VIC模型与新安江模型径流模拟对比研究

分别选取VIC模型与新安江模型作为分布式和集总式水文模型的代表,以太湖上游山区西苕溪流域为例,以Nash-Suttcliffe效率系数为目标函数,用SCE-UA (shuffled complex evolution algorithm)自动优化算法进行参数自动率定,探究不同结构的模型在径流模拟中的差异性.模拟结果表明:VIC模型和新安江模型在该地区日降雨径流模拟中都表现出了较好的适用性,率定期模型效率系数分别为0.76和0.77,验证期分别为0.84和0.82;但是在月时间尺度上,VIC模型和新安江模型则表现出了较大的差异,率定期分别为0.78和0.87,验证期则分别为0.85和0.91;从月均方根误差和平均绝对误差来看,新安江模型也表现了更好的模拟性能.从丰水(25％)、平水(50％)和枯水(25％)三个流量等级探究VIC模型和新安江模型的模拟及预测效果,结果显示:VIC模型在丰水时模拟较好,新安江模型在平水和枯水时模拟较好,尤其是在低流量时,模拟能力远优于VIC模型.     

基于VIC模型的黑河上游流域径流模拟不确定性分析

研究采用VIC(variable infiltration capacity)模型对黑河上游流域地区的水循环过程进行模拟,并应用GLUE(generalized likelihood uncertainty estimation)不确定性分析方法定量探讨模型参数的敏感性和输出的不确定性.研究结果表明,VIC模型率定期和验证期的Nash效率系数分别为0.62和0.64,流量过程线拟合较好;所选需测定的VIC模型的7个参数中,最大基流量Dmax、下层土壤最大含水量的比例系数Ws以及第一层土壤含水层厚度d13个参数对模型敏感,其中参数d1最为敏感;除部分低流量区外,实测流量基本在置信度90%下模型预报的不确定性范围内.研究结果表明,VIC模型能够较好地模拟黑河上游流域的径流变化过程,具有较好的适应性.     

SCE-UA算法在TOPMODEL参数优化中的应用

以江西修水万家埠流域为例,用SCE-UA算法对TOPMODEL参数进行了优化,并对优化结果进行了检验.结果表明:SCE-UA算法不仅可以用于概念性水文模型和分布式水文模型,还可以用于半分布式水文模型———TOPMODEL;TOPMODEL参数上下边界需根据参数的物理意义和研究流域特性来确定;在SCE-UA算法中,目标函数的建立对于参数优化具有重要作用,在次洪模拟时,目标函数应突出高水过程和洪峰对模拟效果的影响;SCE-UA算法的绝大部分参数取值都可以采用已有研究成果的默认值,只有复合型个数p需要根据具体问题确定.     

基于SCEM—UA算法的新安江模型在梅山水库流域上的应用

将SCEM—UA算法内嵌于新安江模型中,利用梅山水库流域水文资料对该算法优选的参数结果进行分析．参数优选主要针对模型的敏感参数,并用实测资料对其验证分析,最后计算洪水精度评定指标分析高水过程模拟结果．研究表明,SCEM—UA算法能够快速有效地对新安江模型参数进行优选,并且基于该参数率定结果的新安江日模型在梅山水库流域上运行效果良好．     

基于SCE-A算法的新安江模型参数优化及应用

为了减小水文模型参数优化中人工试错法和局部优化法的不确定性,以一种快速有效的优化方法搜索到水文模型参数的全局最优解。以安徽呈村流域为例,使用SCE-UA算法对新安江模型参数进行优化,日模型和次洪模型分别采用总体水量误差和对数绝对值误差作为目标函数,分析优化结果并对优化参数进行检验。经检验分析,日模型检验期确定性系数均达到0.8,次洪模型检验期确定性系数接近0.9。研究结果表明,采用SCE-UA算法优化新安江模型参数可以取得较好结果,目标函数的选择对参数优化有着重要作用。     

流量数据量对分布式水文模型参数率定结果的影响分析--以黑河流域上游为例

缺资料流域水文模型的参数率定是水文学科的一个研究重点.除传统的参数区域化方法以外,考虑到在部分缺资料流域可能存在少量短时间序列或零星不连续径流量观测数据的实际情况,近年来采用少量不连续径流量观测数据率定模型参数的方法逐渐引起关注.本研究以我国西北内陆的黑河流域上游为研究区域,选取分布式水文模型SWAT(Soil and Water Assessment Tool)为研究工具,使用SUFI-2方法作为参数自动率定与不确定性分析工具,分析不同径流量观测数据数量对模型参数率定结果的影响.研究结果显示,4组不同径流量数据在验证期的Nash效率系数均为0.67,表明使用1年的径流量数据进行参数率定时所获得的模拟效果可以达到使用多年径流数据率定参数的水平;比较各组模拟结果获得的P因子和R因子,表明使用1年径流量数据进行模型率定的不确定性会更大.     

