專利名稱：基于分階段禁忌尋優(yōu)算法的土壤水分特征參數(shù)計(jì)算方法
技術(shù)領(lǐng)域：
本發(fā)明涉及農(nóng)業(yè)技術(shù)領(lǐng)域，特別涉及一種土壤水分特征參數(shù)的計(jì)算方法，尤其涉及一種基于分階段禁忌尋優(yōu)算法的土壤水分特征參數(shù)計(jì)算方法。
背景技術(shù)：
土壤水分運(yùn)動(dòng)是一個(gè)復(fù)雜的過程，與灌溉方式、土壤條件和外界環(huán)境等眾多因素密切相關(guān)。在特定的灌溉條件下，研究土壤水分運(yùn)動(dòng)，對理解土壤水分分布，進(jìn)而改進(jìn)灌溉系統(tǒng)，提高水分利用效率具有重要意義。土壤水分運(yùn)動(dòng)模擬研究中，通常是在特定的灌溉條件、土壤組成和外界環(huán)境條件下，利用實(shí)驗(yàn)方法建立經(jīng)驗(yàn)公式來模擬土壤水分運(yùn)動(dòng)規(guī)律，或者利用已有的成熟公式，利用參數(shù)優(yōu)化算法，結(jié)合實(shí)驗(yàn)數(shù)據(jù)，計(jì)算出優(yōu)化參數(shù)，進(jìn)而確定出土壤水分運(yùn)動(dòng)規(guī)律。目前應(yīng)用于土壤水分運(yùn)動(dòng)參數(shù)優(yōu)化的算法主要有遺傳算法，粒子群算法，最小二乘法等。 遺傳算法是目前應(yīng)用最廣泛的研究土壤水分運(yùn)動(dòng)參數(shù)的算法。遺傳算法從串集開始搜索，覆蓋面大，利于全局擇優(yōu)；采用概率的變遷規(guī)則來指導(dǎo)搜索方向；具有自組織、自適應(yīng)和自學(xué)習(xí)性。但是遺傳算法較容易陷入局部最優(yōu)點(diǎn)，并且迭代次數(shù)較多。粒子群算法是近年來發(fā)展起來的一種新的進(jìn)化算法。從隨機(jī)解出發(fā)，通過迭代尋找最優(yōu)解，也是通過適應(yīng)度來評價(jià)解的品質(zhì)，但比遺傳算法規(guī)則更為簡單，算法在多維空間函數(shù)尋優(yōu)、動(dòng)態(tài)目標(biāo)尋優(yōu)等方面有著收斂速度快、解質(zhì)量高、魯棒性好、需調(diào)整的參數(shù)較少等優(yōu)點(diǎn)。但是也存在著精度較低，易發(fā)散等缺點(diǎn)。最小二乘法通過最小化誤差的平方和尋找參數(shù)的最佳匹配函數(shù)。目前應(yīng)用最小二乘法主要是針對Van Genuchten方程描述的土壤水分特征曲線進(jìn)行參數(shù)尋優(yōu)。利用PS最小二乘法求解Van Genuchten方程參數(shù)算法實(shí)現(xiàn)簡單、運(yùn)算速度快、計(jì)算精度高。但是對其他土壤水分運(yùn)動(dòng)方程應(yīng)用的較少。禁忌搜索(Tabu Search)算法是一對局部鄰域搜索的擴(kuò)展,為一種全局迭代尋優(yōu)算法。通過模擬人的經(jīng)驗(yàn)，利用一種靈活的存儲(chǔ)結(jié)構(gòu)(禁忌表)和相應(yīng)的禁忌準(zhǔn)則來避免反復(fù)搜索，達(dá)到跳出局部最優(yōu)解的目的。并通過特赦規(guī)則來赦免一些被禁忌的優(yōu)良解，從而保證多樣化的有效搜索，從而實(shí)現(xiàn)全局優(yōu)化。禁忌算法具有很強(qiáng)的通用性，并且對問題無特殊要求，因而其應(yīng)用領(lǐng)域非常廣泛。盡管禁忌算法通過建立禁忌表來避免陷入局部最優(yōu)，但是基本禁忌算法的收斂速度和普適性較差。

