基于BP神经网络的人机联合率定SWMM研究

为解决雨洪管理模型(SWMM)在率定过程中参数复杂、过程繁琐等问题。以西宁市某地块为例建立SWMM模型,利用Morris筛选法进行参数灵敏度分析,并根据灵敏度分析的结果进行人工率定;另外利用BP神经网络对模型进行率定,并结合参数灵敏度对其进行优化。对3种率定方案进行分析,结果表明:水文水力模块参数的相对灵敏度基本一致,其中灵敏度较大的参数为子汇水区面积(Area)、不透水率(Imperv)和不透水区洼地蓄积量(Destore-Imperv),并且不同降雨条件下模型参数的灵敏度存在差异。经过优化后的BP神经网络参数率定方法的模型模拟效果最好,纳什系数最大。结合灵敏度优化BP神经网络的人机联合率定方法一方面能提高BP神经网络率定的准确性,另一方面又能提高传统人工率定的效率。     

HSPF在热带沿海流域水文模拟中的应用

[目的] 探究HSPF模型在热带沿海流域的适用性和不确定性，为该模型在不同流域和地区的应用提供科学参考。[方法] 以位于热带沿海地区的三亚河流域为例，建立HSPF模型，选取2017-2019年径流量对模型进行率定和验证；通过Morris筛选法分析了水文过程中8个参数的敏感度，并与国内外研究不同流域的参数敏感度相对大小进行对比；同时利用MC-LHS方法对不同降雨量下模型的不确定性进行分析。[结果] HSPF模型能够很好地模拟研究区域实际的水文过程，率定期和验证期的NSE分别为0.93和0.98，相对误差（R_e）分别为0.87%和0.21%；地下水日消退系数为最敏感参数，而下层土壤蒸发系数和地下水出流中进入深层的比例对径流模拟的影响几乎可以忽略。[结论] 参数敏感度相对大小体现空间差异性。模型模拟的不确定性与降雨量之间的相关性明显。降雨量越大，模型模拟的不确定性和置信区间就越大，模型就越不稳定。