《智慧型算法求解CNOP性能最佳化及其套用》是依託同濟大學，由袁時金擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：智慧型算法求解CNOP性能最佳化及其套用
- 項目類別：青年科學基金項目
- 項目負責人：袁時金
- 依託單位：同濟大學
中文摘要,結題摘要,
中文摘要
CNOP方法被廣泛套用於天氣和氣候的非線性研究。本課題旨在研究智慧型算法求解CNOP (IA-CNOP)性能最佳化中的若干關鍵科學問題，提出一個最佳化框架。（1）基於數據降維的初值最佳化：套用適用於不同氣象數據分布特徵的線性和非線性數據降維算法生成正交基向量；提出一種快速非疊代的原像求解算法。（2）基於協同進化及灰色關聯度分析的維度縮減：提出改進的灰色關聯分析模型以提取空間關聯信息；提出基於協同進化策略的問題分解方法以將多個子問題抽象成多種群間協同進化。（3）基於Hama和BSP的並行智慧型算法：提出基於Hama和BSP的智慧型算法並行架構以及智慧型算法超級步設計策略。採用MM5數值預報模式，利用以上提出的最佳化框架，計算颱風目標觀測敏感區。通過試驗分析和比較，從準確性、高效性、穩定性等方面來驗證最佳化框架的可行性。
結題摘要
CNOP（Conditional Nonlinear Optimal Perturbation）代表了天氣和氣候數值模式在預報時刻導致最大非線性發展的一類初始擾動，是研究非線性動力系統中誤差增長機制的一種有效方法，已被廣泛套用於天氣和氣候的非線性研究中。傳統的CNOP求解非常依賴於伴隨模式，而有些模式沒有開發或只開發了部分伴隨模式，導致CNOP無法求解，為避免這一問題，本課題提出了智慧型算法求解CNOP的最佳化框架，並針對其中的若干關鍵科學問題進行了研究：（1）基於數據降維的初值最佳化；（2）基於多種群協同進化策略的維度縮減；（3）智慧型算法求解CNOP及其並行最佳化。上述研究獲得了可觀的成果，主要包括：（1）將基於數據降維的並行改進智慧型算法用於ZC、MM5、ROMS模式CNOP求解，並分別套用於ENSO最優前期徵兆、颱風目標觀測以及雙環流變異的研究；在ZC和MM5模式上得到的結果顯示，智慧型算法求解得到的CNOP與伴隨方法（benchmark）具有非常相似的空間模態，均能用於識別厄爾尼諾事件的最優前期徵兆和颱風目標觀測敏感區；在ROMs模式上求解得到的CNOP也可導致雙環流變異的發生；針對ROMS模式參數誤差研究，利用智慧型算法求解得到的CNOP也可套用於模式參數敏感性分析。這些均驗證了智慧型算法求解不同數值模式CNOP並套用於不同物理現象研究的可行性；（2）基於MPI以及Hadoop並行最佳化後的智慧型算法，均可達到比伴隨方法更高的CNOP求解效率；（3）提出了基於多種群協同進化策略的維度縮減方法求解CNOP，並成功套用於ZC模式ENSO最優前期徵兆的研究，且並行最佳化後，其求解效率優於伴隨方法。上述研究成果均已撰寫成文，共32篇：3篇SCI學術期刊論文、11篇EI學術會議論文、1篇博士學位論文、6篇碩士學位論文已發表；1篇SCI學術期刊論文已錄用待發表；9篇SCI學術期刊論文、1篇EI學術期刊論文已投稿。本研究的順利實施，為CNOP求解提供了新思路，拓展了CNOP的套用範圍，有助於數值天氣和氣候可預報性研究的推進。
