基于SCE-UA算法的新安江模型与垂向混合产流模型参数优化应用研究

为解决流域水文模型人工试错率定参数呈现的经验性与不确定性问题,探寻模型参数率定的全局最优解,本文对三水源新安江模型与垂向混合产流模型采用复合形交叉进化算法(SCE-UA)优选率定模型参数。优化过程中拟定了两种模型参数优选边界,选定包含复合形个数p在内的SCE-UA算法参数,建立了基于洪峰、洪量、流量过程三要素的目标函数。经案例分析得出SCE-UA算法适用于上述两种水文模型调参应用,且垂向混合产流模型模拟结果优于三水源新安江模型。     

合浦水库流域洪水实时预报模型研

根据广西合浦水库流域的水文特征，利用分散型新安江三水源模型对合浦水库流域洪水实时预报进行了研究。对流域产汇流模型以及洪水实时预报校正模型的参数进行了率定，将研制的产汇流模型应用于实际洪水预报，再利用两种不同实时校正模型对洪水预报的结果进行了校正。最后取得了较为满意的效果。     

基于SUFI-2参数最适置信区间的参数优化方法结果对比分析

研究水文模型参数置信区间对于径流模拟的影响,对SWAT模型校准应用具有重要意义.将麻城市举水河流域作为研究区域,选取1953-2006年(1995-1996年为预热期,1997-2000年为率定期,2001-2004年为验证期)的月径流实测资料,并采用SUFI-2方法识别出敏感性参数的置信区间进行模拟,比较参数置信区间影响前后的3种优化算法(GLUE、PSO、Parasol)径流结果并进行适用性分析.结果表明:初次模拟仅SUFI-2算法符合模拟精度要求,但模拟精度不高,GLUE、PSO、Parasol算法不满足精度要求;采用参数最适置信区间后二次模拟模型的精度大大提高,GLUE、Parasol算法均满足R2>0.7,NSE>0.7,表明此时模型模拟效果较好,相较于SUFI-2算法更适用于本研究区域;故选择适宜的优化参数方法前,可先采用SUFI-2方法获取适宜参数置信区间,在此基础上进一步进行参数率定,可提高参数率定的精度.     

Free Search算法率定的Sacramento模型在东北寒旱区的应用

采用模型对比研究方法,以萨克拉门托(Sacramento,SAC)模型为研究对象,以新安江模型为参考,采用基于动物群体的自由搜索(Free search,FS)算法作为率定水文模型的优化算法,选取松花江水系和辽河水系的3个集水区为实证流域,通过对比FS算法率定的SAC模型和新安江模型在3个流域的模拟效果,验证SAC模型在东北寒旱区流域的适用性。研究结果表明,FS算法迭代计算过程简单,需要设置的算法参数较少,在率定SAC模型和新安江模型时效率较高;在相同的模拟条件下,FS算法率定的SAC模型模拟效果更好,其Nash模型效率系数高于新安江模型,表明SAC模型适用于东北寒旱区流域;但SAC模型在东北寒旱区的模拟精度还有待提升,模型尚需进一步发展和完善。     

基于MOSCEM-UA的水文模型多目标参数优化研究

水文模型校准经验表明,单一目标函数不足以准确预报观测数据的所有特征。为解决这一问题定义多个目标函数用于度量系统模拟的不同方面,并根据多标准优化确定pareto非支配最优解。提出高效的MOSCEM-UA算法能够解决水文模型的多目标优化问题,MOSCEM是对SCE-UA全局优化算法的一种改进,它使用pareto非劣解概念而不是直接对单目标函数评估,pareto解集将最初的点群发展为一组解决源方案的稳定分布。通过对流域场次洪水的模拟,进行单目标与多目标模拟方案对比,从而选出较优的多目标优化的模型参数。结果表明,采用多目标最优非劣解准则选取最优解使筛选结果更具准确性和可靠性,为水文模型参数优化率定提供了较为综合的方法。     