發(fā)明內(nèi)容
(一)要解決的技術(shù)問題本發(fā)明要解決的技術(shù)問題是，針對現(xiàn)有技術(shù)的不足，提出一種土壤水分特征參數(shù)的計(jì)算方法，對一維土壤水分垂直滲入模型參數(shù)進(jìn)行尋優(yōu)。通過數(shù)值模擬和實(shí)測實(shí)驗(yàn)交互驗(yàn)證，該算法計(jì)算出來的尋優(yōu)結(jié)果很好的模擬了土壤水分垂直運(yùn)動(dòng)規(guī)律。
(二)技術(shù)方案本發(fā)明提供一種基于分階段禁忌尋優(yōu)算法的土壤水分特征參數(shù)的計(jì)算方法，包括S1 :通過實(shí)驗(yàn)測量獲取土壤飽和導(dǎo)水率和飽和含水量；S2 :根據(jù)SI中的土壤飽和導(dǎo)水率和飽和含水量，計(jì)算出土壤非飽和導(dǎo)水率和土壤水分?jǐn)U散率；S3 :建立一維垂直土壤水分運(yùn)動(dòng)數(shù)學(xué)模型；S4 :將S2中的土壤非飽和導(dǎo)水率和土壤水分?jǐn)U散率帶入到S3的模型中， 轉(zhuǎn)化為土壤含水率理論值計(jì)算公式Θ (a，b，m) ;S5:根 據(jù)入滲實(shí)驗(yàn)，確定土壤含水率的實(shí)際測量值Θ ;S6 :建立最優(yōu)化目標(biāo)函數(shù)，并將S4和S5中的Θ (a，b，m)和Θ帶入目標(biāo)函數(shù)中， 根據(jù)改進(jìn)的分段禁忌算法進(jìn)行優(yōu)化，以確定出a、b、m的最優(yōu)值；所述改進(jìn)的分段禁忌算法為以基本禁忌算法為基礎(chǔ)，分別在三個(gè)階段中的每個(gè)階段的參數(shù)進(jìn)行對應(yīng)的設(shè)置和選取； S7 :將S6中的a、b、m最優(yōu)值帶入S3中的一維垂直土壤水分運(yùn)動(dòng)數(shù)學(xué)模型中計(jì)算出土壤水分特征參數(shù)。更好地，在S6中利用改進(jìn)的分段禁忌算法對目標(biāo)函數(shù)進(jìn)行參數(shù)尋優(yōu)，所述改進(jìn)的分段禁忌算法具體流程步驟包括S6. I :對目標(biāo)函數(shù)進(jìn)行初步尋優(yōu)；S6. 2 :對目標(biāo)函數(shù)以 S6. I尋優(yōu)結(jié)果為基礎(chǔ)進(jìn)行全局尋優(yōu)；S6. 3 :對目標(biāo)函數(shù)以S6. 2的尋優(yōu)結(jié)果為基礎(chǔ)進(jìn)行快速搜索。更好地，所述S6. I具體包括S6. I. I :初始值設(shè)置，初始值以隨機(jī)方式在整個(gè)取值空間內(nèi)取得；禁忌表為空，并采用單向列表方式加以管理；S6. 1.2 :鄰域點(diǎn)的選取，利用目標(biāo)函數(shù)的差分來指導(dǎo)鄰域點(diǎn)的選取。更好地，所述S6. 2具體包括S6. 2. I :初始值設(shè)置，本步驟的初始值以S6. I中的初步尋優(yōu)輸出結(jié)果作為起點(diǎn)；S6. 2. 2 :鄰域點(diǎn)設(shè)置，本步驟的鄰域點(diǎn)設(shè)置依然利用目標(biāo)函數(shù)的差分來指導(dǎo)鄰域點(diǎn)的選取。更好地，所述S6. 3具體包括S6. 3. I :初始值設(shè)置本階段的初始值以S6. 2中的全局尋優(yōu)輸出結(jié)果作為起點(diǎn)。禁忌表初值則為S6. 2中的全局尋優(yōu)得出的最優(yōu)解S6. 3. 2 鄰域點(diǎn)設(shè)置，在上述S6. I初步尋優(yōu)階段和S6. 