概念性水文模型多目标参数自动优选方法研究

以三水源新安江模型为例，研究探讨了概念性水文模型多目标参数自动优选方法。目标函数综合考虑了水量平衡、确定性系数、洪峰和枯水流量过程。通过对目标函数的不同组合方式，分别率定模型参数和分析比较结果。研究表明，多目标参数自动优选方法综合考虑了水文过程的各种要素，优于传统的单目标优选结果，具有较高的模拟预报精度。     

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。     

国内外水文模型概论

概述了水文模型的分类、流域水文模型及其应用，水循环各子系统模型的研究，水文模型率定与参数优选等，有助于人们对水文模型的认识。     

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.     

水文模型参数自动优选方法的比较分析

模型参数的识别是模糊研制与应用成功与否的关键。介绍了三个自动优选模型参数的方法，以新安江模型为例，应用１４个流域的资料，对罗森布郎克法、改进的单纯形法和基因算法优算法优选模型参数的效果，优化方法和收敛速度及参数初值对优选效果的影响进行了比较分析。     

新安江产流模型与改进的BP汇流模型耦合应用

为提高新安江模型的汇流计算精度并减少经验因素对参数率定的影响,将新安江产流模型与改进的BP汇流模型相耦合,建立XBK(XAJ-BP-KNN)模型。该模型以前期模拟流量和新安江产流模型计算的产流量作为BP网络的输入,出口断面流量作为网络输出,拟合汇流的非线性关系,代替新安江模型的分水源、线性水库及河道马斯京根法的汇流计算;采用相似原理和K-最近邻算法,基于历史样本的模拟误差及相应影响要素对网络输出进行误差修正,实现了无前期实测流量的连续模拟;模型使用SCE-UA算法与遗传早停止LM算法相结合的全局优化方法进行参数优选。在呈村流域的验证表明XBK模型的模拟精度高于新安江模型,全局优化方法能找到最优参数,降低了模型的使用难度。     

新安江模型参数的线性化率定

为了解决一般概念性水文模型参数率定结果不稳定的问题,以新安江模型为例,提出了新安江模型日模参数的线性化率定方法。首先通过理想模型将该方法与SCE-UA方法及单纯形方法进行对比研究。率定结果中3种算法所获得的平均目标函数值分别为0.02、0.10、8.39 m³/s,平均循环次数分别为8、637、327,而且由线性化率定方法所获得的各参数值方差也要比其他2种方法小得多;说明线性化率定方法能够找到参数真值,计算精度和效率更高,率定结果更稳定。然后采用建阳和长滩河2个流域的实测资料对该方法进行应用检验,结果表明,同样可以较快地率定出稳定的模型参数优值。建阳流域的10组率定结果的目标函数值皆为100.35 m³/s,循环次数也皆在8次以内,而且2个流域检验期的径流深相对误差皆在9.68%以内,确定性系数皆在0.819以上。因此,线性化参数率定方法确实能够解决非线性模型参数率定结果不稳定的问题,不会产生不相关的局部参数优值,并且不受参数初值影响,计算精度高,循环次数少,是一种可行有效的全局优值参数优选方法。     

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.     

水文模型参数多目标率定及最优非劣解优选

针对概念性水文模型参数众多、相互制约,且多目标参数优化率定最优参数求解困难、易受决策者主观因素影响的问题,采用多目标优化算法对水文模型参数进行率定,得到模型参数最优非劣解集,在此基础上,引入最小最大后悔值决策理论,并结合Pareto支配基本理论,提出了一种多目标最优非劣解选取准则。以柘溪流域为研究对象,采用三目标MOSCDE优化率定新安江模型的参数,并与单目标SCE-UA优化结果进行对比分析。结果表明,提出的非劣解选取方法可以有效从大规模非劣解集中筛选出最优非劣解,大大缩短参数率定耗时。     

应用最优控制理论自动率定二维浅水方程的糙率参数

应用偏微分方程最优化控制理论,导出了二维浅水方程糙率自动率定的最优化系统,实现了二维水力学模型计算中分布式糙率参数的自动率定算法。结合实际应用的可操作性,按区块设定糙率,对恒定流和非恒定流两种流态分别进行了常数糙率和随水深变化的糙率自动率定实验。数值实验表明,在观测数据包含足够的信息时,该方法不仅能够准确地自动率定出相关的糙率参数,还能成功地将糙率随水深的变化关系式识别出来。但是,糙率水深变化关系识别迭代收敛速度显著变慢,因此,建议采用相应的实现对策来考虑变糙率的洪水预测问题。     

Simulation-based calibration of geotechnical parameters using parallel hybrid moving boundary particle swarm optimization