PA-DDS算法在HBV模型参数优化中的应用

影响水文模型预报精度的因素有很多,其中模型参数的优化对模拟结果起到至关重要的作用,目前用于参数优化的方法包括单目标优化和多目标优化两种。随着参数率定方法研究的深入,多目标分析问题越来越受到关注。Pareto存档动态维度搜索(Pareto-Archived Dynamically Dimensioned Search,PA-DDS)作为多目标优化算法,通过在求解过程中动态存储Pareto前沿以防止最优解的丢失,在寻优速度以及解的稳定性方面比较有优势。精英非支配排序遗传算法(NSGA-Ⅱ)具有寻优速度快、解集收敛性能好等优点,已经成为检验其他多目标优化算法性能的标准;AMALGAM算法通过对四种相关算法分配权重从而实现信息交换同时寻优,解的收敛性能较好。因此本文将PA-DDS算法与AMALGAM算法和精英非支配排序遗传算法(NSGA-Ⅱ)在收敛性能方面进行了对比,并将非劣解分布的均匀性及解的相似性方面与AMALGAM进行比较,利用尼泊尔巴格玛蒂河流域2005-2011年期间实测洪水日径流过程资料作为HBV模型参数率定系列,运用PA-DDS算法对模型参数进行优化,得出Pareto最优解,并利用2013年5场洪水日径流过程进行模型检验。结果表明:PA-DDS算法比AMALGAM算法能够更快地得到Pareto最优解且解的质量较好,拟合历史洪水平均确定性系数达到0.86,模型预报精度高,表明PA-DDS优化算法在解决多参数多目标优化问题中具有优势。     

基于K均值聚类分析的流域洪水实时分类修正

针对传统的流域实时洪水预报通过率定一组水文模型参数来寻求一个流域径流形成的一般性或平均化规律的方法在特殊情况下误差较大,以及在实时洪水预报误差修正中历史信息未得到充分利用的问题,利用洪水的相似性扩大实时修正信息量,结合K均值聚类分析方法,提出了洪水实时分类误差修正方法。并在沿渡河流域用30场洪水进行分类参数率定,采用分类修正的方法对4场洪水进行实时修正,分析结果表明:实时分类修正方法能大幅提高预报精度尤其是洪峰流量的预报精度。     

基于粒子群算法的交互式水文模型

以长江三峡水库寸滩、武隆入库径流预报项目为依托,研究洪水预报模型参数率定。针对以往洪水预报模型参数率定所采用的人工试错法率定参数困难,精度不高的问题,提出粒子群优化算法和交互式率定方法。实例计算表明,算法加快参数优选速度,交互式率定提高了模型预报精度。     

基于杂交PSO算法的直线电机伺服参数优化

伺服参数整定是影响直线电机系统控制性能优劣的关键因素,针对其参数难以整定的问题,提出一种基于杂交PSO算法的解决方案.通过引入粒子杂交操作,有效增强算法对最优参数的全局搜索能力,并且其收敛速度和精度得到提升.仿真结果表明,应用杂交PSO算法对电机系统数学模型的伺服参数进行整定优化效果明显.对比标准粒子群算法与文献改进粒...     

