技术详细介绍
本发明公开了基于反向精简差分演化算法的水质模型参数识别方法，本发明在传统精简差分演化算法中引入综合学习策略，利用全局最优个体以及种群中相对较优个体的综合搜索信息生成一个搜索引导综合个体，并以生成的综合个体为导向产生子个体，以此保持种群的多样性，减少陷入局部最优的概率；同时根据当前搜索反馈信息适应性地调整反向学习因子，从而将当前种群适应性地生成一个反向种群，并同时从当前种群和反向种群中选择出较优个体进入下一代种群，以此加快算法的收敛速度；重复执行上述步骤直至满足终止条件，在计算过程中得到的最优个体，即为水质模型参数的识别结果；其能够减少陷入局部最优的概率，加快收敛速度，提高水质模型参数识别精度。
基于反向精简差分演化算法的水质模型参数识别方法，其特征在于，包括以下步骤：
步骤1，根据待研究的水质规律问题的实际情况选择合适的水质模型，并针对选择的水质模型确定待识别的参数，以及待识别参数的个数D；
步骤2，通过现场实验获得水质模型的样本数据，包括水质模型的实际输入数据以及对应的实际输出值；
步骤3，根据所有现场实验采集到的样本数据，针对每一组输入数据，以水质模型的计算输出值与样本数据中对应的实际输出值之间的误差平方和作为反向精简差分演化算法的适应值函数；
步骤4，用户初始化参数，所述初始化参数包括待识别水质模型参数的个数D，种群大小Popsize，反向学习率Po，最大评价次数MAX_FEs；