Simulation-based optimization methods have been recently proposed for calibrating geotechnical models from laboratory and field tests. In these methods, geotechnical parameters are identified by matching model predictions to experimental data, i.e. by minimizing an objective function that measures the difference between the two. Expensive computational models, such as finite difference or finite element models are often required to simulate laboratory or field geotechnical tests. In such cases, simulation-based optimization might prove demanding since every evaluation of the objective function requires a new model simulation until the optimum set of parameter values is achieved. This paper introduces a novel simulation-based “hybrid moving boundary particle swarm optimization” (hmPSO) algorithm that enables calibration of geotechnical models from laboratory or field data. The hmPSO has proven effective in searching for model parameter values and, unlike other optimization methods, does not require information about the gradient of the objective function. Serial and parallel implementations of hmPSO have been validated in this work against a number of benchmarks, including numerical tests, and a challenging geotechnical problem consisting of the calibration of a water infiltration model for unsaturated soils. The latter application demonstrates the potential of hmPSO for interpreting laboratory and field tests as well as a tool for general back-analysis of geotechnical case studies.     

Automatic calibration tool for river models based on the MHYSER software

Due to their complex nature, river models require extensive calibration in order to achieve reliable model predictions. Manually fitting the numerous parameters included in this procedure can be a laborious and repetitive process. This paper presents a new instrument, developed specifically for the automatic calibration of river models based on the software MHYSER. The instrument is completely autonomous and returns the model with the parameter values giving rise to the smallest difference between the model-generated observations and the measured observations. It utilises the software PEST to fit continuous calibration parameters and exceeds the program’s capabilities in order to also fit discontinuous calibration parameters. Testing of the instrument is accomplished using three models, one of which was developed during a study on the dynamics of sediments on the Romaine River, situated in the Eastern region of the Province of Quebec.     

UCODE反演程序的原理及应用

对地下水模型进行反演是模拟过程中的一个必要步骤,使用反演程序自动校正模型可快速确定最佳拟合的参数值,分析参数对模拟结果的敏感性,比人工试算-调整法更为优越。UCODE是一款被广泛应用的地下水模型反演程序,它使用高斯牛顿法进行参数优化,反演结果对参数初值有一定的依赖性。通过建立假想的非稳定流模型,进行6组数值试验,验证了UCODE程序的实用性。尽管参数的初始取值会影响反演的进程,但只要取值适当,UCODE就能实现优化参数的目的。     

目标函数权重对PEST-HSPF水文率定的影响研究

参数率定是水文模型构建与应用的重要基础。在多目标水文校准中,不同目标函数的权重设置直接影响校准的结果,如何确定不同目标函数的权重是水文校准的关键问题。选择典型半分布式水文模型HSPF(Hydrological Simulation Program-Fortran),基于PEST多目标校准模型,以牛栏江上游流域为研究对象,研究目标函数权重对HSPF水文模拟拟合优度的影响,为HSPF模型参数自动率定提供指导与借鉴。结果表明:(1)当PEST-HSPF水文校准的单目标函数权重(日流量、月流量、超流天数)上升时,模型的纳什系数和相对偏差呈现非线性变化特征,不规则波动幅度较大;(2)3个目标函数的权重在1~10量级内模型能够获得较高的预测能力和较低的误差,模型的纳什系数平均可达到0.8以上,相对偏差在10%以内;(3)超流量天数权重设置对模型的预测能力变化影响较大,日流量天数权重对相对偏差的波动影响较大,当超流天数的相对权重在1~1 000范围内变化时,模型纳什系数在0.02~0.86之间波动剧烈,当日流量相对权重值超过30时,相对偏差变化明显。     

环境模型参数识别方法研究综述

对于选定区域的问题研究,模型结构确定之后,最重要的是如何有效地识别模型的参数。在模型参数物理意义的范围内,使模拟结果与实际观测值之间误差最小的参数估计问题本质上属于函数优化的研究范畴,是一个仿真优化问题。在分析环境模型参数优化特点的基础上,综述了环境模型的参数识别方法,重点介绍了新近发展起来的智能搜索算法的应用,并指出了进一步研究的课题和方向。     

Inverse modeling of variable-density groundwater flow in a semi-arid area in Iran using a genetic algorithm

Flow and mass transport parameter estimation was done by creating an inverse model of a seawater intrusion system using a genetic algorithm (GA) method as the optimization procedure. Firstly, the SEAWAT code was used for the forward solution part and then a program was written in MATLAB for coupling the forward and inverse processes. The auto-calibration objective function was defined with the root mean square errors (RMSE) between the observed and the simulated values. A simple GA was used to minimize the RMSE criterion. The methodology was applied to a coastal aquifer with heterogeneous formations in a semi-arid area near salty Tashk Lake (electrical conductivity 61,420 µS/cm), Fars province, Iran. In the last two decades, the overexploitation of groundwater has caused a major water level drawdown and, consequently, salt-water intrusion. Firstly, flow and transport parameters (hydraulic conductivity, porosity, specific storage coefficient and longitudinal dispersivity) were estimated simultaneously in steady-state and, secondly, in the developed code, these results were used as initial values of the parameters in transient-state. Results show a good match for observed and simulated data. It can be concluded that GA is a helpful tool for automatic calibration of variable density fluid systems such as seawater intrusion cases.