…，x_p對應分量的最小值減δ_k，最大值為對應分量最大值加δ_k；δ為區間收縮因子；

S12：再次生成m_G個全局搜索粒子，令s＝1，以如下方式生成m_o個點，9個特殊點和(m_o-9)個隨機點：

S121：9個特殊點：

(1)從x₁，x₂，…，x_p中隨機選擇三個變量計算兩個特殊點：和

(2)從x₁，x₂，…，x_p中選出第s個和第(s+1)個變量，如果s+1＞p，則令x_p+1＝x₁，從而計算出4個特殊點和

S122：(m_o-9)個隨機點：對x_s的所有分量進行如下操作，得到一個隨機點，記為第i個分量對該分量進行操作生成一個隨機點：ξ～N(0，1)，即ξ滿足正態分布，D_i，E_i分別為該分量下邊界和上邊界；

如果s≤p_o，則s＝s+1，隨后重復上述S121和S122生成m_o個點；

S13：保證m_G個變量均在初始可行域范圍內，若某一變量的某一分量超過初始的可行域，則令該分量等于初始可行域該分量的隨機值，接下來，計算這個m_G個變量的目標函數值，更新x₁，x₂，…，x_p為這m_G+p，之前x₁，x₂，…，x_p和這個m_G個變量，個變量中最優的p個，最優目標函數記為y₁，若則令∈＝∈+1；

S14：第三次區間調整：

若x₁，x₂，…，x_p的分量沒有在當前可行域內，則調整當前可行域的最小值為x₁，x₂，…，x_p對應該分量的最小值減k，最大值為對應分量的最大值加k，若取值超過初始區間，則取初始區間取值后回S5。