遗传算法同化系统在MM5模式中的应用研究

论文摘要

本文将遗传算法与中尺度MM5相结合，并以2002年6月14日的华南暴雨为对象，进行了实际观测资料的同化，并针对标准遗传算法所存在的搜索效率不高以及过早收敛的问题，对遗传算子和适应度函数进行了改进，并利用自适应遗传算子提高算法的优化性能，结合混合算子增加种群的多样度，设计了一类带混合算子的自适应遗传算法。研究结果表明：应用遗传算法同化系统能有效的改善数值预报模式的初始场，经过改进后的同化系统均能在一定程度上提高物理量场和降水量的预报效果。由于复杂模式的运算量很大，因此实验中采用将遗传算法并行化处理，实验证明，并行化后程序的运算速度有了很大的提高，为遗传算法同化系统在复杂模式中更广泛的应用奠定了基础。遗传算法作为一种新兴的同化方法，随着大气科学和数学理论的发展，以及计算机运算能力的提高，采用遗传算法的四维变分同化系统必定给数值预报模式带来更好的预报效果。

论文目录

• 中文摘要
• Abstract
• 目录
• 第一章 引言
• 1.1 四维变分同化的研究进展
• 1.2 遗传算法的研究进展
• 1.3 本文的研究内容
• 第二章 四维变分同化的基本原理及其基本结构
• 2.1 微分方程的反问题
• 2.2 变分同化方法
• 2.2.1 目标函数的构造
• 2.2.2 目标函数梯度的求解
• 2.2.3 伴随方程理论
• 2.2.4 实现目标函数极小化的算法
• 2.2.5 权重和尺度因子
• 第三章 中尺度数值模式MM5的介绍
• 3.1 MM5模式的发展
• 3.2 MM5模式的基本方程
• 3.3 MM5模式的系统结构
• 第四章 遗传算法
• 4.1 遗传算法概述
• 4.2 遗传算法的基本描述
• 4.2.1 遗传编码
• 4.2.2 群体的设定及种群的初始化
• 4.2.3 适应度函数（评价函数）
• 4.2.4 遗传操作算子
• 4.2.5 控制参数的选择
• 4.2.6 循环终止条件
• 4.2.7 GA的性能评估
• 4.2.8 遗传算法的基本流程
• 第五章 MM5遗传算法四维变分同化系统
• 5.1 混合遗传算法
• 5.2 遗传算法的技术实现
• 5.2.1 初始化种群
• 5.2.2 遗传编码
• 5.2.3 适应度函数
• 5.2.4 遗传算子的选取
• 5.3 对于选择算子的改进
• 5.3.1 与模拟退火法相结合的选择算子
• 5.3.2 非线性排序选择算子
• 5.4 适应值的比例变换
• 5.5 带混合算子的自适应遗传算法
• 5.6 MM5遗传算法四维资料变分同化系统的数值试验
• 5.6.1 2002年6月14日华南大暴雨过程
• 5.6.2 参数和资料的选取
• 5.6.3 遗传控制参数的选取
• 5.6.4 关于不同选择函数的GA四维资料同化系统的试验
• 5.6.5 采用适应度比例变换的GA四维资料同化系统的试验
• 5.6.6 采用带混合算子的自适应遗传算法的GA四维资料同化试验
• 5.6.7 改进的遗传算法的四维变分同化的数值试验
• 第六章 结论和展望
• 参考文献
• 致谢
• 附 图