采用基因表达式编程的沟灌入渗模型参数估计方法
入渗参数的准确估计是沟灌系统设计优化的关键问题.本文基于基因表达式编程(GEP)算法,通过数值试验获得了沟灌入渗模型参数γ估计GEP算法所需的有效数据集合,进行了参数γ的敏感性分析,确定了模型参数γ估计GEP算法的输入因子及其最优组合,建立了γ与最优组合因子的定量关系,进而提出了γ的估计方法.研究结果表明,γ对积水深度、初始有效含水率和沟深度最敏感;土壤水力特性参数对γ影响较大,模型参数γ估计GEP算法的最优输入因子组合为积水深度、沟深、初始有效含水率、饱和导水率和进气值参数;变积水深度条件下γ的估计值与定积水深度的γ值相近;在变积水深度条件下,与利用HYDRUS-2D模型计算得到的“精确”入渗量相比,应用基于γ估计值的沟灌入渗模型计算的累积入渗量误差小于5%,满足计算精度要求.入渗过程中边界效应对总入渗量的贡献逐渐增大,与细质土壤相比,粗质土壤中边界效应对总入渗量的贡献更大,本研究条件下黏壤土中边界效应最终贡献约为25%,砂土中约为37%.研究表明GEP算法可作为沟灌入渗模型参数γ估计的一种有效方法.
沟灌、入渗、参数估计、基因表达式编程
48
TV211.1
国家自然科学基金项目51639009
2018-01-12(万方平台首次上网日期,不代表论文的发表时间)
共10页
1293-1302