基于并行蜂群算法的水文模型参数优化方法及装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN106599585A(43)申请公布日2017.04.26(21)申请号201611177273.9(22)申请日2016.12.19(71)申请人兰州交通大学地址730000甘肃省兰州市安宁区安宁西路118号(72)发明人火久元刘立群张耀南(74)专利代理机构北京超凡志成知识产权代理事务所(普通合伙)11371代理人唐维虎(51)Int.Cl.G06F19/00(2011.01)G06N3/00(2006.01)权利要求书3页说明书12页附图7页(54)发明名称基于并行蜂群算法的水文模型参数优化方法及装置(57)摘要本发明提供了一种基于并行蜂群算法的水文模型参数优化方法及装置，应用于水文模型参数优化设备，该方法包括：获取待优化水文模型的参数数据；读取待模拟流域的流域水文的实测基础数据；在主线程上，设置并行蜂群算法的种群规模，并将种群划分为多个子种群；在子线程上，利用多个子种群按照串行蜂群算法流程分别对待优化水文模型进行参数优化，得到各个子种群的个体最优值，并将其返回主线程，得到全局最优值以及与全局最优值对应的各个参数的全局最优解；根据得到的各个参数的全局最优解对待优化水文模型的参数进行校正。本发明提供的方法及装置，基于并行运行机制，提高了参数优化的效率及精度，减少了时间耗费。CN106599585ACN106599585A权利要求书1/3页1.一种基于并行蜂群算法的水文模型参数优化方法，应用于水文模型参数优化设备，其特征在于，所述方法包括：获取待优化水文模型的参数数据；读取待模拟流域的流域水文的实测基础数据；在主线程上，设置并行蜂群算法的种群规模，并将种群划分为多个子种群；在子线程上，利用所述多个子种群按照串行蜂群算法流程分别对所述待优化水文模型进行参数优化，得到各个所述子种群的个体最优值，并将所述个体最优值返回主线程，得到所述种群的全局最优值以及与所述全局最优值对应的各个参数的全局最优解；根据得到的所述各个参数的全局最优解对所述待优化水文模型的参数进行校正。2.根据权利要求1所述的方法，其特征在于，所述利用所述多个子种群按照串行蜂群算法流程分别对所述待优化水文模型进行参数优化，得到各个所述子种群的个体最优值，并将所述个体最优值返回主线程，得到所述种群的全局最优值以及与所述全局最优值对应的各个参数的全局最优解的步骤，包括：设置各个所述子种群的初始参数；建立目标函数以及并行性能评价指标，所述目标函数是判断所述水文模型参数优劣的指标，所述并行性能评价指标是判断所述并行蜂群算法的优劣的标准；利用所述多个子种群对所述待优化水文模型的参数进行优化，查找到各个所述子种群的个体最优值，并将所述个体最优值返回至所述主线程，所述个体最优值的个数与所述子种群的个数相等；在主线程上，将多个所述个体最优值进行比较，得到最大的所述个体最优值，将所述最大的所述个体最优值判定为所述种群的全局最优值；根据所述全局最优值得到与所述全局最优值相对应的所述待优化水文模型的各个参数的全局最优解。3.根据权利要求2所述的方法，其特征在于，所述利用所述多个子种群对所述待优化水文模型的参数进行优化，查找到各个所述子种群的个体最优值的步骤，包括：设定各个所述参数的初始值以及各个所述参数的取值范围；根据所述目标函数、所述并行性能评价指标、所述初始值及所述取值范围利用各个所述子种群按照串行蜂群算法流程进行迭代计算；在迭代计算过程中，当进入侦查蜂阶段时，判断得到的每个解的停滞次数是否达到预设的放弃阈值，若达到，则通过观察蜂机制产生新的种群个体，并丢弃停滞次数已达到所述放弃阈值的解；记录下各个所述子种群分别获取的个体最优值，并判断是否达到预设的迭代停止条件，若达到，则停止迭代计算并输出各个所述子种群的个体最优值。4.根据权利要求2所述的方法，其特征在于，建立的所述并行蜂群算法的所述目标函数如下：其中，N为样本数量，Qsim,t为t时刻径流的模拟数据值，Qobs,t为t时刻径流的实测数据值，为实测数据的平均值；所述并行蜂群算法通过迭代优化所述目标函数，最终得到在预设2CN106599585A权利要求书2/3页迭代范围内的最大的所述目标函数值，实现对所述水文模型的参数优化。5.根据权利要求2所述的方法，其特征在于，建立的所述并行蜂群算法的所述并行性能评价指标包括加速比Sp和并行效率Ep；所述加速比Sp的表达式如下：Sp＝Ts/Tp其中，Ts为最快的串行蜂群算法在最坏的情况下的运行时间，Tp为并行蜂群算法在最坏的情况下解决与串行蜂群算法相同问题时的运行时间；所述并行效率Ep的表达式如下：Ep＝Sp/p其中，p为所述并行蜂群算法中所述子种群的数目。6.一种基于并行蜂群算法的水文模型参数优化装置，应用于水文模型参