2全局尋優(yōu)階段的尋優(yōu)基礎(chǔ)之上，尋優(yōu)的范圍縮小為S6. 2全局尋優(yōu)階段中最小取值范圍。更好地，所述S6. I. 2具體包括S6. I. 2. I計(jì)算目標(biāo)函數(shù)對每一個(gè)變量的差分及其在當(dāng)前解的差分值；S6. I. 2. 2在整個(gè)取值范圍內(nèi)，利用多維正態(tài)分布函數(shù)來選取鄰域點(diǎn)。(三)有益效果本發(fā)明公開的方法能夠確定在負(fù)壓地下灌溉條件下，一維土壤水分的運(yùn)動(dòng)規(guī)律， 從而指導(dǎo)并進(jìn)一步改進(jìn)負(fù)壓地下灌溉系統(tǒng)，提高土壤水利用率，進(jìn)而提高土壤水分利用率。 利用分段禁忌算法對土壤水分多參數(shù)尋優(yōu)方法，能夠有效確定土壤水分運(yùn)移規(guī)律，對其他灌溉方式下，土壤水分運(yùn)動(dòng)規(guī)律的模擬具有重要指導(dǎo)意義。


圖I為本發(fā)明土壤水分特征參數(shù)的計(jì)算方法流程圖；圖2為本發(fā)明改進(jìn)的分段禁忌算法初步尋優(yōu)階段的方法流程圖；圖3為本發(fā)明改進(jìn)的分段禁忌算法全局尋優(yōu)階段的方法流程圖；圖4為本發(fā)明改進(jìn)的分段禁忌算法加速尋優(yōu)階段的方法流程圖。
具體實(shí)施例方式下面結(jié)合附圖和實(shí)施例，對本發(fā)明的具體實(shí)施方式
作進(jìn)一步詳細(xì)描述。以下實(shí)施例用于說明本發(fā)明，但不用來限制本發(fā)明的范圍。優(yōu)化算法一般用于解決最優(yōu)化問題。所謂最優(yōu)化問題是指設(shè)計(jì)一個(gè)目標(biāo)函數(shù)，通過選取參數(shù)，從而使得目標(biāo)函數(shù)達(dá)到最小值。優(yōu)化算法一般分為經(jīng)典優(yōu)化算法和啟發(fā)式優(yōu)化算法。其中經(jīng)典優(yōu)化算法是以一個(gè)可行解作為初始值，按照確定的搜索策略，來尋找最優(yōu)值。經(jīng)典算法是利用局部信息(如單個(gè)初始點(diǎn)及其導(dǎo)數(shù)等)進(jìn)行尋優(yōu)，使得經(jīng)典算法無法避免局部極小問題。啟發(fā)式優(yōu)化算法是指受大自然的運(yùn)行規(guī)律或者人類積累的工作經(jīng)驗(yàn)啟發(fā)而來的方法。啟發(fā)式優(yōu)化算法均是從隨機(jī)可行初始解出發(fā)，按照一定搜索策略來不斷逼近問題的最優(yōu)解。由于啟發(fā)式優(yōu)化算法對目標(biāo)函數(shù)性質(zhì)無特別要求，因此可以很好解決實(shí)際應(yīng)用問題。但是啟發(fā)式優(yōu)化算法的計(jì)算量一般很大，且算法的普適性較差。禁忌算法屬于啟發(fā)式優(yōu)化算法。通過對局部鄰域搜索的擴(kuò)展，為一種全局迭代尋優(yōu)算法。通過模擬人的經(jīng)驗(yàn)，利用一種靈活的存儲(chǔ)結(jié)構(gòu)(禁忌表)和相應(yīng)的禁忌準(zhǔn)則來避免反復(fù)搜索，達(dá)到跳出局部最優(yōu)解的目的。并通過特赦規(guī)則來赦免一些被禁忌的優(yōu)良解，從 而保證多樣化的有效搜索，從而實(shí)現(xiàn)全局優(yōu)化。在禁忌算法中，鄰域、禁忌表、禁忌長度、特赦規(guī)則和終止規(guī)則為算法的關(guān)鍵所在， 也是影響算法的求解精度、速度和普適性的重要因素。本發(fā)明提出利用一種改進(jìn)的分階段禁忌多變量尋優(yōu)算法，來求解一維垂直入滲土壤水分運(yùn)動(dòng)參數(shù)的方法。如圖I所示，具體步驟如下SI :通過實(shí)驗(yàn)測量獲取土壤飽和導(dǎo)水率Ks和飽和含水量Θ s ；S2 :根據(jù)SI中的土壤飽和導(dǎo)水率Ks和飽和含水量Θ s,計(jì)算出土壤非飽和導(dǎo)水率 Κ(θ)和土壤水分?jǐn)U散率D( Θ );計(jì)算公式如下K {Θ) = KS^-TCD
