基于实码遗传算法的湖泊水质模型参数优化

参数的合理取值决定着模型的模拟效果,因此确定研究区域的模型结构后,需要对模型的参数进行优化。湖泊水质模型(simulationbymeansofananalyticallakemodel,salmo)利用常微分方程描述湖泊的营养物质循环和食物链动态,考虑了多个生态过程,包含104个参数。由于参数较多,不适宜采用传统参数优化方法进行优化。利用太湖梅梁湾2005年数据,采用实码遗传算法优化了salmo模型中相对敏感的参数,运用优化后的模型,模拟了梅梁湾2006年的水质。对比分析参数优化前后模型的效果表明遗传算法能高效地对salmo进行参数优化,优化后的模拟精度得到了显著提高,能更好地模拟梅梁湾的水质变化。