采用混沌粒子群优化算法的水质模型参数辨识

作     者：袁君 陈贝 朱光灿 Yuan Jun;Chen Bei;Zhu Guangcan

作者机构：东南大学能源与环境学院南京210096 

出 版 物：《东南大学学报（自然科学版）》 (Journal of Southeast University：Natural Science Edition)

年 卷 期：2009年第39卷第5期

页      面：1018-1022页

核心收录：

学科分类：083001[工学-环境科学] 0830[工学-环境科学与工程（可授工学、理学、农学学位）] 08[工学] 

基　　金：东南大学优秀青年教师教学科研资助计划资助项目 

主　　题：水质模型 参数辨识 Logistic混沌 粒子群优化 

摘      要：提出了一种新的适用于水质模型参数辨识的混沌粒子群优化(LCPSO)算法.与粒子群优化(PSO)算法相比,该算法将Logistic混沌搜索嵌入到PSO算法中,利用混沌变量产生初始粒群,并对子代部分粒子群体进行微小扰动,随着搜索过程的深入逐步调整扰动幅度,以克服PSO算法的早熟、易陷入局部极值等固有缺陷.采用标准测试函数,将该算法与遗传算法(GA)和PSO算法进行比较,证明了其收敛速度和寻优能力的优越性.采用实测水质数据,将LCPSO算法应用于具有一定工程价值和复杂程度的Dobbins-Camp BOD-DO水质模型的参数辨识.结果显示,所得水质数据与实测值误差平方和仅为0.1503,且相对误差在±0.2%范围内,故该算法可为水质模型的参数辨识提供一条新的途径.