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案例实践

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。为了帮助快速优化水文及水环境等计算密集型模型。

点击查看原文https://mp.weixin.qq.com/s?__biz=Mzg2NDYxNjMyNA==&mid=2247538235&idx=3&sn=e01bc2799a019e6b31068362360ba13b&chksm=ce64bcd0f91335c6c2c40685ff07a59bd1f8407a9391b17bc108d3de4344a9ab270d803453d0&token=732264532&lang=zh_CN#rd

专题一、 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

专题二 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

专题三、 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

专题四、 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

专题五、 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

专题六、 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

专题七、 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

专题八、 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

专题九、 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

专题十、 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

相关推荐
深度学习实战训练营42 分钟前
基于CNN-RNN的影像报告生成
人工智能·深度学习
昨日之日20063 小时前
Moonshine - 新型开源ASR(语音识别)模型,体积小,速度快,比OpenAI Whisper快五倍 本地一键整合包下载
人工智能·whisper·语音识别
浮生如梦_3 小时前
Halcon基于laws纹理特征的SVM分类
图像处理·人工智能·算法·支持向量机·计算机视觉·分类·视觉检测
深度学习lover3 小时前
<项目代码>YOLOv8 苹果腐烂识别<目标检测>
人工智能·python·yolo·目标检测·计算机视觉·苹果腐烂识别
热爱跑步的恒川4 小时前
【论文复现】基于图卷积网络的轻量化推荐模型
网络·人工智能·开源·aigc·ai编程
阡之尘埃6 小时前
Python数据分析案例61——信贷风控评分卡模型(A卡)(scorecardpy 全面解析)
人工智能·python·机器学习·数据分析·智能风控·信贷风控
孙同学要努力8 小时前
全连接神经网络案例——手写数字识别
人工智能·深度学习·神经网络
Eric.Lee20218 小时前
yolo v5 开源项目
人工智能·yolo·目标检测·计算机视觉
其实吧39 小时前
基于Matlab的图像融合研究设计
人工智能·计算机视觉·matlab
丕羽9 小时前
【Pytorch】基本语法
人工智能·pytorch·python