中国煤炭地质

2025, v.37;No.325(11) 65-69

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Archive) | 高级检索(Advanced Search)

基于改进的沙猫群优化算法的黄河流域干旱预测
Drought Prediction in the Yellow River Basin Based on Modified Sand Cat Swarm Optimization Algorithm

田雨佳,雒萌,苗健,龙陆军,牟兆刚,王其菲

摘要(Abstract):

干旱预测对水资源安全和农业生产至关重要。本研究针对黄河流域干旱事件难以预测的问题,提出了一种改进的沙猫群智能优化算法(Modified Sand Cat Swarm Optimization Algorithm, MSCSO)。MSCSO在沙猫群优化元启发式算法的基础上,融合了三种关键策略:用于增强解空间搜索能力的镜像学习策略、用于精细探索的三角行走策略以及用于在攻击阶段增强利用的莱维飞行策略。基于1990~2020年干旱指数的实验结果显示,MSCSO表现出卓越的预测性能,决定系数(R~2)达到0.91,均方根误差(RMSE)仅仅为0.11,证明了其强大的泛化能力。MSCSO生成的可靠预测为主动干旱风险管理、保护水资源、支持农业韧性以及为减缓气候变化战略提供信息提供了有力工具。

关键词(KeyWords): 群智能优化;干旱预测;莱维飞行;沙猫优化算法;镜像学习策略

Abstract:

Keywords:

基金项目(Foundation): 中国煤炭地质总局科研项目(ZMKJ-2025-ZX05-2-01)

作者(Author): 田雨佳,雒萌,苗健,龙陆军,牟兆刚,王其菲

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享