混沌粒子群算法在河流水质模型参数识别中的应用的任务书.docx

混沌粒子群算法在河流水质模型参数识别中的应用的任务书
任务书
题目：混沌粒子群算法在河流水质模型参数识别中的应用
背景介绍：
河流水质是衡量水环境状况和水资源利用的重要标志。建立水质模型是评价水环境状况的一种有效方法，也是制定水环境保护策略的重要依据。水质模型是基于数学和物理原理，运用计算机技术对水环境进行模拟和预测的一种方法，可用于重点控制污染源、优化运行污水处理厂、评价城市排水系统等。
混沌粒子群算法是一种基于全局优化的演化算法，将粒子群算法与混沌理论结合起来，充分利用混沌动力学的收敛特性和全局搜索性能，提高了算法的收敛速度和搜索精度。欧洲、美洲研究者们已经研究出了该算法的改进和应用，但在我国尚未进行相关研究。
任务描述：
本次任务借鉴已有的混沌粒子群算法研究成果，探讨混沌粒子群算法在河流水质模型参数识别中的应用。具体任务如下：
1、收集与河流水质模型相关的文献、数据和参数。
2、对采用混沌粒子群算法和传统粒子群算法的水质模型参数识别模拟结果进行比较分析，并分析混沌粒子群算法的优势和缺陷。
3、建立混沌粒子群算法在河流水质模型参数识别中的模型，包含以下步骤：
（1）根据所选数据，在Matlab软件中编写适应度函数，构建初始粒子群，并选定基本控制参数，比如阈值等。
（2）通过改变混沌映射函数和种子值，产生具有不可预测性和随机性的群体运动轨迹，保证产生新粒子的随机性和较大搜索范围。
（3）在每轮迭代中，用适应度函数计算每个粒子的适应度值，并将这个值作为选择出下一代粒子的依据。
（4）在每轮迭代中，根据最优解替代当前群体最劣解的选择策略，提高群体的搜索精度和收敛速度。
（5）通过模拟实验，研究混沌粒子群算法在河流水质模型参数识别中的应用效果和优化效果。
4、撰写实验报告，介绍混沌粒子群算法在河流水质模型参数识别中的应用，总结实验结果和分析方法的优缺点，提出未来研究的方向。
要求：
1、实验报告不少于1200字。
2、实验报告需按照以下顺序组织：摘要、引言、实验设计、实验结果分析和总结等。
3、除了英文文献引用外，其余文献引用都要使用中文文献。
4、报告应符合学术规范，严格遵守抄袭规定。
参考文献：
1.黄晓，冯立龙.混沌粒子群算法优化方法及应用.北京：机械工业出版社，2015.
2.李龙，谭泳江.模糊系统及其应用[M].北京：清华大学出版社，2014.
3.李光耀等.湖泊水质数值模拟研究[M].武汉：武汉大学出版社，2016.
4.刘靖等.河流水质等级模型绩效评估及应用.水利水电技术，2013:21(12):118-122.