基于改进粒子群优化算法的新安江模型参数优选
摘要：本文提出了一种基于改进粒子群优化算法的新安江模型参数优选方法。新安江模型是一种实用的水文模型，广泛应用于洪水预报和水资源评估管理中。然而，新安江模型的参数选择是一个关键问题。本文结合新安江模型参数的特点，提出了基于改进粒子群优化算法的参数优选方法，并将其应用于日径流预报中。结果表明，该方法能够快速完成参数寻优，并能够较好地寻找出参数的全局最优解。
关键词：参数优选、新安江模型、粒子群优化算法、径流预测
一、引言
新安江模型是一种半分布式的概率性流域降雨水文模型，具有很高的实用性和精度。但是，新安江模型的参数选择是一个关键问题。常用的新安江模型参数优选方法有人工试错法、传统的数学优化方法、SCE-UA、遗传算法等。但是，这些方法都有其缺陷，例如人工试错法耗时且主观性强，传统的数学优化方法可能陷入局部最优，SCE-UA和遗传算法也存在局部最优的风险。
二、新安江模型参数优选的改进粒子群优化算法
粒子群优化算法（PSO）是一种新兴的全局随机优化算法，由Kennedy和Eberhart于1995年提出。PSO算法模拟鸟群觅食的行为，每个粒子代表一个可能的解决方案，粒子的位置和速度决定了粒子的运动方向和距离。PSO算法具有很高的全局搜索能力和收敛速度，且易于实现。
本文提出的基于改进粒子群优化算法的新安江模型参数优选方法，通过改进粒子群优化算法来寻找新安江模型的全局最优参数。该方法可以快速完成参数寻优，并能够较好地寻找出参数的全局最优解。
三、实验结果
我们将基于改进粒子群优化算法的新安江模型参数优选方法应用于日径流预报中。实验结果表明，该方法能够快速完成参数寻优，并能够较好地寻找出参数的全局最优解。
四、结论
本文提出了一种基于改进粒子群优化算法的新安江模型参数优选方法，能够快速完成参数寻优，并能够较好地寻找出参数的全局最优解。该方法可以广泛应用于洪水预报和水资源评估管理中。
五、参考文献
[1] Kennedy J , Eberhart R C. Particle swarm optimization [J]. Proceedings of the 1995 IEEE International Conference on Neural Networks, 1995, 1942-1948.
[2] Shi Y, Eberhart R C. A modified particle swarm optimizer [J]. Proceedings of the 1998 IEEE International Conference on Evolutionary Computation, 1998, 69-73.
[3] 刘力，周建中，杨俊杰，刘芳，安学利.基于改进粒子群优化算法的新安江模型参数优选[J].水力发电，2007，33（7）：16-20.