OsImSb( 2 )其中Θ為當(dāng)前土壤含水量，Θ s為飽和土壤含水量，Ks為飽和導(dǎo)水率通過實(shí)驗(yàn)測得。S3 :建立一維垂直土壤水分運(yùn)動(dòng)數(shù)學(xué)模型
「 ιf「，w印]me、、m——=—1){θ)-----— (3)
dt Bh I dh\ Ohθ = θχ t = O h ^ Oθ = θ 2 t>0 h=0Q-Q1 t>0 h —00其中，Θ i為土壤中均勻分布的含水率，02為地下因接近儲(chǔ)水布而維持不變的含水率，h :垂直距離，t :時(shí)間(min)。S4 :將S2中的土壤非飽和導(dǎo)水率和土壤水分?jǐn)U散率帶入到S3的模型(3)中，轉(zhuǎn)化為土壤含水率理論值計(jì)算公式Θ (a, b, m)；S5:根據(jù)入滲實(shí)驗(yàn)，確定土壤含水率的實(shí)際測量值Θ ；S6 :建立最優(yōu)化目標(biāo)函數(shù)(4)，并將S4和S5中的Θ (a, b, m)和Θ帶入(4)中；并根據(jù)改進(jìn)的分段禁忌算法進(jìn)行優(yōu)化，以確定出a、b、m的最優(yōu)值；所述改進(jìn)的分段禁忌算法為以基本禁忌算法為基礎(chǔ)，分別在三個(gè)階段中的每個(gè)階段的參數(shù)進(jìn)行對應(yīng)的設(shè)置和選取。
權(quán)利要求
1.一種基于分階段禁忌尋優(yōu)算法的土壤水分特征參數(shù)的計(jì)算方法，其特征在于，包括51:通過實(shí)驗(yàn)測量獲取土壤飽和導(dǎo)水率和飽和含水量；52:根據(jù)SI中的土壤飽和導(dǎo)水率和飽和含水量，計(jì)算出土壤非飽和導(dǎo)水率和土壤水分?jǐn)U散率；53:建立一維垂直土壤水分運(yùn)動(dòng)數(shù)學(xué)模型；54:將S2中的土壤非飽和導(dǎo)水率和土壤水分?jǐn)U散率帶入到S3的模型中，轉(zhuǎn)化為土壤含水率理論值計(jì)算公式Θ (a, b, m)；S5:根據(jù)入滲實(shí)驗(yàn)，確定土壤含水率的實(shí)際測量值Θ ；S6:建立最優(yōu)化目標(biāo)函數(shù)，并將S4和S5中的Θ (a,b,m)和Θ帶入目標(biāo)函數(shù)中，根據(jù)改進(jìn)的分段禁忌算法進(jìn)行優(yōu)化，以確定出a、b、m的最優(yōu)值；所述改進(jìn)的分段禁忌算法為以基本禁忌算法為基礎(chǔ)，分別在三個(gè)階段中的每個(gè)階段的參數(shù)進(jìn)行對應(yīng)的設(shè)置和選??；S7 :將S6中的a、b、m最優(yōu)值帶入S3中的一維垂直土壤水分運(yùn)動(dòng)數(shù)學(xué)模型中計(jì)算出土壤水分特征參數(shù)。
