期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于U-D分解卡尔曼滤波地下水污染源溯源辨识
被引量：
6
1
作者
贾顺卿
卢文喜
+1 位作者
李久辉
白玉堃
《中国环境科学》
EI
CAS
CSCD
北大核心
2021年第2期713-719,共7页
采用基于U-D分解的卡尔曼滤波与非线性规划优化模型相结合,溯源辨识出地下水污染源的个数､位置与释放强度.基于一个假想例子,建立地下水污染质数值模拟模型,运用灵敏度分析筛选出对模型影响较大的参数作为模型中的随机变量.然后,应用基...
采用基于U-D分解的卡尔曼滤波与非线性规划优化模型相结合,溯源辨识出地下水污染源的个数､位置与释放强度.基于一个假想例子,建立地下水污染质数值模拟模型,运用灵敏度分析筛选出对模型影响较大的参数作为模型中的随机变量.然后,应用基于U-D分解的卡尔曼滤波辨识出污染源的个数与位置.在此基础上建立辨识污染源释放强度的优化模型,应用克里格插值法建立地下水污染质运移数值模拟模型的替代模型,代替模拟模型,作为约束条件嵌入优化模型中,运用遗传算法求解优化模型辨识出地下水污染源源强.结果表明:采用基于U-D分解的卡尔曼滤波方法能够保证滤波的稳定性,有效识别出污染源的个数和位置;非线性规划优化模型,可以辨识出污染源释放强度.在优化模型的求解过程中,应用克里格方法建立模拟模型的替代模型嵌入优化模型,能在保证一定精度的情况下,大幅度减少计算负荷和计算时间.
展开更多
关键词
地下水
污染源
溯源
辨识
U-D分解卡尔曼滤波
替代模型
遗传算法
下载PDF
职称材料
基于自适应权重粒子群优化算法的地下水污染溯源辨识
被引量：
3
2
作者
高琬玉
卢文喜
+1 位作者
潘紫东
白玉堃
《中国农村水利水电》
北大核心
2022年第12期1-7,16,共8页
地下水污染溯源辨识是指利用监测井的观测数据对污染源信息进行识别。然而,在应用模拟-优化方法进行溯源工作时,多次运行数值模拟模型会带来较大的计算负荷;在利用传统粒子群算法求解优化模型时,易陷入局部极值点,严重影响辨识结果的精...
地下水污染溯源辨识是指利用监测井的观测数据对污染源信息进行识别。然而,在应用模拟-优化方法进行溯源工作时,多次运行数值模拟模型会带来较大的计算负荷;在利用传统粒子群算法求解优化模型时,易陷入局部极值点,严重影响辨识结果的精度。研究基于假想算例,应用模拟-优化方法,将模拟模型作为等式约束条件,以模拟输出值与实际观测值之间的偏差极小化作为目标函数,连同其他非负约束条件建立优化模型,对三个潜在污染源的释放历史及渗透系数进行了联合识别。通过训练BP神经网络,建立数值模拟模型的替代模型,以缓解沉重的计算负荷;为了避免求解优化模型时陷入局部极值,研究提出了一种自适应权重算法,增强了传统粒子群优化算法跳出局部极值点的能力,识别结果表明:①运用BP神经网络所建立的替代模型能够很好地近似模拟模型的输入-输出关系,拟合精度达到0.99,且运行速度明显快于数值模拟模型,证明了其可以代替数值模拟模型嵌入优化模型中进行污染源溯源辨识工作;②同运用传统粒子群优化算法相比较,运用自适应权重粒子群优化算法,对优化算法的参数和迭代终止条件进行调节,可以有效地提高算法的收敛速度和计算效率,收敛得到的最优解的相对误差基本小于5%。
展开更多
关键词
污染源
溯源
辨识
模拟-优化方法
替代模型
自适应权重粒子群算法
BP神经网络方法
下载PDF
职称材料
题名
基于U-D分解卡尔曼滤波地下水污染源溯源辨识
被引量：
6
1
作者
贾顺卿
卢文喜
李久辉
白玉堃
机构
吉林大学地下水与资源环境教育部重点实验室
吉林大学新能源与环境学院
出处
《中国环境科学》
EI
CAS
CSCD
北大核心
2021年第2期713-719,共7页
基金
国家自然科学基金资助项目(41972252)。
文摘
采用基于U-D分解的卡尔曼滤波与非线性规划优化模型相结合,溯源辨识出地下水污染源的个数､位置与释放强度.基于一个假想例子,建立地下水污染质数值模拟模型,运用灵敏度分析筛选出对模型影响较大的参数作为模型中的随机变量.然后,应用基于U-D分解的卡尔曼滤波辨识出污染源的个数与位置.在此基础上建立辨识污染源释放强度的优化模型,应用克里格插值法建立地下水污染质运移数值模拟模型的替代模型,代替模拟模型,作为约束条件嵌入优化模型中,运用遗传算法求解优化模型辨识出地下水污染源源强.结果表明:采用基于U-D分解的卡尔曼滤波方法能够保证滤波的稳定性,有效识别出污染源的个数和位置;非线性规划优化模型,可以辨识出污染源释放强度.在优化模型的求解过程中,应用克里格方法建立模拟模型的替代模型嵌入优化模型,能在保证一定精度的情况下,大幅度减少计算负荷和计算时间.
