董怡琦,周明睿,刘力源,余一冬,陈 科,童亚拉,2
(1.湖北工业大学理学院,武汉 430068;2.湖北省能源光电器件与系统工程技术研究中心,武汉 430068)
自20世纪初以来,数值天气预测作为一种预测方法,受到了广泛的关注.随着高性能计算机的诞生,高分辨率数值模式MM5的使用也成为一种热门手段.Bjerknes[1]提出从数值预测整体来看,其中重要一个环节在于初始场,其数据是否精准对最终输出影响极大.MM5中的资料同化是一种变分资料同化,属于非线性优化问题.近年来,为了改进变分同化准确性和收敛性效率,粒子群算法(PSO)、遗传算法(GA)等经典群智能算法被引到资料同化中.王顺风、白晨等[2-3]分别提出了两种遗传算法(GA)同化方案,郑琴[4]从PSO着手,改变惯性权重的变换策略,选择合适的学习因子,设计了动态惯性权重粒子群算法(PSODIWAF),该算法能有效解决含有不连续开关过程的变分资料同化问题.为满足对精度和同化时间的要求,各种改进的粒子群算法被利用到资料同化中,李成、张顶学[5-6]等对陷入局部最优的问题进行了改进;刘明、袁小平[7-8]等采用不同的学习机制,通过效率更高的迭代公式,在收敛速度上作出了改进,减少了收敛时间;何莉等[9]重点从运行时间进行突破,采用多核处理能力提高了算法处理速度,其采用的是粒子随机替换策略,为了保证整个群体能够进行信息交流,同时也设置了共享区域;郑琴[10]和张成兴[11]分别设计了动态惯性权重粒子群算法(PSODIWAF)和时变双重压……