用差异演化-粒子群混合算法确定含水层参数

段国荣 刘元会

摘 要：差异演化-粒子群混合优化算法是利用差异演化算法变异粒子个体的历史最优位置，保持种群多样性，与粒子群优化算法相结合的一种混合优化算法。应用差异演化-粒子群混合优化算法分析直线供水边界含水层抽水试验数据确定含水层参数，并将该算法所得计算结果与其他方法的结果进行比较，分析待估参数的不同取值范围对参数估计的影响，发现差异演化-粒子群混合优化算法能够有效地确定含水层参数，且目标函数值更小，计算精度更高，可达到1.673 1×10-6;待估参数范围的增大对差异演化-粒子群混合优化算法的收敛性影响较小，当待估参数取值范围的上限扩大到原来的14倍时，收敛率高达97%，且得到目标函数值基本一致，由此可知，差异演化-粒子群混合优化算法对初值选取的敏感性低，寻优能力强，稳定性好。数值实验结果表明：差异演化-粒子群混合优化算法有效地避免了粒子群优化算法所出现的早熟现象，是分析抽水试验数据，确定含水层参数和计算观测孔与虚拟映射井之间距离的有效方法。

关键词：含水层参数;差异演化算法;粒子群优化算法;直线供水边界中图分类号：TV 211.1+2 文献标志码：A

Abstract：The differential evolution-particle swarm optimization mixed algorithm is  a hybrid optimization algorithm combiningwith particle swarm optimization algorithm and using difference evolution algorithm to mutate individual historical best position to keep population diversity.It is applied in the analysis of pumping experiment data in linear pervious boundary to estimate the aquifer parameters.The calculation results are compared with the results of other methods，and  influence of the range of initial guess value on estimating parameter is analyzed.It is pointed out that the differential evolution-particle swarm optimization mixed algorithm can effectively determine aquifer parameters with thesmallertarget function value  and the higher calculation precision，which can reach 1.673 1×10-6.The wide range of initial values has less effect on the convergence.When the limit of the value range of the estimated parameter is increased to 14 times，the convergence rate is as high as 97%，and the target function value is basically the same.Thus the  algorithm has lower sensitivity to initial selection，and better ability of searching and good stability.The results indicate it can effectively avoid the premature phenomenon of particle swarm optimization algorithm.Therefore the differential evolution-particle swarm optimization mixed algorithm is an effective method to analyze the pumping experiment data for determination of the aquifer parameters and calculation of the distance between the observation hole and the virtual mapping well.Key words：

aquifer parameters;differential evolution algorithm;particle swarm optimization algorithm;linear pervious boundary

0 引 言

在中國工业快速发展的进程中，水资源问题逐渐增多，地下水是水资源的重要组成部分，地下水资源的评价及开发利用就变得特别重要。含水层参数是进行地下水资源评价和开发利用的基础数据。开发利用地下水资源时，往往会遇到含水层具有直线供水边界的情况。标准曲线配线法[1]，时间定律法（Law of Times）和拐点法（Method of Inflection Point）[2]，非线性最小二乘法[3-4]，线性回归法[5]，Su shil K.S.方法[6-7]，直线图解法[8]和割离井法[9-10]等是分析直线供水边界含水层抽水试验数据的传统方法，但此类方法在实际应用中受到一定的限制。近年来，人们广泛使用智能优化算法来分析抽水试验数据，求解含水层参数，例如粒子群优化算法[11]，混沌人工鱼群混合算法[12]，遗传算法[13]，改进粒子群算法[14]，单纯形探索法[15]，单纯形差分进化混合算法[16]，混沌粒子群优化算法[17]和单纯形-粒子群混合算法[18]等方法。郭建青，李彦等将粒子群优化算法[11]应用于确定含水层参数，但该算法对粒子数目的大小依赖性很强。袁帆，刘元会等利用单纯形-粒子群混合算法[18]计算含水层参数的问题，但计算结果精度不高，且粒子数目的大小和待估参数取值范围对算法的收敛性有较大的影响。粒子群优化算法[11]操作简单且易实现，但种群多样性的缺失使其易陷入局部最优。因此，本研究对粒子群优化算法（PSO算法）进行改进，提供一种差异演化-粒子群混合算法（DE-PSO算法）。将差异演化-粒子群混合算法用于分析直线供水边界条件下含水层的抽水试验数据，求解含水层参数，计算观测孔与虚拟映射井之间的距离。本研究重点讨论了该算法的可靠性和有效性，并就待估参数取值范围对算法收敛性的影响进行数值实验分析。

