基于Redis和Hadoop的分布式水文模型并行率定研究

论文摘要

针对分布式水文模型的率定过程海量计算难题,本研究提出了基于Hadoop和Redis集群的泛化似然不确定估计（GLUE）率定算法——HR-GLUE。该方法通过Redis缓存模型输入,利用MapReduce算法实现的GLUE率定方法并行计算。研究以典型分布式水文模型——SWAT（Soil and Water Assessment Tool）的并行率定为例对该方法的计算效率和效果进行了验证。结果表明HR-GLUE可以显著堤高模型的率定速度,在14个作业节点的Hadoop集群满负荷工作时,可将模型的速度提高28.9倍,且利用其速度优势,可获得更优的率定效果。

论文目录

文章来源

类型: 期刊论文

作者: 陈平,张德健,何原荣

关键词: 集群,算法,分布式水文模型

来源: 南宁师范大学学报(自然科学版) 2019年04期

年度: 2019

分类: 基础科学

专业: 地球物理学

单位: 厦门理工学院计算机与信息工程学院,厦门理工学院数字福建自然灾害监测大数据研究所

基金: 福建省自然科学基金面上项目(2018J01481),厦门市科技计划产学研项目(3502Z20183056),厦门理工学院引进人才科研启动项目(YKJ16017R)

分类号: P333

DOI: 10.16601/j.cnki.issn2096-7330.2019.04.009

页码: 50-56

总页数: 7

文件大小: 1109K

下载量: 143

相关论文文献

标签：集群论文;  算法论文;  分布式水文模型论文;