[发明专利]一种提高二甲基硫产量校准精度的方法

摘要

本发明公开了一种提高二甲基硫产量校准精度的方法，引入三个参数优化了二甲基硫微分模型，并选择合适的适应度函数进行PZN模型参数校准及硫模型参数校准，最终实现二甲基硫产量校准精度的提高。

主权项

一种提高二甲基硫产量校准精度的方法，二甲基硫微分模型由以下五个方程构成：dPdt=EXRTRWk23(NN+k24)P-k4PZ---(1)]]>dZdt=k4(1-k20)PZ-k19Z---(2)]]>dNdt=k19Z+k4k20PZ-k23(NN+k24)P---(3)]]>∂DMSP∂t=k5P+k21Z-k27DMSP-k31DMSP---(4)]]>∂DMS∂t=k6P+k27DMSP-k28DMS-k29DMS-k30DMS---(5)]]>其中，方程(1)‑(3)又称为PZN模型，方程(4)‑(5)又称为硫模型，P代表浮游植物，Z代表浮游动物，N代表氮，DMSP代表二甲巯基丙酸、DMS代表二甲基硫，ki为二甲基硫模型中比较敏感且重要的参数，记ki的理论下限为kimin，ki的理论上限为kimax，RT是一个与海表温度相关的量，RW是一个与风速相关的量，EX为一常系数，ki的含义见下表1：表1 二甲基硫模型中参数其特征在于：具体步骤如下：A、根据参数k4、k19、k20、k23对应的理论下限k4min、k19min、k20min、k23min和理论上限k4max、k19max、k20max、k23max，PZN微分模型，以及P的实际观测值Pa，对敏感参数k4、k19、k20、k23进行校准：敏感参数k4、k19、k20、k23每年的数据都不一样，也比较难求，但根据以往实验测试数据及理论研究可以确定参数ki的一个合理的有效范围即理论下限kimin和理论上限kimax，预先随机生成360个介于理论下限kimin、理论上限kimax间的敏感参数向量[k4,k19,k20,k23]，根据PZN微分模型，计算出P的模型值Pm，并选择适应度函数为∑(Pa‑Pm)2，其中Pa为P的实际观测值；计算360个[k4,k19,k20,k23]对应的360个适应度函数值，保留其适应度最小值对应的敏感参数向量[k4,k19,k20,k23]作为当前最佳敏感参数向量；随机地将360个敏感参数向量[k4,k19,k20,k23]分为180组，每组2个敏感参数向量[k4,k19,k20,k23]，将参数值k4、k19、k20、k23二进制化为k4s、k19s、k20s、k23s，生成一个随机数R，并以60％的可能性交换k4s、k19s、k20s、k23s的后R位，再按10％可能性，随机改变某一位的数值；将二进制数据变换为十进制化数据，生成新的参数值ki′，这样就由原来的第一批的360个敏感参数向量[k4,k19,k20,k23]生成第二批的360个敏感参数向量[k4′,k1′9,k2′0,k2′3]；再结合PZN微分模型，计算出P的模型值Pm′、其对应的360个适应度函数值及360个适应度函数值中的最小值，将最小值与第一批的最小值做比较，保留较小值对应的k4、k19、k20、k23作为当前最佳敏感参数向量；如此，当做到第25批时，即可完成敏感参数k4、k19、k20、k23的校准；B、根据参数k27、k28、k29、k31的理论下限k27min、k28min、k29min、k31min和理论上限k27max、k28max、k29max、k31max，二甲基硫微分模型以及P的实际观测值Pa，二甲基硫的实际观测值DMSa对敏感参数k27、k28、k29、k31进行校准：根据以往实验测试数据及理论研究可以确定参数k27、k28、k29、k31的理论下限k27min、k28min、k29min、k31min和理论上限k27max、k28max、k29max、k31max，预先随机生成360个介于上、下限间的敏感参数向量[k27,k28,k29,k31]，根据二甲基硫微分模型，计算出二甲基硫的模型值DMSm，此时，二甲基硫微分模型中k4、k19、k20、k23为A中校准后的参数值，为了提高二甲基硫产量校准的精度，选择适应度函数为∑a(Pa‑Pm)2+b(DMSa‑DMSm)2，其中DMSa为二甲基硫的实际观测值，a、b为设定的权重，P的实际观测值Pa的全球卫星数据获取相对容易且连续，而全球二甲基硫实际数据获取较为困难且零散，缺乏连续性，因而，权重值a应大于权重值b；计算360个敏感参数向量[k27,k28,k29,k31]对应的360个适应度函数值，保留其适应度最小值对应的敏感参数向量[k27,k28,k29,k31]作为当前最佳敏感参数向量；随机地将360个敏感参数向量[k27,k28,k29,k31]分为180组，每组2个敏感参数向量[k27,k28,k29,k31]，将参数值k27、k28、k29、k31二进制化为k27s、k28s、k29s、k31s，生成一个随机数R′，并以60％的可能性交换组内的k27s、k28s、k29s、k31s的后R′位，再按再按10％可能性，随机改变某一位的数值；将二进制数据变换为十进制化数据，生成新的参数值ki′，这样就由原来的第一批的360个敏感参数向量[k27,k28,k29,k31]生成第二批的360个敏感参数向量[k2′7,k2′8,k2′9,k3′1]；再结合二甲基硫微分模型，计算出二甲基硫的模型值DMS′m、其对应的360个适应度函数值及360个适应度函数值中的最小值，将最小值与第一批的最小值做比较，保留较小值对应的k27、k28、k29、k31作为当前最佳敏感参数向量；如此，当做到第25批时，即完成敏感参数k27、k28、k29、k31的校准；C、一旦参数k4、k19、k20、k23、k27、k28、k29、k31确定后，由二甲基硫微分模型即可计算出二甲基硫产量，再通过计算∑(DMSa‑DMSm)2，从数值上验证二甲基硫模型中二甲基硫产量校准精度是否得到提高。