关键词
地下水
污染源
溯源
辨识
U-D分解卡尔曼滤波
替代模型
遗传算法
Keywords
groundwater
contamination source identification
Kalman filter with UD factorization
Surrogate model
genetic algorithm
分类号
X523 [环境科学与工程—环境工程]
下载PDF
职称材料
题名
基于自适应权重粒子群优化算法的地下水污染溯源辨识
被引量：
3
2
作者
高琬玉
卢文喜
潘紫东
白玉堃
机构
吉林大学地下水与资源环境教育部重点实验室
吉林大学新能源与环境学院
出处
《中国农村水利水电》
北大核心
2022年第12期1-7,16,共8页
基金
国家自然科学基金资助项目(41672232)。
文摘
地下水污染溯源辨识是指利用监测井的观测数据对污染源信息进行识别。然而,在应用模拟-优化方法进行溯源工作时,多次运行数值模拟模型会带来较大的计算负荷;在利用传统粒子群算法求解优化模型时,易陷入局部极值点,严重影响辨识结果的精度。研究基于假想算例,应用模拟-优化方法,将模拟模型作为等式约束条件,以模拟输出值与实际观测值之间的偏差极小化作为目标函数,连同其他非负约束条件建立优化模型,对三个潜在污染源的释放历史及渗透系数进行了联合识别。通过训练BP神经网络,建立数值模拟模型的替代模型,以缓解沉重的计算负荷;为了避免求解优化模型时陷入局部极值,研究提出了一种自适应权重算法,增强了传统粒子群优化算法跳出局部极值点的能力,识别结果表明:①运用BP神经网络所建立的替代模型能够很好地近似模拟模型的输入-输出关系,拟合精度达到0.99,且运行速度明显快于数值模拟模型,证明了其可以代替数值模拟模型嵌入优化模型中进行污染源溯源辨识工作;②同运用传统粒子群优化算法相比较,运用自适应权重粒子群优化算法,对优化算法的参数和迭代终止条件进行调节,可以有效地提高算法的收敛速度和计算效率,收敛得到的最优解的相对误差基本小于5%。
关键词
污染源
溯源
辨识
模拟-优化方法
替代模型
自适应权重粒子群算法
BP神经网络方法
Keywords
contamination sources identification
simulation-optimization
surrogate model
adaptive weighted particle swarm optimization algorithm
BP neural network
分类号
TV138 [水利工程—水力学及河流动力学]
P641 [天文地球—地质矿产勘探]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于U-D分解卡尔曼滤波地下水污染源溯源辨识
贾顺卿
卢文喜
李久辉
白玉堃
《中国环境科学》
EI
CAS
CSCD
北大核心
2021
6
下载PDF
职称材料
2
基于自适应权重粒子群优化算法的地下水污染溯源辨识
高琬玉
卢文喜
潘紫东
白玉堃
《中国农村水利水电》
北大核心
2022
3
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
