您好, 访客   登录/注册

基于布谷鸟算法的含水层参数求解

来源:用户上传      作者:

  摘 要
  含水层参数的求解一直是研究地下水运动的重要问题。使用布谷鸟算法求解分析抽水试验数据,为含水层参数的确定提供了一种新思路。本文介绍了布谷鸟算法的基本思想及步骤,并将其应用于求解含水层参数问题。数值实验结果表明,该算法具有计算精度高,运算速度快,全局搜索能力强的特点。
  关键词
  含水层参数;布谷鸟算法;直线供水边界
  中图分类号: TP18             文献标识码: A
  DOI:10.19694/j.cnki.issn2095-2457.2020.09.060
  1 布谷鸟算法
  1.1 基本思想
  2009年,英国剑桥大学杨新社提出的一种群智能优化算法-布谷鸟算法,算法具有实现运行简单,少参数,调节容易的特点,其中发现概率参数p能较好地平衡局部搜索和全局搜索问题,算法中采用Levy飞行机制,可以使全局搜索寻优能力大幅度提高。该算法的基本原理为:首先,在可行解的区域内随机初始化n个鸟窝的位置,其中极值优化问题的潜在最优解即为某个鸟窝位置。接着,对种群中所有的n个鸟窝的位置进行迭代更新,依据实际条件,选择出不同的规则更新,并最终搜索,直到满足精度要求,从而寻到问题最优解。
  1.2 算法步骤
  Step1:初始化参数,种群规模n,发现概率Pa,求解参数的上下限Lb,Ub, 最大迭代次数gen;
  Step2:根据参数的取值范围,随机产生n个鸟窝位置,将这些位置代入目标函数中,选出最佳的鸟窝位置,并将其保留应用到下一代;
  Step3:利用公式(1)对鸟窝位置进行更新,从而搜索下一代鸟窝的位置,得到一组新的位置,再代入目标函数中,对比相应的鸟窝位置取目标函数较小的位置进入下一步;
  Step5:判断目标函数值的精度是否达到精度要求,若达到,算法结束,否则,继续进行迭代。
  2 抽水实验
  2.1 数据信息
  为了验证布谷鸟算法的可靠性与适用性。本文选用文献[2]中抽水試验数据,即为直线补给边界附近的承压非稳定完整井流的数据,抽水主井据观测孔距的距离为r=30.48m,抽水的流量为Q=4.543m3/min。
  2.2 条件设置
  设种群个数N25,发现概率为0.25,迭代次数的最大值设为200,根据文献[4],观测井距映射井的距离范围为100—130,导水系数T的范围为2.5—3.5,储水系数S为0.050—0.070,精度达到eps=2×10-6。
  2.3 结果分析
  2.3.1 不同算法结果的对比
  根据布谷鸟算法的5个步骤,用Matlab编写程序,进行了数值实验。从表1中可以看出,其他算法的结果与布谷鸟算法的结果十分接近,并且布谷鸟算法运行的目标函数值达到了φ=1.6754×10-6,可见,布谷鸟算法对该条件下确定含水层参数问题是可靠的。
  2.3.2 初值范围及种群规模对算法的影响
  种群规模分别取25,40,80,200时,相应的参数的上限分别取初始参数范围上限的2倍,4倍,8倍,20倍,100倍时的迭代次数和运行时间。通过数值实验。可以发现,当参数倍数不变时,随着种群规模的增加,迭代次数逐渐减少,运行时间在增加。例如,当参数倍数为2时,种群规模由25到200,迭代次数由90减少到66,运行时间由0.619914s增加到3.524109s,搜索的精度都可低于2×10-6。由此可以看出,就本文的算例而言,种群规模选取25-40就可行。相应的,当种群规模不变时,随着参数上限倍数的增加,迭代次数不断增加,运行时间不断增加,但在参数初值范围很大的情况下没有出现不收敛的情况,说明参数初值范围对收敛速度有影响,但不影响算法最终的收敛性。综上,布谷鸟算法求解该算例,种群规模不需取较大值,算法不受初值范围的影响,并且可以得到较高的求解精度。
  3 结束语
  布谷鸟算法思路简单,参数少,容易实现,其算法分析直线供水边界含水层抽水试验数据,求解含水层参数,通过实验结果,可以发现得出:
  (1)布谷鸟算法适用于分析直线供水边界含水层抽水试验数据,求解含水层参数问题,且该算法计算精度在本文算例中高于其他算法,目标函数值达到了1.6754×10-6。
  (2)种群规模在40附近时,算法精度高,运行的时间短。
  (3)算法的收敛性不由参数的初值范围的影响。故,分析抽水试验数据,确定含水层参数问题布谷鸟算法是一种很有效方法。
  参考文献
  [1]郭东屏,宋炎勋,钱会等.地下水动力学[M].西安:陕西科技出版社,1993.
  [2]Water Power Resource Service(WPRS).Ground water manual.2nd ed.,U.S.D epartment of the Interior, Denver,1981.
  [3]Sageev A,Home R N,Ramey H J.Detection of linear boundaries by drawdown test: a type curve matching approach. Water  Resou--rce Research,1985,21:305~310.
  [4]郭建青,李彦,王洪胜,周宏飞.分析供水边界在抽水试验数据的新方法.水力学报,2006(7):807~811.
  [5]Yang X.S,Deb S.Cuckoo search via L’evy flights[A]. Proceeings of World Congress on Nature &Biologically Inspired Computing.[C].IEEE Publications,USA,2009:210-214.
  [6]Yang Xinshe,Deb S.Engineering optimization by cuckoo search[J].International Journal of Mathematical Modeling and Numerical Optimization,2010(4):330-343.
  [7]Layeb A,Boussalia S R.A novel quantum inspired cuckoo search algorithm for bin packing problem[J]. International Journal of   Information Technology and Computer Science,2012,4(5):58-67.
  [8]Yang X.S,Deb S.Multi-objective cuckoo search for design optimization[J]. Computers and Operations Research, 2013,40(6):1616-1624.
  [9]Tiwari V.Face recognition based on cuckoo search algorithm[J].Indian Journal of Computer Science and Engineering, 2012,3(3):4--01-405.
  [10]薛禹群,林敏.地下水动力学.武汉大学:中国地质大学出版社,1999.
  [11]Sushi S K.Aquifer boundaries and parameter identification simplified.Journal of  Hydraulic Engineering,2002,128(8):774~780.
  [12]Sushil S K.Identifying effective distance to a recharge boundary.Journal of Hydraulic Engineering,2001,127(8): 689~692.
转载注明来源:https://www.xzbu.com/8/view-15205479.htm