申请/专利权人：青岛大学

申请日：2021-01-15

公开（公告）日：2024-04-09

公开（公告）号：CN112711862B

主分类号：G06F30/20

分类号：G06F30/20;G06F9/50

优先权：

专利状态码：有效-授权

法律状态：2024.04.09#授权;2021.05.14#实质审查的生效;2021.04.27#公开

摘要：本申请提供了一种基于并发L‑BFGS算法的水文模型参数率定方法及系统。该方案应用于异构平台，包括：主处理器生成水文模型的多组模型参数并发送到协处理器；协处理器的不同线程分别获得各自划分的模型参数，计算获得模型参数对应的纳什效率系数并返回主处理器；主处理器判断多组模型参数对应的纳什效率系数是否满足预设条件，当满足时，输出所述更新后的多组模型参数，当不满足时，获得多组模型参数对应的梯度值，并利用并发L‑BFGS算法获得更新后的多组模型参数再次率定，直至满足结束条件。本申请的方案利用协处理的多线程并发机制，提高了水文模型参数率定的效率。

主权项：1.一种基于并发L-BFGS算法的水文模型参数率定方法，应用于异构平台，所述异构平台包括：主处理器和协处理器，其特征在于，所述方法包括：步骤S1.所述主处理器生成水文模型的多组模型参数，并发送至所述协处理器；步骤S2.所述协处理器将所述多组模型参数划分至不同的线程，各线程分别根据划分的模型参数运行所述水文模型对当前流域进行水文模拟，以及根据所述划分的模型参数对应的当前流域的水文模拟值，获得所述划分的模型参数对应的纳什效率系数，并发送至所述主处理器；步骤S3.所述主处理器判断所述多组模型参数对应的纳什效率系数是否满足预设条件，当满足时，所述主处理器输出更新后的多组模型参数，模型率定结束，当不满足时，进入步骤S4；步骤S4.所述主处理器根据所述多组模型参数对应的纳什效率系数，获得所述多组模型参数对应的梯度值，利用并发L-BFGS算法获得更新后的多组模型参数，并发送至所述协处理器，返回步骤S2；其中，所述利用并发L-BFGS算法获得更新后的多组模型参数包括：根据当前更新前的多组模型参数对应的梯度值、当前更新前的Z次历史更新后的多组模型参数的变化量和所述Z次历史更新后的多组模型参数对应的梯度值变化量，进行后向循环，获得第Z次历史更新前的多组模型参数对应的搜索方向；根据所述第Z次历史更新前的多组模型参数对应的搜索方向、所述Z次历史更新后的多组模型参数的变化量和所述Z次历史更新后的多组模型参数对应的梯度值变化量，进行前向循环，获得当前更新前的多组模型参数对应的搜索方向；根据所述当前更新前的多组模型参数对应的搜索方向和多个步长因子，获得多组候选的多组模型参数，并通过所述协处理器获得各组候选的多组模型参数对应的纳什效率系数；根据所述各组候选的多组模型参数对应纳什效率系数，确定当前更新后的多组模型参数。

全文数据：

权利要求：

百度查询： 青岛大学 基于并发L-BFGS算法的水文模型参数率定方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD