针对经典MCMC(Markov chain Monte Carlo)算法求解河流水污染源信息(排放量、排放时间和排放位置)时初始点的选取和接受率不高导致的计算效率低下问题,通过COMSOL仿真软件构建污染物二维扩散模型,利用不同算法对比分析了上述两方面对水...针对经典MCMC(Markov chain Monte Carlo)算法求解河流水污染源信息(排放量、排放时间和排放位置)时初始点的选取和接受率不高导致的计算效率低下问题,通过COMSOL仿真软件构建污染物二维扩散模型,利用不同算法对比分析了上述两方面对水污染溯源结果的影响,并由此提出了基于等距随机抽样方法(equidistant random sampling)的两阶段多链Metropolis Hastings算法(ERS-TSMH).仿真结果表明,传统的MH算法和TSMH算法在求解时易陷入局部最优值或不收敛的情况,前者接受率在20%左右,后者却达到近50%;多链ERS-MH算法提高了反演的准确性,但经过10 000次左右迭代后收敛,效率低下;多链ERS-TSMH算法在保证溯源精度的同时,在5 000次左右迭代后收敛,效率显著提高且表现出高稳定性和可靠性.展开更多
文摘针对经典MCMC(Markov chain Monte Carlo)算法求解河流水污染源信息(排放量、排放时间和排放位置)时初始点的选取和接受率不高导致的计算效率低下问题,通过COMSOL仿真软件构建污染物二维扩散模型,利用不同算法对比分析了上述两方面对水污染溯源结果的影响,并由此提出了基于等距随机抽样方法(equidistant random sampling)的两阶段多链Metropolis Hastings算法(ERS-TSMH).仿真结果表明,传统的MH算法和TSMH算法在求解时易陷入局部最优值或不收敛的情况,前者接受率在20%左右,后者却达到近50%;多链ERS-MH算法提高了反演的准确性,但经过10 000次左右迭代后收敛,效率低下;多链ERS-TSMH算法在保证溯源精度的同时,在5 000次左右迭代后收敛,效率显著提高且表现出高稳定性和可靠性.
