[发明专利]基于并行蜂群算法的水文模型参数优化方法及装置

说明书

本发明提供了一种基于并行蜂群算法的水文模型参数优化方法及装置，应用于水文模型参数优化设备，该方法包括：获取待优化水文模型的参数数据；读取待模拟流域的流域水文的实测基础数据；在主线程上，设置并行蜂群算法的种群规模，并将种群划分为多个子种群；在子线程上，利用多个子种群按照串行蜂群算法流程分别对待优化水文模型进行参数优化，得到各个子种群的个体最优值，并将其返回主线程，得到全局最优值以及与全局最优值对应的各个参数的全局最优解；根据得到的各个参数的全局最优解对待优化水文模型的参数进行校正。本发明提供的方法及装置，基于并行运行机制，提高了参数优化的效率及精度，减少了时间耗费。

技术领域

本发明涉及智能算法应用技术领域，具体而言，涉及一种基于并行蜂群算法的水文模型参数优化方法及装置。

背景技术

参数优化率定对水文模型整体性能和水文预报结果有着至关重要的影响。水文模型具有复杂性高、参数多、维数高、数据处理量大等特点，因此在模型参数优化中存在大量的计算密集型任务，需要耗费大量的CPU处理时间，从而导致模型运行效率低下。

发明内容

有鉴于此，本发明的目的在于提供一种基于并行蜂群算法的水文模型参数优化方法及装置以解决上述问题。

本发明较佳实施例提供一种基于并行蜂群算法的水文模型参数优化方法，应用于水文模型参数优化设备，所述方法包括：

获取待优化水文模型的参数数据；

读取待模拟流域的流域水文的实测基础数据；

在主线程上，设置并行蜂群算法的种群规模，并将种群划分为多个子种群；

在子线程上，利用所述多个子种群按照串行蜂群算法流程分别对所述待优化水文模型进行参数优化，得到各个所述子种群的个体最优值，并将所述个体最优值返回主线程，得到所述种群的全局最优值以及与所述全局最优值对应的各个参数的全局最优解；

根据得到的所述各个参数的全局最优解对所述待优化水文模型的参数进行校正。

本发明另一较佳实施例还提供一种基于并行蜂群算法的水文模型参数优化装置，应用于水文模型参数优化设备，所述装置包括：

获取模块，用于获取待优化水文模型的参数数据；

读取模块，用于读取待模拟流域的流域水文的实测基础数据；

种群设置模块，用于在主线程上，设置并行蜂群算法的种群规模，并将种群划分为多个子种群；

参数优化模块，用于在子线程上，利用所述多个子种群按照串行蜂群算法流程分别对所述待优化水文模型进行参数优化，得到各个所述子种群的个体最优值，并将所述个体最优值返回主线程，得到所述种群的全局最优值以及与所述全局最优值对应的各个参数的全局最优解；

校正模块，用于根据得到的所述各个参数的全局最优解对所述待优化水文模型的参数进行校正。

相比现有技术，本发明具有如下有益效果：

本发明实施例提供一种基于并行蜂群算法(Multi-cores Parallel ArtificialBee Colony,MPABC)的水文模型参数优化方法及装置，在主线程上，设置并行蜂群算法的种群规模，并将种群划分为多个子种群。在子线程上，利用多个子种群按照串行蜂群算法(Artificial Bee Colony,ABC)流程分别对待优化水文模型进行参数优化，得到各个子种群的个体最优值，并将其返回主线程，得到全局最优值以及与全局最优值对应的各个参数的全局最优解。根据得到的各个参数的全局最优解对待优化水文模型的参数进行校正。本发明提供的方法及装置，基于并行运行机制，提高了参数优化的效率及精度，减少了时间耗费。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。