基于核函数极限学习机(Kernelextreme learning machine,KELM)方法建立地下水-地面沉降耦合的替代模型,与混合多目标算法(Non-dominated Sorting Genetic Algorithm II,NSGAII)相耦合,实现在地面沉降约束下(沉降速率和地下水位红线)地...基于核函数极限学习机(Kernelextreme learning machine,KELM)方法建立地下水-地面沉降耦合的替代模型,与混合多目标算法(Non-dominated Sorting Genetic Algorithm II,NSGAII)相耦合,实现在地面沉降约束下(沉降速率和地下水位红线)地下水资源合理开发利用和地面沉降防控减灾的多目标优化.以三维均质多层含水系统中抽水引发的地面沉降算例为对象,采用MODFLOW-2005中的地面沉降模拟子程序(Subsidence for the water table,SUB-WT)模拟地面沉降过程,基于KELM方法,采用线下和线上两种模式建立替代模型,分别构建了基于线下地面沉降替代模型的多目标管理模型(KELM model based multi-objective optimization model for land subsidence management,KELM&MOLS)和基于自适应(线上)替代模型的多目标管理模型(Adaptive KELM&MOLS,AKELM&MOLS).模拟优化结果显示:(1)基于线上模式训练的替代模型的模拟精度更高,拟合相关系数达0.9988以上,基本接近SUB-WT模拟模型的评价精度;(2)KELM&MOLS优化求解效率提高了15倍,但其搜索的Pareto解的质量最差,AKELM&MOLS求解效率提高了3倍,同时保证了优化解的收敛性和精度.展开更多
文摘基于核函数极限学习机(Kernelextreme learning machine,KELM)方法建立地下水-地面沉降耦合的替代模型,与混合多目标算法(Non-dominated Sorting Genetic Algorithm II,NSGAII)相耦合,实现在地面沉降约束下(沉降速率和地下水位红线)地下水资源合理开发利用和地面沉降防控减灾的多目标优化.以三维均质多层含水系统中抽水引发的地面沉降算例为对象,采用MODFLOW-2005中的地面沉降模拟子程序(Subsidence for the water table,SUB-WT)模拟地面沉降过程,基于KELM方法,采用线下和线上两种模式建立替代模型,分别构建了基于线下地面沉降替代模型的多目标管理模型(KELM model based multi-objective optimization model for land subsidence management,KELM&MOLS)和基于自适应(线上)替代模型的多目标管理模型(Adaptive KELM&MOLS,AKELM&MOLS).模拟优化结果显示:(1)基于线上模式训练的替代模型的模拟精度更高,拟合相关系数达0.9988以上,基本接近SUB-WT模拟模型的评价精度;(2)KELM&MOLS优化求解效率提高了15倍,但其搜索的Pareto解的质量最差,AKELM&MOLS求解效率提高了3倍,同时保证了优化解的收敛性和精度.