基于神经网络与半分布式水文模型相结合的缺资料区径流估计模型 ——以莺落峡流域为例

针对黑河上游莺落峡流域海拔较高区域降水缺测问题,基于半分布式水文模型TOPMODEL,利用神经网络(ANN)融合海拔较高区模拟降水与流域稀疏站点观测作为降水输入计算产汇流,并利用粒子群优化算法进行参数全局优化以同时率定TOPMODEL与ANN参数,从而构建基于ANN与半分布式水文模型TOPMODEL相结合的径流估计模型P-NN-TOP.利用1990—1995年莺落峡水文控制站观测日径流进行模型进行参数率定,利用1996—2000年的相应观测进行模拟验证,并借助所发展模型P-NN-TOP对2001—2010年的日径流进行估计与分析.结果表明:在模型率定和验证期,新发展的P-NN-TOP模型较其他模型表现出明显的优势,在观测站点稀疏情况下能较好地融合站点观测和模式模拟信息;并在兼具输入数据可获取性的同时提高了径流模拟的精度.此外,结果还显示2001年为模拟与观测日径流相关性的年突变点并从2004年开始明显降低,与上游水电站的开发使用在时间上基本一致,表明所发展的P-NNTOP模型能较为合理描述2001—2010年出山流量日变化,在探索径流估计新方法的同时也为类似流域的洪涝预警和水资源调配提供一定参考.     

黑河流域上游山区径流模拟及模型评估

探讨了2个不同复杂程度的水文模型在黑河流域上游山区径流模拟方面的适用性.结果表明,在模拟莺落峡站月流量过程时,集总式水文模型WASMOD能够给出与半分布式水文模型SWAT同等精度的模拟结果.另外,WASMOD还具有所需数据量少、模型参数少、模型结构简单等优势.当然,WASMOD只能在周、月或年尺度上进行模拟,而对于口径流模拟无能为力,且只能模拟流域出口断面的流量过程,对流域内部其他站点的模拟无能为力;SWAT在这些方面具有优势.与其他模型应用结果比较,WASMOD和SWAT都表现出了同样甚至更优的径流模拟性能,能够为研究区域的径流模拟与预报提供良好的手段和工具.     

太湖流域洪水过程水文-水力学耦合模拟

太湖流域洪水灾害日趋频繁、洪灾损失越来越大.针对太湖流域河网水系复杂等特点,本文将流域分为山区和平原区,分别构建分布式水文模型VIC和水力学模型ISIS.其中,上游山区划分为9个子流域,19个流量节点,构建了太湖流域山区分布式VIC水文模型,为平原区ISIS模型提供山区边界入流;平原区河网概化为795条河道和2 394个河道断面植入ISIS模型.选取1999年大洪水为典型,对所建水文-水力学耦合模型进行验证.结果表明:VIC模型在上游山区适用性较好,湖西和浙西山区总水量的模拟相对误差分别为9.73%和-11.18%,N-S效率系数达到0.81和0.72,ISIS模型模拟的6个站点汛期最高水位与实测值的绝对误差大多控制在±10cm以内,模拟的各站峰现时间也与实测值基本吻合,平均误差为2d,基本可以满足平原河网地区洪水模拟的精度要求.     

基于SWAT模型的汾河上游径流过程模拟研究

以汾河上游流域为研究对象,用宁武、静乐、岚县、娄烦和古交等气象站和水文站2000到2011年间的气象、水文等资料,结合DEM数据、LUCC数据、土壤空间分布,构建汾河上游水文模型.应用LH-OAT法对其进行参数敏感性试验,应用SUFI2法和手动调参相结合的方法对模型参数进行率定和验证,然后进行径流模拟.结果表明,在模型率定与验证期,除了2006-2011年干季,受汾河上游头马营引黄调水影响,使其模拟值与实测值相比偏小以外,总体来说模拟与实测径流的Nash-Sutcliffe效率系数分别为0.78和0.79,相对误差为5.8%和8.7%,均小于10%,径流量和降水等指标对于土地利用/覆被变化比较敏感.SWAT模型在汾河上游模拟效果较好,有较强的适用性.     

Integration of a statistical emulator approach with the SCE-UA method for parameter optimization of a hydrological model

Parameter optimization of a hydrological model is an indispensable process within model development and application.The lack of knowledge regarding the efficient optimization of model parameters often results in a bottle-neck within the modeling process,resulting in the effective calibration and validation of distributed hydrological models being more difficult to achieve.The classical approaches to global parameter optimization are usually characterized by being time consuming,and having a high computation cost.For this reason,an integrated approach coupling a meta-modeling approach with the SCE-UA method was proposed,and applied within this study to optimize hydrological model parameter estimation.Meta-modeling was used to determine the optimization range for all parameters,following which the SCE-UA method was applied to achieve global parameter optimization.The multivariate regression adaptive splines method was used to construct the response surface as a surrogate model to a complex hydrological model.In this study,the daily distributed time-variant gain model(DTVGM) applied to the Huaihe River Basin,China,was chosen as a case study.The integrated objective function based on the water balance coefficient and the Nash-Sutcliffe coefficient was used to evaluate the model performance.The case study shows that the integrated method can efficiently complete the multi-parameter optimization process,and also demonstrates that the method is a powerful tool for efficient parameter optimization.     

