卷积层与异步分布式生物启发算法融合的地下水参数估计方法研究

【编辑推荐】本研究创新性地将卷积层(CL)与粒子群优化(PSO)和差分进化(DE)算法结合，提出ADPSO-CL和ADDE-CL混合框架，通过异步分布式架构解决地下水模型非线性问题。实验表明ADPSO-CL在导水系数(K)和给水度(Sy)估算中MAPE分别达78.25%和55.56%，显著优于ADDE-CL，为水资源管理提供高效解决方案。

　　

Highlight

为评估粒子群优化(PSO)和差分进化(DE)两种生物启发算法在计算密集型物理模型中估算地下水参数（导水系数K和给水度S_y）的效率，我们提出了一种混合方法。该方法以异步分布式方式将卷积层(CL)与PSO和DE算法结合，形成ADPSO-CL和ADDE-CL框架。

讨论

卷积层(CL)的整合通过特征提取能力优化了搜索过程，而异步分布式策略显著提升了计算效率。ADPSO-CL表现出更稳定的通信性能，未完成实验比例仅33%（ADDE-CL为71%），且在K和S_y的估算中平均绝对百分比误差(MAPE)分别低至78.25%和55.56%，收敛速度更快。

结论

ADPSO-CL框架在集成水管理模型(IWMM)中展现出更优性能：

1. 1.

   异步通信稳定性更高（worker断连率降低58%）

2. 2.

   参数估算精度显著提升（K的MAPE降低221%）

3. 3.

   仅需半数迭代即可收敛

   该研究为复杂水资源优化问题提供了可扩展的创新架构。

（注：翻译部分已根据要求保留专业术语标注和下标格式，并去除文献/图示标识）