基于改进自适应遗传算法的新安江模型参数率定研究

模型参数率定是提高水文模型模拟效果的重要手段，通过研究一种改进的自适应遗传算法（IAGA）对新安江模型参数进行优化率定，解决传统遗传算法初始种群质量不高、容易早熟收敛、局部搜索能力差等问题。该算法利用混沌变量遍历性特点，随机生成初始种群并选优，提高初始种群的个体质量；针对交叉与变异的进化过程，设计了反映种群离散程度的种群目标函数离散系数，利用该系数构建了自适应调整交叉与变异概率算子，防止遗传算法过早收敛；依托环形交叉算子，提高算法全局搜索能力；采用自适应非均匀变异算子，实时优化算法的局部搜索能力，避免陷入局部最优。将自适应遗传算法、传统遗传算法（GA）和自适应遗传算法（AGA）应用于秦淮河流域新安江模型的参数率定，并从率定的收敛性、耗时、稳定性和效果方面进行算法的性能比较，结果表明：IAGA算法具有更优的寻优能力，更好的收敛结果，更高的稳定性和精度，场次洪水的模拟效果优于GA算法和AGA算法，率定期与验证期确定性系数（R2）均在0.85以上，纳什效率系数（NSE）均在0.8以上，总体达到了水文预报的乙级标准。结果表明采用上述的综合手段改进传统遗传算法是可行的，改进后的IAGA算法具有良...     

河流预报模型参数多目标优化算法研究在沁水河流域应用

水文预报的合理校准主要与模型及参数有关,为了提供更准确的模拟,在垂向混合产流模型的基础上结合水利工程影响,对流域降雨径流过程进行模拟。同时在多目标控制下覆盖整个权衡范围,并在其基础上应用MOPSO及MOSCEM-UA算法生成的Pareto前沿解对模型参数进行合理估计。经案例分析,对比两种算法模拟结果,MOSCEM算法在模拟过程中百分比偏差Bais基本在理想范围10%内且残差较小,相关关系78%在0.90以上。表明该算法在多目标模式下效率更高,为研究区水文预报模型多目标优化提供更准确的模拟。     

基于二层规划理论的水文模型参数识别研究

流域水文模型有效应用的关键之一是参数识别，但由于水文模型存在高度敏感性参数以及参数之间的高度相关性增加了模型参数识别难度。本文以新安江模型为例，在分析参数敏感性和相关性的基础上，建立了基于二层规划理论的参数识别模型，研究了二层规划问题的求解算法，并进行了天福庙水库径流模拟的实例研究。通过与SCE-UA、PSO、PMSE-PSO和SMSE-PSO优化单目标函数的结果比较，可以看出，基于二层规划理论的新安江模型参数优选方法具有较高的预报精度，是一种有效可行的水文模型参数优选方法。     

基于多流域同步率定的HBV模型参数移植方法研究

无资料地区洪水预报是水文学研究的难点之一。为提高无资料地区HBV模型参数移植的精度,以安徽屯溪流域为例,基于多目标优化函数实现多个流域HBV模型同步率定,获得同时适用于多个流域的模型参数,并对参数的移植效果进行验证。结果表明:基于单个流域率定的参数移植不确定性较高,移植效果不稳定;多流域同步率定的参数移植效果普遍较优,能够有效提高无资料地区参数移植稳定性和洪水预报的精度。     

基于流溪河模型的梅江流域洪水预报研究

为了探讨流溪河模型在中小河流实时洪水预报中的适用性,构建了1、2、3级河道的梅江流域洪水预报流溪河模型,采用PSO算法优选模型参数,并对不同河道分级的模型进行了验证。结果表明,1级河道建立的模型不能较好地模拟出实测洪水过程,尤其是洪峰流量值的模拟,不能满足模型在中小河流洪水预报中的计算要求。3级河道构建的模型可以很好地模拟实测洪水过程,采用流溪河模型进行中小河流洪水预报时,可以选择3级河道构建模型;流溪河模型采用1场实测洪水就可以对模型参数进行有效优选,在实测资料系列不长的我国中小河流洪水预报中应用具有明显优势;采用3级河道构建梅江流域洪水预报流溪河模型和优选的模型参数时,模拟效果良好,可用于梅江流域实时洪水预报。     