1 優化算法简介

1.1 DE-PSO算法的思想PSO算法在迭代后期由于种群多样性的下降存在收敛速度慢，精度差，且易陷入局部最优等问题，利用DE算法[19-21]中的3种遗传操作，即变异操作，交叉操作和选择操作，变异粒子中各个体的历史最优位置，不仅能使种群保持一定的多样性，进而避免出现早熟或停滞的现象，而且能保持PSO算法迭代前期收敛速度快的优点。本研究引入聚集度因子[22]来确定粒子个体历史最优位置是否需要进行变异式中 N为粒子个数;D为搜索空间维度;Fa为粒子聚集度因子;xid为第i个粒子在第d维子空间的位置;d和分别为粒子当前迭代的第d维位置的均值和当前迭代位置的均值;Pit_best和Pit_worst分别为粒子当前迭代的最优位置和最差位置。

1.2 DE-PSO算法的步骤步骤1：初始化算法的相关参数;确定粒子个数N，搜索空间维度D，最大迭代次数gen，最优累计次数K[23]，各粒子的初始位置及初始速度、搜索空间的上下限、缩放因子F，交叉概率CR，初始化循环迭代次数t和最优累计次数k，聚集度因子Fa，收敛精度e1以及计算相似度e2[23].步骤2：计算初始种群中每个粒子的适应度值，保存粒子局部和全局最优位置，最优值。步骤3：若当前迭代次数小于最大迭代次数gen且当前的最优累计次数k小于最优累计次数K，则进入循环，否则输出最优结果。步骤4：更新每个粒子的速度和位置，且进行粒子个体最优更新及群体最优更新。步骤5：计算粒子的聚集度因子Fa，若Fa大于所给定的阈值，则进入步骤6，否则返回步骤4.步骤6：利用DE算法中的变异、交叉、选择等遗传操作，变异粒子中各个体的历史最优位置，并更新粒子历史最优位置。步骤7：如果全局最优解小于e1且全局最优解的误差小于相似度e2，则k=k+1，否则返回步骤3继续执行。步骤8：输出结果。

2 目标函数与控制条件

2.1 降深表达式由地下水动力学[24-25]中的迭加原理可知，含水层中任一位置的降深可以由2部分迭加得到，即在直线供水边界条件下，虚拟映射注水井注水和抽水实井抽水分别在该位置产生降深的叠加。虚拟映射注水井、抽水实井和直线供水边界的位置关系[5]，如图1所示。

2.3 算法参数控制聚集度因子Fa∈[0，2]，根据多次试验结果，本研究选取Fa的阈值Fa=1.3，交叉概率CR∈[0，1]，缩放因子F∈[0，2]，粒子数目维度N=20，最大迭代次数gen=200，根据文献[28]，选取含水层导水系数T∈[2.5，3.5] m2/min，储水系数S∈[0.050，0.070]，观测井到虚拟映射井的距离r′∈[100，130] m，取e1=5×10-5，e2=10-9，K=10.

3 算例本算例引自文献[5]。原始抽水试验的抽水流量Q=4.543 m3/min，抽水主井与观测孔的距离满足r=30.48 m.表1提供了观测孔中水位降深在不同时刻的观测值。

3.1 不同方法计算结果的比较 表2中给出了DE-PSO算法和相关文献中的其他方法对含水层参数的计算结果。

从表2可知，DE-PSO算法估计含水层参数值及观测井与虚拟映射井之间的距离与其他方法接近，且由该算法求得的（θ）精度高于其他方法，因此，DE-PSO算法所求结果是可靠的。

3.2 算法的有效性图2表示的是DE-PSO算法的程序运行100次目标函数值的分布情况。从图2能够看出，在DE-PSO算法的程序运行100次的过程中，有91次成功，其收敛率达到91%.由此可知，DE-PSO算法的收敛率较高，具有高效性。因此，利用DE-PSO算法能有效地估计含水层参数。

3.3 算法的稳定性表3是在其他条件不变，待估参数取值范围的上限扩大到原来的2，4，8，10，12和14倍的情况下，利用DE-PSO算法求得含水层参数及观测井与虚拟映射井之间距离的估计值。由表中信息可知，随着待估参数范围的增大，DE-PSO算法具有很好的收敛性，当待估参数取值范围的上限扩大到原来的14倍时，收敛率高达97%，且得到目标函数值基本一致，即DE-PSO算法对初值选取的敏感性低，寻优能力强，稳定性好。

