0
点赞
收藏
分享

微信扫一扫

干货:移动存储管控系统

原文链接:基于R语言的水文、水环境模型优化技术及快速率定方法与多模型教程icon-default.png?t=N7T8https://mp.weixin.qq.com/s?__biz=MzUzNTczMDMxMg==&mid=2247597847&idx=7&sn=d71869f1290d0ef9dd7fd3f74dd7ca33&chksm=fa823ef0cdf5b7e655af5e773a3d3a1b200632a5981f99fe72f0cf5b49d98d0d81d693831333&token=1544438010&lang=zh_CN#rd

前言

在水利、环境、生态、机械以及航天等领域中,数学模型已经成为一种常用的技术手段。同时,为了提高模型的性能,减小模型误用带来的风险;模型的优化技术也被广泛用于模型的使用过程。模型参数的快速优化技术不但涉及到优化本身而且涉及采样设计、不确定性估计等方方面面。

一:最速上升法、岭分析以及响应曲面模型

1.最速上升路径

2.信赖域

3.响应面模型

4.二阶响应面

5.岭分析

图片

二:Kriging插值与优化方法

1.普通Kriging插值与优化

2.一般Kriging插值与优化

3.协变量Kriging插值与优化

4.时间-空间Kriging插值与优化

5.Kriging方法与贝叶斯优化/高斯过程的关系

图片

三:启发式算法

1.粒子群算法

2.遗传算法

3.模拟退火算法

4.启发式算法总结

四:采样方法

1.拉丁超立方采样

2.改进的LHS方法

3.最大-最小设计

图片

五:高斯过程回归

1.高斯过程的先验

2.高斯过程超参数分析

3.与其它方法(贝叶斯线性回归、隐随机场等)的比较

图片

六:基于模型的高斯过程/贝叶斯优化设计

1.最大熵设计

2.预测不确定性的最小化

3.序贯设计

4.快速高斯过程更新

图片

七:最优化的快速化

1.代理模型下的最优化

2.期望改进

3.约束下的最优化

4.贝叶斯敏感性分析

图片

八:高级高斯过程模型

1.紧支撑核方法

2.划分模型与回归树

3.高斯过程的局部逼近

图片

九:异方差性

1.随机克里金方法

2.均值与方差耦合的高斯过程

3.序贯设计

图片

十:综合案例

案例一:基于PSO算法的GR4J模型率定

案例二:基于PSO算法的SWAT模型率定

案例三:基于PSO算法的MOLDFLOW2005模型率定

案例四:基于贝叶斯优化的新安江模型快速率定

案例五:基于高斯过程代理模型的VIC模型率定

举报

相关推荐

0 条评论