基于深度强化学习的水质模型参数率定

摘要：

为提高水质模型参数率定的精度,避免局部最优及异参同效等现象,提出一种基于深度强化学习的水质模型参数率定方法.通过深度确定性策略梯度算法(DDPG)求解水质模型参数率定这一优化问题,并设置单参数、多参数率定等不同情景对比分析DDPG的参数率定效果及其影响因素.结果表明:①DDPG参数率定的相对误差小于1.5%,率定效果良好;②根据DDPG参数率定结果能够完成参数的敏感性分析;③DDPG参数率定主要影响因素有奖励函数设置、动作选择时噪声的设置、神经网络训练情况等.该方法能够准确地完成水质模型的参数率定,并适用于各类水质模型,为水质模型的参数率定提供了一种可靠的方法.

关键词：机器学习、深度强化学习、水质模型、参数率定

所属期刊栏目：44

分类号：X52;X32(水体污染及其防治)

资助基金：国家重点研发计划;中国水利水电科学研究院基本科研项目

在线出版日期：2024-08-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：271-280