matlab代码粒子群算法-GPSI_tool_box:Matlab代码，利用混合同伦-PSO算法和多核极限学习机对DNAPL污染的含水层进行

matlab代码粒子群算法GPSI_tool_box Matlab代码，利用混合同伦-PSO算法和多核极限学习机对DNAPL污染的含水层进行有效的源识别和参数估计 地下水污染源识别（GPSI）对采取有效措施保护地下水资源，评估风险和设计补救策略至关重要，属于数学方程式的反问题，该数学方程式具有明显的非线性和不适定性。 关于稠密非水相液体（DNAPL）源的反演，污染物的特殊特征使相关研究更加复杂。 在当前的工具箱中，结合了基于同伦的优化逆理论和多核极限学习机（MK-ELM），可以有效地解决GPSI问题，同时估计DNAPL污染地点的含水层参数。 将包含多核与遗传算法（GA）的极限学习机嵌入到源反演的优化模型中，以代替多相流模拟模型并减轻反演迭代的可观计算负担。 混合同质粒子群算法（PSO）被构造为一种在不依赖初始值的情况下在宽广区域内分段搜索全局最优值的更有效方法。 结果表明，基于GA的MK-ELM和混合同质PSO的应用有效地完成了地下水污染源和含水层参数的同时识别。 主程序在“ Hybrid_homotopy-PSO_for_GPSI”文件夹中名为“ H_PSO_identificati