混沌粒子群算法在新安江模型参数

流域水文模型由于受到众多因素的影响导致结构复杂、参数众多，大多数参数都有明确的物理意义，理论上可根据其物理意义直接定量，但实际上由于缺乏观测数据支持,往往需要通过系统识别的方法推求。因此，积极开展模型参数识别技术的研究和应用从而得到合适的参数对模型推广应用及提高应用精度都有很重要的意义。采用由粒子群算法和混沌优化方法结合的混沌粒子群算法对水文模型参数进行优选，该算法对局部最优解在搜索空间上进行混沌迭代优化，改善和提高了基本粒子群算法的全局寻优性能和收敛速度。在新安江水文模型参数优选的应用结果表明，该参数优选方法比传统参数优选方法更易快速的收敛于全局最优解。     

紫荆关流域分布式HEC-HMS水文模型构建及洪水模拟

国内外学者利用HEC-HMS水文模型模拟流域降雨径流过程,发现该模型有良好的适用性。【目的】提高紫荆关流域洪水模拟精度。【方法】采用紫荆关流域水文气象及下垫面资料,将流域划分为11个子流域,通过选择产流和汇流计算方法,构建了该流域分布式HEC-HMS水文模型,并从历史实测暴雨洪水事件中选择14场洪水对构建的HEC-HMS水文模型进行了参数率定和模型验证。【结果】率定的各子流域产流参数基本相同,由于各子流域面积不同导致汇流参数也不同。模拟的洪峰流量和洪量相对误差均在20%以内,纳什效率系数为0.51～0.95,模拟与实测的洪水过程线吻合较好,模型模拟精度较高。【结论】构建的水文模型能反映紫荆关流域实际的产汇流过程,可用于该流域洪水过程模拟和洪水预报。     

与马斯京根汇流模型耦合的BP神经网络修正算法

为提高洪水预报的精度,提出一种BP神经网络耦合修正算法。该方法将水文模型预报的稳定性与神经网络预报的精确性相结合,应用实测流量资料与马斯京根汇流模型耦合进行单时段修正检验,对新安江模型计算的主河道各河段区间入流进行实时修正,并将实时修正的结果与二阶AR模型进行对比分析。通过实际流域验证,结果表明:改进BP耦合修正算法修正效果稳定,收敛迅速,在提高洪水预报精度的同时不损失预见期,实时修正效果整体优于二阶AR模型。     

模拟退火算法在新安江半分布水文

半分布新安江模型能够反映水文的空间变异规律,比集总模型能更好的反映下垫面的影响。但是多个子流域单元的参数优选变的更加复杂,这是半分布水文模型急需解决的难题。模拟退火算法是局部搜索算法的扩展,能够跳出局部循环,并在理论上以概率1.0接近全局最优值。模拟退火算法应用在半分布新安江模型参数优选工作中,确定参数的自动优化问题。并通过实例检验了模拟退火算法在半分布水文模型中的应用。     

混沌粒子群算法在新安江模型参数优选中的应用

流域水文模型由于受到众多因素的影响导致结构复杂、参数众多,大多数参数都有明确的物理意义,理论上可根据其物理意义直接定量,但实际上由于缺乏观测数据支持,往往需要通过系统识别的方法推求.因此,积极开展模型参数识别技术的研究和应用从而得到合适的参数对模型推广应用及提高应用精度都有很重要的意义.采用由粒子群算法和混沌优化方法结合的混沌粒子群算法对水文模型参数进行优选,该算法对局部最优解在搜索空间上进行混沌迭代优化,改善和提高了基本粒子群算法的全局寻优性能和收敛速度.在新安江水文模型参数优选的应用结果表明,该参数优选方法比传统参数优选方法更易快速的收敛于全局最优解.     

大坡岭流域土地利用变化的径流特征响应研究

介绍了一种基于水文模型参数变化检验来评价流域土地利用变化引起的径流特征响应的研究方法。针对目前以误差平方和作为参数估计目标函数会增加非线性系统局部优值等问题,基于函数曲面参数率定方法利用新安江模型对大坡岭流域分时期进行日模型参数率定。结果显示函数曲面参数率定方法在实际应用中是可行的,并且效率较高;参数变化检验方法对流域土地利用引起的径流特征响应研究是一种行之有效的方法。