位置:成果数据库 > 期刊 > 期刊详情页
基于智能优化算法的河流水质模型参数的优化
  • ISSN号:1673-9108
  • 期刊名称:环境工程学报
  • 时间:2014
  • 页码:488-492
  • 分类:X824[环境科学与工程—环境工程]
  • 作者机构:[1]成都信息工程学院资源环境学院,成都610225
  • 相关基金:国家自然科学基金资助项目(51209024)
  • 相关项目:区域气候变化对水资源安全影响的定量分析研究
中文摘要:

为探索河流水质模型参数新的求解方法,根据有限的实测数据,分别应用免疫进化优化算法和免疫进化优选的捕食搜索算法,对河流水质模型计算公式中的多参数进行优化。将优化得到的计算公式用于国内外若干河流的河段中DO浓度值的拟合,并与实测结果进行了比较。结果表明,将免疫进化优化算法或免疫进化优选的捕食搜索算法优化得到的水质模型参数精度不仅较高,而且相对稳定,从而为河流水质模型参数的优化提供了一种新方法。

英文摘要:

The study was to explore the new method of water quality model parameters for river. According to the limited experimental data, the parameters in the formula of water quality model for river were optimized u- sing immune evolutionary algorithm and predatory search strategy of immune evolutionary optimization method re- spectively. The optimized formula was applied to the effects of the fitting of DO concentration in the reaches of certain rivers of domestic and foreign, and compared with measured results. The results showed that the water quality model parameters optimized using immune evolutionary algorithm or predatory search strategy of immune evolutionary algorithm have higher accuracy and better stability. This study provides a new method for the param- eter optimization of water quality model for river.

同期刊论文项目
期刊论文 50 会议论文 2 获奖 1 著作 1
同项目期刊论文
期刊信息
  • 《环境工程学报》
  • 中国科技核心期刊
  • 主管单位:中国科学院
  • 主办单位:中国科学院生态环境研究中心
  • 主编:曲久辉
  • 地址:北京东黄城根北街16号
  • 邮编:100017
  • 邮箱:
  • 电话:010-62941074
  • 国际标准刊号:ISSN:1673-9108
  • 国内统一刊号:ISSN:11-5591/X
  • 邮发代号:82-448
  • 获奖情况:
  • 国内外数据库收录:
  • 美国化学文摘(网络版),荷兰文摘与引文数据库,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),英国英国皇家化学学会文摘
  • 被引量:20083