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。     

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.     

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。     

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...     

模糊优化在水文模拟评价中的应用

针对目前参数优选和检验往往只局限在单一模型之中，对于不同模型之间的比较，缺少一个较统一的评价标准的问题，利用多目标模糊优化算法，构建了一个定量衡量水文模拟的拟合良好性的水文模拟评价系统。分析评价了新安江、蓄满超渗兼容、垂向混合、ARNO、VIC和TOPMODEL六种模型在3个流域进行水文模拟的结果。结果表明：水文模拟评价系统具有较好的人机交互功能，通过对各评价指标重要度的确定，来评价水文模拟的好坏，以选取最优的模拟方案，满足人们生产实际中的不同需求。     

基于贝叶斯模型平均的水文模型不确定性及集合模拟

单一模型在水文过程模拟和预报中存在诸多不确定性,集合模拟是减少不确定性影响的有效方法。在水文模型参数估计的两类方法基础上(分别选用SCE-UA算法和SCEM-UA算法为代表),选用3个基于子流域的半分布式水文模型(新安江模型、混合产流模型和HYMOD模型),综合考虑模型参数和模型输入的不确定性,并采用贝叶斯模型平均(BMA)将3个模型的模拟结果集合进行概率预报。结果表明:SCE-UA算法和SCEM-UA算法优化的参数都能使模型取得较好的模拟效果,但SCEM-UA算法能得到模型参数的后验概率分布,并获取模型的概率预报区间,具有更大的优势;考虑模型输入不确定性,模拟径流的精度没有较大提高,但概率预报区间精度有一定的改善;采用BMA方法集合多模型模拟结果,综合考虑模型参数、模型输入和模型结构的不确定性,其模拟结果要优于单一模型,说明水文集合模拟的优越性;BMA集合后,SCEM-UA算法的模拟结果较SCE-UA算法的模拟结果具有更准确的概率预报区间。     

用半分布式汇流结构改善新安江模型参数外推能力研究

在前人成果的基础上,进行了提高新安江模型参数外推能力的研究工作。借鉴半分布式水文模型的汇流计算思路,利用数字高程模型提取流域特征、进而计算出流域的时段单位线,并据此修改新安江模型的汇流计算模块。选择资料条件较好的黑龙江省南岔站作为假定的无径流资料的目标站,利用灰色关联度分析方法确定其上游的带岭站为参证站,利用参证站率定新模型参数、参数移用到目标站后模拟多场次洪,并与目标站的实测径流数据做比较。结果表明,搭配新汇流结构的新安江模型,其参数在空间上具备一定的外推能力,相对于改进前的新安江模型,改进后的模型参数外推后在峰量、过程的拟合精度上有了明显改善。     

基于DEM栅格的分布式BTOPMC模型在水文模拟中的应用

应用一个基于DEM栅格的分布式水文模型BTOPMC(Block-wise use of TOPMODEL)模型进行水文模拟研究.该模型结合IGBP全球陆面土壤覆盖与FAO全球数字土壤组成信息,以栅格为计算单元,进行产流计算;汇流采用Muskingum-Cunge法.为了探讨模型的应用范围,将BTOPMC模型与新安江模型应用于湿润流域与半干旱半湿润流域的水文日径流过程模拟,并采用SCE-UA算法进行模型参数优化.结果表明2个模型均能很好地模拟湿润流域日径流过程,在半干旱半湿润流域BTOPMC模型的模拟效果较差,模型的产流机制需要进一步的完善,以扩大模型的应用范围.     

不同雨量站密度下水文模拟效果分析

降雨作为水文模型的主要输入,其观测站点的密度和不均匀的空间分布是降雨误差的主要来源,因此分析雨量站网密度和空间分布的影响对于提高水文模拟的精度具有重要意义。研究选择雨量站点较多且分布相对均匀的湘江流域为研究区域,使用新安江模型分析了不同雨量站网密度和空间分布对水文模拟的影响。结果表明,提高雨量站网密度能够有效降低模型最优参数的估算误差,水文模拟精度随着雨量站网密度的增加而显著上升,但当站点密度达到一定阈值后,模拟精度不再显著提高。另外当站点密度较低时存在部分雨量站网组合可以得到较好水文模拟结果。因此,增加雨量站数目、优化雨量站空间分布均能提高水文模型的模拟精度。