基于IPSO-DE-MH算法的突发水污染事件预测模型参数识别
预测模型是有效应对突发水污染事件的前提与基础.为了提高预测模型的准确性,提出了 一种新的参数识别方法.首先从反问题与贝叶斯估计的视角构建突发水污染事件预测模型;然后在Metropolis-Hastings抽样方法的基础上,引入混沌理论、粒子群算法、微分进化算法等的思想,设计了一种新的参数识别方法,即IPSO-DE-MH算法;最后通过数值分析验证所设计方法的有效性和准确性.结果表明:新方法能较好地识别模型参数,为突发事件应急预测模型的快速构建提供了新思路.
参数识别、粒子群算法、微分进化算法、Metropolis-Hastings抽样方法、混沌理论
40
TM711;TP301.6;U459
福建省自然科学基金面上项目;中国博士后特别资助项目;中国博士后特别资助项目
2022-09-20(万方平台首次上网日期,不代表论文的发表时间)
共8页
70-76,115