4 结 论

1）DE-PSO算法得到的目标函数值（θ）精度高于其他方法。

2）估计含水层参数时具有较好的收敛性，具有较高的精度。

3）待估参数初始取值范围的放宽对DE-PSO算法的收敛性影响较小，即DE-PSO算法对初始取值范围选取的敏感性低，寻优能力强，稳定性好。因此，DE-PSO算法是分析抽水试验数据，求解含水层参数和计算观测孔与虚拟映射井之间距离的有效方法。

参考文献（References）：

[1] Sageev A，Home R N，Ramey H J.Detection of linear boundaries by drawdown test：a semilog type curve matching approach[C]//Water Resource Research，Nanjing，China，1985，21： 305-310.

[2]Chapuis R P.Assessment of methods and condition to locate boundaries： Ⅱ one straight recharge boundary[J].Groundwater，1994，32（4）： 583-590.

[3]Sushil K Singh.Identifying effective distance to a recharge boundary[J].Journal of Hydraulic Engineering，2001，127（8）：689-692.

[4]齐学斌.非稳定流抽水试验参数计算的迭代算法及计算机模拟[J].水利学报，1995，26（7）：67-71.QI Xue-bin.Iterative algorithm and imitation for parameter calculation of non-equilibrium flow bumping test[J].Journal of Hydraulic Engineering，1995，26（7）：67-71.

[5]郭建青，李 彦，王洪胜，等.分析供水边界在抽水试验数据的新方法[J].水利学报，2006，57（7）：807-812.GUO Jian-qing，LI Yan，WANG Hong-sheng，et al.A new method for analyzing data of water pumping test[J].Journal of Hydraulic Engineering，2006，57（7）：807-812.

[6]Sushil K Singh.Confined aquifer parameters from temporal derivative of drawdowns[J].Journal of Hydraulic Engineering，2001，127（6）：466-470.

[7]Sushil K Singh.Simple method for confined parameter estimation[J].Journal of Irrigation and Drainage Engineering，2000，126（6）：404-407.[8]Department of the Interior （USDI）U.S.Groundwater manual[M].Washington D C：Bureau of Reclamation，1977：119.

[9]刘元会，常安定，邓秋霞.割离井法渗流模型的数值解[J].西安科技大学学报，2006，26（1）：70-73.LIU Yuan-hui，CHANG An-ding，DENG Qiu-xia.The numerical solution of the seepage model for Divide-well[J].Journal of Xi’an University of Science and Technology，2006，26（1）：70-73.

[10]常安定，刘元会，马 良.用割离井公式反求水文地质参数的图解法[J].西安科技大学学报，2006，26（2）：204-207，211.CHANG An-ding，LIU Yuan-hui，MA Liang.A graphical method for calculating hydrogeological parameters by using the separation well formula[J].Journal of Xi’an University of Science and Technology，2006，26（2）：204-207，211.

[11]郭建青，李 彦，王洪胜，等.粒子群优化算法在确定含水层参数中的应用[J].中国农村水利水电，2008，50（4）：4-7.GUO Jian-qing，LI Yan，WANG Hong-sheng，et al.App-lication of particle swarm optimization algorithm to determination of aquifer parameters[J].Journal of Rural Water and Hydropower in China，2008，50（4）：4-7.

[12]王静云，常安定，郭建青，等.基于混沌人工鱼群混合算法确定含水层参数[J].中国农村水利水电，2013，55（3）：27-33.WANG Jing-yun，CHANG An-ding，GUO Jian-qing，et al.The parameters of aquifer are determined based on chaotic artificial fish swarm[J].Journal of Rural Water and Hydropower in China，2013，55（3）：27-33.

[13]高志亮，陈 石，高 鹏.基于遗传算法的地下水非稳定流求参方法[J].西安科技大学学报，2004，24（4）：434-437.GAO Zhi-liang，CHEN Shi，Gao Peng.Calculating hydro geological parameters basea on genetic algorithms[J].Journal of Xi’an University of Science and Technology，2004，24（4）：434-437.

[14]杨陈东，常安定，李文胜，等.改进粒子群算法在确定含水层参数中的应用[J].水资源与水工程学报，2017，28（1）：100-103.YANG Chen-dong，CHANG An-ding，LI Wen-sheng，et al.Application of improved particle swarm optimization algorithm to determination of aquifer parameters[J].Journal of Water Resources and Water Engineering，2017，28（1）： 100-103.

