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。