水文模型参数优选中率定与校核目标函数的关系研究

在水文模型参数优选过程中,通常很难找到一组参数值使得率定阶段和校核阶段的径流模拟误差同时达到最小,为此,我们需要采用基于Pareto关系的多目标优化方法来寻求Pareto最优解的集合.本文采用一种基于马尔可夫链蒙特卡洛（MCMC）方法的多目标优化方法来搜寻水文模型参数优选问题中Pareto解集,并以三水源新安江模型为例,给出了由率定阶段的目标函数和校核阶段的目标函数所构成的Pareto锋面.结果证明,率定阶段和校核阶段的目标函数是相互冲突的,不可能同时取最小值,由于这种Pareto关系的存在,使得我们在选择水文模型的全局最优参数值时存在很大的不确定性.因此,如何减少这种不确定性是水文模型研究中一个很重要的问题.     

新安江模型参数全局优化研究

采用单纯多边形进化算法对3个气候与流域条件各不相同的流域的新安江模型计算参数优化问题进行了研究．结果表明：对于没有误差的水文资料,采用单纯多边形进化算法,可以优化出新安江模型的全部参数并使参数收敛到真值;对于实测的水文资料,由于模型参数之间的共线性,固定参数B与EX,可同时率定模型其他参数,随着实测资料系列的增加,率定参数值将趋于稳定．     

蚁群算法在物流路径优化中的应用及仿真

蚁群算法是一种模拟进化算法,适合于求解复杂的组合优化问题,传统蚁群算法收敛速度慢,有时可能出现停滞现象.该文以蚁群算法为核心,采用最短路径法和自定义代价获取最优物流路径,通过优选参数改进蚁群算法,从而有效避免局部解的出现.实验结果表明,改进后的算法效率具有较大改进,算法在实验环境下收敛性较好.     

时序电路SACO和PSO混合算法的测试矢量生成

提出了一种新的测试矢量生成算法，其使用SCOAP测度对蚁群算法进行参数调整，并在粒子群算法的框架下进行测试矢量生成，再使用调整后的蚁群算法进行测试矢量优化。该算法不仅克服了粒子群算法的容易陷入局部最优等缺点，而且利用电路本身的特性来确定蚁群算法的参数。以国际标准电路为例，实验验证本文的算法，结果表明本算法应用于时序电路的测试矢量生成时，相对于粒子群算法提高了其收敛性，提高了故障覆盖率；相对于蚁群算法压缩了测试矢量集，减少了测试诊断时间。     

概念性水文模型参数自动优选方法的比较研究

介绍了3种参数自动优选方法：罗森布瑞克法（Rosenbrock）、单纯形法（Simplex）和基因法（Genetic）。应用4个流域的水文资料，以三水源新安江模型为例，分析了基因法参数L和IMAX对优选结果的影响；对这3种优化方法的收敛程度、参数初值的选定以及不同组合情况的优选结果进行了比较研究。结果表明，基因法参数取IMAX＝5000，L＝10时比较合理；3种优化方法各有优点，基因法不依赖于参数初值的选定，罗森布瑞克法收敛速度快，单纯形法精度较高，建议以基因法优选结果为初值，然后采用罗森布瑞克法，最后采用单纯形法，可以得到最佳的优选结果。     

代理模型参数率定方法在TOPKAPI模型中的应用

为提高复杂水文模型参数优化效率,通过Morris参数敏感性分析确定敏感参数,随后将多目标自适应代理模型优化(MO-ASMO)算法应用在TOPKAPI模型的参数率定中,通过最小欧几里得距离筛选Pareto解集中的相对最优解,从解集分布和每场洪水模拟效果两个维度与传统多目标优化方法NSGA-Ⅱ、NSGA-Ⅲ进行比较。结果表明：在相同模型运行次数下,MO-ASMO相较于NSGA-Ⅱ和NSGA-Ⅲ具有更优的Pareto前沿;无论是率定期还是验证期,MO-ASMO算法的评价指标均表现较好,综合表现优于NSGA-Ⅱ、NSGA-Ⅲ算法,MO-ASMO算法有效提升了模型参数优化效率。     

一种新安江模型参数的全局优化方法

将全局优化方法SCE-UA用于新安江模型的参数优化中,以月潭流域1978—1991年共14年的实测降雨、径流资料以及1982—1988年实测洪水资料为例,对新安江模型参数全局优化方法进行研究.研究结果表明,单纯利用SCE-UA方法得到的最优参数组会随着资料长度的变化而变化,体现出了优化结果的不稳定性.进而引入赵人俊的新安江模型参数客观优化理论,将SCE-UA方法与该理论相结合.研究结果表明,该方法可避免因参数之间的相关性导致参数优化结果的不稳定现象,可大大降低模型的不确定性.通过检验,该方案可以较好地用于新安江模型参数优化中.