量子粒子群优化算法在各向异性含水层参数中的应用.pdf

《量子粒子群优化算法在各向异性含水层参数中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、2014年第8期信息通信2O14(总第140期)INFORMAT10N&C0MMUNICATIONS(Sum．No140)量子粒子群优化算法在各向异性含水层参数中的应用杨陈东。侯海娜。(1长安大学理学院，陕西西安710064；2西安理工大学，陕西西安710054)摘要：基于抽水实验数据，利用泰斯公式建立模型，将量子粒子群优化算法(QPSO)应用到各向异性含水层参数求解中。实验结果表明，QPSO算法所得结果有一定的可靠性和稳定性，为各向异性含水层参数的确定提供了一种新方法。关键词：抽水实验数据；各向异性含水层参数；量子粒子群中图分类号：TP18

2、文献标识码：A文章编号：1673I13l(2014)08—0024—01l建立模型习因子取c=1．759，最大迭代次数为1000，精度要求为0．004，参数约束范围0≤≤1、0≤T4600、0≤T~<600、一600~T含水层参数是研究与地下水运动有关工程问题中最重要≤0；wr=0．4、w。d=0．9。的参数，然而传统方法在求解过程中，经常需要在半对数坐标系表1不同方法计算结果比较下作图，以确定直线斜率和与横轴的截距，主观任意性较大“。本文利用抽水实验数据及泰斯公式建立目标函数，利用量子粒LLp／(m2．、／(m2d)，fm2．d-／(．j-

3、)，(m2．d．。)X190子群(QPSO)进行求解。结果表明，QPSO算法有效克服了．SPSO0．7574435．167232．740．278．004437．54197．3765．7271PSO算法易陷入局部最优值的缺点，可以有效地求解各向异QPSO0．965c_4220．920223．188-139．494361．55482．5583．42e-3文献【5】1．Oe-4215216-129345864．10e-3性含水层参数。文献[1】0．860e_4225．418242．698．155．520389．83778．278420，3~-3假设

4、以均匀流量Q在无限延伸承压层进行抽水。利用由表1可以观察到，QPSO算法所得实验结果与文献[16]降深随时间变化关系，分析各向异性储水参数u、当地坐标下相比，储水系数和导水系数张量分量相对误差均不超过7．8％，的导水参数张量T⋯TT，及在全局坐标的张量TT。储说明QPSO算法在计算各向异性含水层参数时能得到较可靠水系数和导水系数通过与泰斯公式相同的井函数确定t时的结果。QPSO算法所得目标函数值最小。PSO算法已经不刻的水位降深S。并且采用文献【5]中的近似计算代替井函能求解各向异性含水层参数，QPSO算法在迭代初期迅速收数的积分计算，使用上

5、述参数及公式相对误差在0．o01％以内。敛，在迭代783次后满足精度要求，迭代892次后达到最优值一般地，利用3个不在同一直线的观测孔的降深一时间3．42e一3。实验表明，QPSO算法求解各向异性含水层参数问题有一定可靠性和优势，为各向异性含水层确定提供了有效可数据求得分量、T后，可确定张量T、T。所以，将各向靠的新方法。异性储水参数当地坐标下的导水参数张量、T、T作为待优化参数。当给定上述四个参数时，可以根据式仿真水位参考文献：降深，参数越精确，仿真数据应和实测数据越接近。故将仿真[1]刘燕，辛璐君，郭建青，等．抽水试验确定各向异性含水层参

6、数据和实测数据的误差平方和作为目标函数：数的实例讨论[J】．勘察科学技术，2012(6)：5—9=∑：∑厂)‘(1)[2】周志芳，朱学愚，李艳．岩体渗透系数张量的半解析计算[J]．其中，，为J时刻第i个观测孔的水位降深观测值，m；‘e，水利学报，1997(9)：06—11为J时刻第i个观测孔的水位降深的仿真值，m；0为待估参数【3】StmJun，XuWenbo，FengBin．Aglobalsearchstrategyof构造向量(／J，，，)。quantum—behavedparticleswarrnoptimization[C]．Proc

7、ofIEEEConfonCyberneticsandIntelligentSystems．Singa-2量子粒子群算法pore：IEEEPress，2004：111—116SPSO算法自提出以来，得到了广泛地研究并应用于[4】R．Srivastava．Implicationofusingapproximationex—大量实际工程中。SPSO算法不能以概百分百收敛到全局pressionsforwellfunction[J]．JournalofIrrigationand最优解，甚至不能百分百收敛于局部最优解．孙俊、须文波DrainageEngi

8、neering，1995，121(6)：459-462等提出了量子粒子群优化算法(QPSO)，该算法以6势阱为[5]G．EKruseman，N．A．Ridder,J