[15]付曉刚，代锋刚，邹 晔.单纯形探索法在确定含水层参数中的应用[J].水资源与水工程学报，2011，22（6）：46-49.FU Xiao-gang，DAI Feng-gang，ZOU Ye.Application of simple exploration to determination of aquifer parameters[J].Journal of Water Resources and Water Engineering，2011，22（6）：46-49.

[16]付 翠，刘元会，郭建青，等.分析抽水实验数据单纯形差分进化混合算法[J].中国农村水利水电，2013，55（6）：1-8.FU Cui，LIU Yuan-hui，GUO Jian-qing，et al.Mixed simple differential evolution algorithm analyzed by experimental data[J].Journal of Rural Water and Hydropower in China，2013，55（6）：1-8.

[17]周秀秀，常安定，郭建青，等.混沌粒子群优化算法在确定含水层参数中的应用[J].水资源与水工程学报，2013，24（1）：96-99.ZHOU Xiu-xiu，CHANG An-ding，GUO Jian-qing，et al.Application of chaos particle swarm optimization algorithm to determination of aquifer parametersrs[J].Journal of Water Resources and Water Engineering，2013，24（1）：96-99.

[18]袁 帆，刘元会，郭建青，等.利用单纯形-粒子群混合算法确定越流含水层参数[J].南水北调与水利科技，2015，13（04）：729-732，755.YUAN Fan，LIU Yuan-hui，GUO Jian-qing，et al.Estimation of leakage aquifer parameters with simplex particle swarm optimization algorithm[J].Journal of South-to North Water Transfers and Water Science & Technology，2015，13（4）：729-732，755.

[19]黎延海.基于粒子群优化与差分进化混合算法的多目标优化及应用[D].西安：西安石油大学，2014.LI Yan-hai.Multi-objective optimization and application of hybrid algorithm based on particle swarm optimization and differential evolution[D].Xi’an：Xi’an Shiyou University，2014.

[20]毛 恒.粒子群优化算法的改进及应用研究[D].厦门：华侨大学，2008.MAO Heng.Improvement and application of particle swarm optimi-zation algorithm[D].Xiamen： Huaqiao University，2008.

[21]郭广寒，王志刚，郝志峰.基于差异演化的粒子群优化算法[J].哈尔滨商业大学学报（自然科学版），2008，24（3）：290-292.GUO Guang-han，WANG Zhi-gang，HAO Zhi-feng.Particle swarm optimization algorithm based on differential evolution[J].Journal of Harbin University of Commerce（Natural Sciences Edition），2008，24（3）：290-292.

[22]毛 恒，王永初.一種基于差异演化变异的粒子群优化算法[J].计算机工程与应用，2007，43（30）：56-58.Mao Heng，Wang Yong-chu.Particle swarm optimization algorithm based on differential evolution mutation[J].Computer Engineering and Applications，2007，43（30）：56-58.

[23]付 翠，刘元会，郭建青，等.识别河流水质模型参数的单纯形-差分进化混合算法[J].水力发电学报，2015，34（1）：125-130.FU Cui，LIU Yuan-hui，GUO Jian-qing，et al.Simplex-differential evolution hybrid algorithm for parameter identification of river water quality model[J].Journal of Hydroelectric Engineering，2015，34（1）：125-130.

[24]陈崇希，林 敏.地下水动力学[M].武汉：中国地质大学出版社，1999.CHEN Chong-xi，LIN Min.Groundwater dynamics[M].Wuhan： China University of Geosciences Press，1999.

[25]郭东屏，宋炎勋，钱 会，等.地下水动力学[M].西安：陕西科学技术出版社，1993.GUO Dong-ping，SONG Yan-xun，QIAN hui，et al.Groundwater dynamics[M].Xi’an： Shaanxi Science and Technology Press，1993.

[26]薛禹群.地下水动力学[M].北京：地质出版社，1986.XUE Yu-qun.Groundwater dynamics[M].Beijing： Geological Press，1986.

[27]Sushil K Singh.Aquifer boundaries and parameter identification simplified[J].Journal of Hydraulic Engineering，2002，128（8）：774-780.

[28]Yang X S.Flower pollination algorithm for global optimization[C]//International Conference on Unconventional Compution and Natural Computation，2012，7445：240-249.