贵州典型岩溶流域日降雨径流过程模拟研究

以蓄满产流方式描述岩溶地区的产流过程,采用稳定入渗法划分径流,将非线性水箱模型用于模拟单元流域的调蓄过程,以遗传算法为基础率定模型参数,建立了基于遗传算法率定参数的概念性岩溶水文模型,并以贵州普定后寨河流域为例,采用流域内老黑潭、六谷、后寨测站的水文资料对所建模型进行检验,以相对误差、互相关系数和确定性系数来评定模型.结果表明,本模型预报结果的相对误差均小于士10%,互相关系数均大于0.80,确定性系数均大于或等于0.70,说明所构建的模型能够模拟及预报岩溶地区的降雨径流过程.      

新安江模型参数多目标优化研究

水文模型的参数优化率定一直以来是水文预报领域的重要研究内容,当水文模型的结构确定后,水文模型参数的选择对水文模型整体性能和水文预报结果的好坏有着至关重要的影响.针对传统水文模型参数优选采用单一目标不能充分全面挖掘水文观测资料中蕴含的水文特征信息的缺陷,本文以新安江三水源模型为例,尝试采用多目标优化算法优化率定水文模型,算例应用分析表明,通过合理的选择目标函数的种类和数目,采用多目标进化算法优化率定模型参数,可以获得相对于单目标率定模型参数更优的结果.进一步,研究工作针对模型参数优化的结果进行分析,可以明显看出模型参数优化中存在“异参同效”现象,为后续模型参数不确定性分析等相关研究工作的开展做好了铺垫.     

基于遗传算法的新安江模型日模拟参数优选研究

在概念性水文模型的参数率定中,目前还没有一个传统优化方法能够提供保证足够高效和稳定性的算法。为了克服传统优化方法中局部收敛性的缺点,近年来利用遗传算法通过计算机准确稳定地进行概念性水文模型的参数优选的尝试得到越来越多的重视和发展。目前优选水文模型待定参数,大多是从次洪模型的方面去讨论,有关日模拟模型的遗传算法参数优选讨论的较少。本文系统分析了基于遗传算法的新安江模型日模拟参数的自动优选,同时针对遗传算法在模型参数众多的情况下时间效率低下问题,通过利用新安江模型参数分层原理与模型参数敏感性分析对优选结果影响,提出一套简化的日模型参数遗传算法优选方案。经过流域模拟检验,该优选方案可行,运行效率高,可以作为类似模型遗传算法参数率定快速、有效的方案。     

人工神经网络模型与新安江模型的应用比较

新安江模型是我国研制的经典的概念性流域水文模型,其参数往往通过人工试错法进行率定,在洪水的实时预报中需建立误差自回归模型来修正预报值.人工神经网络模型是一种数据驱动模型,它可以通过算法调节权值和偏王值来模拟信息,实现了模型参数的自动率定.在实时预报的应用中,人工神经网络模型可以根据计算误差调节权值和偏置值,反映水文过程的时变性,模型结构显得更加简洁.本文将两种模型应用于潢川流域并作比较.它们的预报结果都达到了作业预报要求.在实际应用中可以根据资料情况选择模型进行洪水预报.     

缺资料流域水文模型参数区域化研究进展

缺资料流域由于缺乏历史径流资料无法进行水文模型参数率定,因此模型参数识别具有很大的难度和不确定性。目前国内外学者对缺资料流域水文模型参数识别一般采用区域化方法,即通过某种途径,利用有资料流域的模型参数推求缺资料流域的模型参数,从而对缺资料流域进行预报。文章总结分析了缺资料流域水文模型参数区域化方法中的参数移植法和回归法的研究进展,对存在的方法选择问题、尺度问题等进行了讨论,并指出在参数不确定性、尺度转换以及多种信息源利用等方面还有待于进一步研究。     

PEST在WetSpa分布式水文模型参数率定中的应用

分布式水文模型随着计算机、遥感和地理信息系统等信息技术的发展成为水文模拟的热点,但面临着参数过多难以率定的问题.PEST是独立于模型的非线性参数估计和不确定性分析的综合软件,能通过尽量少的模型运行次数估计参数.本文应用以ArcView3.2为操作平台的WetSpa分布式水文模型,结合人工试错法和PEST独立参数自动率定程序联合对WetSpa模型进行参数率定,对白盆珠水库流域1992～2001年日径流进行连续模拟研究,取得较好效果.     

浙江省无资料流域洪水预报方法研究

无资料或资料不足是任意流域开展洪水预报面,临的难题和挑战。在浙江全省适用水文预报模型筛选基础上,利用自动寻优技术对浙江省39个代表流域978场暴雨洪水进行逐流域、逐场洪水产、汇流参数率定,并根据参数变幅、敏感性,分别采用均值、等值线空间内插、结合流域特征运用投影寻踪回归分析等方法进行产、汇流参数的地区综合,提出了全省无资料流域洪水预报方法,并经预报模型检验,精度可以满足防洪预警要求。     

流域水文模型参数识别的现代优化方法研究进展

水文参数优化是水文模型发展中的一个重要部分,针对水循环过程模拟中的流域水文模型参数识别的复杂优化问题,回顾了水文模型优化算法的发展历程,对国内外水文模型参数识别算法的最新进展进行了阐述.介绍了模拟退火算法、遗传算法、SCE-UA、粒子群算法等常用算法的参数设定及一般流程,并对编码遗传算法、单纯形混合加速遗传算法和运用融合技术的几种遗传算法以及其它几种常用算法在新安江模型中的优化结果进行了比较,认为混合加速遗传算法是一种较好的方法.在系统研究现代优化算法与传统优化算法的基础上,建立各种优化算法的融合技术和法则可能是进一步提高参数优化算法性能的方向.     

概念性流域水文模型参数多目标优化率定

针对传统基于单一目标的水文模型参数优化率定方法不能充分挖掘水文系统不同动态行为特征的缺陷,提出一种多目标文化混合复形差分进化算法(Multi-objective Culture Shuffled Complex Differential Evolution,MOCSCDE)用于求解水文模型参数多目标优化问题。MOCSCDE算法将混合复形进化算法(Shuffled Complex Evolution,SCE-UA)置于文化算法(Cultural Algorithms,CA)进化的框架中,利用种群进化过程中提取的各种知识指导算法的运行,提高算法的运行效率,同时考虑到SCE-UA中单纯形算子不能充分利用种群个体信息的不足,采用全局搜索能力强的差分进化算法(Differential Evolution,DE)替代单纯形算子,可以更加充分利用种群个体信息进行演化计算,进一步提高算法的计算效率。将MOCSCDE算法应用于概念性水文模型——新安江模型的参数多目标优化率定,并与NSGA-Ⅱ和SPEA2算法进行对比分析,结果表明MOCSCDE算法的收敛性和分布性均优于NSGA-Ⅱ和SPEA2,可为水文预报提供更为全面可靠的参数组合决策依据。     

特征加权FCM算法在洪水样本分类中的应用

基于聚类分析和模糊数学的基本原理，对历史洪水建立属性和数值特征的洪水样本，并运用特征加权FCM算法对流域历史洪水特征样本进行聚类分析。在分散式新安江三水源模型的基础上对不同聚类的洪水分别进行参数率定．利用样本特征的模糊识别以提高实时水文预报的精度。