2.如權(quán)利要求I所述計(jì)算方法，其特征在于，在S6中利用改進(jìn)的分段禁忌算法對目標(biāo)函數(shù)進(jìn)行參數(shù)尋優(yōu)，所述改進(jìn)的分段禁忌算法具體流程步驟包括S6. I :初步尋優(yōu)階段對目標(biāo)函數(shù)進(jìn)行初步尋優(yōu)；S6. 2 :全局尋優(yōu)階段對目標(biāo)函數(shù)以S6. I尋優(yōu)結(jié)果為基礎(chǔ)進(jìn)行全局尋優(yōu)；S6. 3 :加速尋優(yōu)階段對目標(biāo)函數(shù)以S6. 2的尋優(yōu)結(jié)果為基礎(chǔ)進(jìn)行快速搜索。
3.如權(quán)利要求2所述計(jì)算方法，其特征在于，所述S6.I具體包括S6. I. I :初始值設(shè)置，初始值以隨機(jī)方式在整個(gè)取值空間內(nèi)取得；禁忌表為空，并采用單向列表方式加以管理；S6. I. 2 :鄰域點(diǎn)的選取，利用目標(biāo)函數(shù)的差分來指導(dǎo)鄰域點(diǎn)的選取。
4.如權(quán)利要求2所述計(jì)算方法，其特征在于，所述S6.2具體包括S6. 2. I :初始值設(shè)置，本步驟的初始值以S6. I中的初步尋優(yōu)輸出結(jié)果作為起點(diǎn)；S6. 2. 2 :鄰域點(diǎn)設(shè)置，本步驟的鄰域點(diǎn)設(shè)置依然利用目標(biāo)函數(shù)的差分來指導(dǎo)鄰域點(diǎn)的選取。
5.如權(quán)利要求2所述計(jì)算方法，其特征在于，所述S6.3具體包括S6. 3. I :初始值設(shè)置本階段的初始值以S6. 2中的全局尋優(yōu)輸出結(jié)果作為起點(diǎn)。禁忌表初值則為S6. 2中的全局尋優(yōu)得出的最優(yōu)解；S6. 3. 2 :鄰域點(diǎn)設(shè)置，在上述S6. I初步尋優(yōu)階段和S6. 2全局尋優(yōu)階段的尋優(yōu)基礎(chǔ)之上，尋優(yōu)的范圍縮小為S6. 2全局尋優(yōu)階段中最小取值范圍。
6.如權(quán)利要求2所述計(jì)算方法，其特征在于，所述S6.I. 2具體包括S6. I. 2. I計(jì)算目標(biāo)函數(shù)對每一個(gè)變量的差分及其在當(dāng)前解的差分值；S6. I. 2. 2在整個(gè)取值范圍內(nèi)，利用多維正態(tài)分布函數(shù)來選取鄰域點(diǎn)。
全文摘要
本發(fā)明提供一種基于分階段禁忌尋優(yōu)算法的土壤水分特征參數(shù)計(jì)算方法，包括S1獲取土壤飽和導(dǎo)水率和飽和含水量；S2根據(jù)S1計(jì)算土壤非飽和導(dǎo)水率和土壤水分?jǐn)U散率；S3建立一維垂直土壤水分運(yùn)動(dòng)數(shù)學(xué)模型；S4得到土壤含水率理論值計(jì)算公式θ(a,b,m)；S5確定土壤含水率實(shí)際測量值θ；S6根據(jù)S4和S5中的θ(a,b,m)和θ，并根據(jù)改進(jìn)的分段禁忌算法進(jìn)行優(yōu)化，確定出a、b、m的最優(yōu)值；S7將S6中的最優(yōu)值帶入S3中計(jì)算出土壤水分特征參數(shù)。本發(fā)明公開的方法能夠確定在負(fù)壓地下灌溉條件下，一維土壤水分的運(yùn)動(dòng)規(guī)律，從而指導(dǎo)并進(jìn)一步改進(jìn)負(fù)壓地下灌溉系統(tǒng)，提高土壤水分利用率，進(jìn)而提高土壤水分利用率。
文檔編號(hào)G01N33/24GK102692491SQ20121020858
公開日2012年9月26日 申請日期2012年6月19日 優(yōu)先權(quán)日2012年6月19日
發(fā)明者冀榮華, 李想, 李道亮, 王楓辰, 祁力鈞 申請人:中國農(nóng)業(yè)大學(xué)