融雪径流模型参数渐进式优化率定方法

融雪径流模型(SRM)是一种概念性和半分布式模型,其参数在一定程度上反应了流域对融雪的径流响应内在机制.提出了一种融雪径流模型离散化参数的渐进式优化率定方法,以新疆玛纳斯河流域为实验区,开展SRM模型参数离散化分析及其优化研究.根据模型结构剖析,确定融雪径流系数和降雨径流系数为两个待率定的敏感参数,分析了月、半月、10天和5天等不同离散尺度模型参数表征融雪径流响应时变机制的特性,对旬离散的模型参数,采用不同目标函数及优化方法分别对2001—2012共12年融雪期逐日的融雪径流过程进行模拟率参,精度评价表明渐进式优化率定方法优于分时段优化率定方法.最后以2001—2008年的融雪期作为率参期,以2009—2012年作为检验期,分别面向三个目标对模型参数进行全局优化率定,验证模拟的平均效率系数达到0.87,表明本文提出的融雪径流模型参数率定方法是有效的,经优化的模型可应用于融雪径流预测.     

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.     

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.     

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SWAT模型的黄河源区径流模拟

为了研究SWAT分布式水文模型在黄河源区的适用性,采用该模型对黄河源区径流进行模拟。使用黄河源区的DEM数据、土地利用数据、土壤数据和气象数据建立黄河源区的SWAT模型,利用SWAT-CUP软件和SUIF-2算法进行参数率定,以纳什效率系数(NSE)和相对误差(Re)作为模型的评判标准,分析SWAT模型对黄河源区的径流模拟效果。结果表明:黄河源区月径流模拟值与实测值吻合较好,模型模拟率定期(1975—2000年)和验证期(2001—2012年)的NSE和Re分别为0.81,-0.004和0.80,0.058,表明SWAT模型能够很好的模拟黄河源区的月径流。SWAT模型在黄河源区具有较好的适用性。     

热连轧宽度自适应模型优化

为提高热连轧粗轧宽度控制精度,提出了一种宽展模型参数自适应方法.该方法将宽展模型中自然宽展系数和狗骨宽展系数作为待优化参数向量,以此为基础对自适应目标函数进行构建,并使用Nelder-Mead算法进行目标函数的最优化求解,得到了满足条件的最优化参数向量,进而完成了宽展系数的优化,提高了轧件的宽度控制精度.本方法已应用于某850 mm热轧粗轧控制系统中,并与传统自适应模型精度进行比较,采用所提出的参数自适应方法后,宽度模型预测值与实测值的偏差由3.05 mm降至1.28 mm,有效地提高了宽度质量.     

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.     

并发L-BFGS异构率定算法设计与实现

针对分布式水文模型在水文模拟参数率定过程中计算与收敛速度过慢的问题,提出一种面向异构平台的水文模拟并发参数率定方法。对传统的L-BFGS算法进行并发式改造使其结构适应并行计算的率定需求;对HIMS水文模型进行异构移植,使整个水文模型以多线程的形式并发运行于协处理器端;以拉萨河流域为例,在Intel+Nvidia GPU与国产AI加速器的双异构平台部署模型与测试算例。测试结果表明,并发L-BFGS异构率定算法适用于当前主流的"处理器+协处理器"架构,并能够得到较好的率定效果。     

基于SWAT模型的粤北连江星子河流域径流模拟研究

以粤北连江星子河流域作为研究区域,以分布式水文模型SWAT作为模拟工具,对流域内的水文过程进行模拟。采用凤凰山水文站2001-2009年的实测月平均径流量数据进行敏感性分析和参数率定,并以相对误差(RE)、决定系数(R2)以及Nash-Suttcliffe效率系数(Ens)作为模型的适用性的评价指标。结果表明各项评价指标均符合精度要求,SWAT模型适用于星子河流域的径流模拟。     

物理性分布式水文模型参数灵敏度分析在Bukuro流域的应用

以日本Bukuro流域为例,运用Morris筛选法结合误差评价基准,对自主构建的径流-融雪耦合分布式水文模型中物理参数进行灵敏度分析.结果表明:影响降水-径流过程的土壤参数灵敏度由大至小依次为土壤垂直剖面第一层层厚、横向透水系数、垂向渗透系数、糙率;影响融雪过程的融雪参数灵敏度由大至小依次为容积传输系数、温度修正系数、积雪层表面漫反射因数;土壤垂直剖面第一层参数主要影响径流量的计算值,而土壤第二层参数值会影响模拟结果与观测值之间的时间差.本研究方法可为物理性分布式水文模型构建、验证及其在中小尺度流域应用中的参数率定提供借鉴.     

分布式降雨径流模型率定的多目标分析方法

利用多目标方法，对自主研制的具有物理基础的分布式降雨径流模型进行了参数的多目标分析和模型有效性探讨．通过对参数的敏感性分析，确定糙率系数和土壤饱和水力传导率为率定的主要参数，选择效率系数、模拟洪峰的相对误差和洪峰达到时间的绝对误差为目标函数．在模型率定过程中，首先利用多目标最优化方法获得模型参数的非劣解集，然后又利用离散型协调规划从非劣解集中选出满意的模型参数，最后通过对非劣解集模拟的过程线的范围及形状的分析，对模型的有效性进行了评价．研究结果表明，多目标模型率定方法综合考虑了水文过程的各种要素，获得的满意解优于传统的单目标优选结果，非劣解集的聚合程度及模拟的过程线的范围能够反映模型的有效件．     

蚁群算法在黑河上游VIC模型参数校正中的应用

参数优选是水文模型应用过程中的一项基础性工作.蚁群算法结合了分布式计算和正反馈机制,是一种较容易理解和实现的元启发式算法,已在求解复杂组合问题中展示出优异的性能.本文将蚁群算法应用于黑河上游VIC模型的参数优选中,通过与SCE-UA算法对比,探究蚁群算法在VIC模型中的适用性.经过蚁群算法优选的VIC模型在率定期(2003—2006年)和验证期(2007—2008年)的Nash效率系数分别为0.62和0.65,结果优于SCE-UA算法模拟结果.通过对蚁群算法在应用过程中的参数设定进行初步探究,结果表明:当蚂蚁数目为60,信息素蒸发系数为0.2时,蚁群算法在黑河上游水文模拟中易获得较好的率定结果.研究结果显示:蚁群算法是一种有效的VIC模型参数优选方法,适宜在其他水文模型参数优化进行推广.     

基于遗传算法的TOPMODEL参数优化

模型参数的确定是模型研制与应用成功与否的关键.一般采用人工经验率定和自动率定两种方法来确定.遗传算法和一般的优化算法不同,它具有全局寻优能力,是一类优秀的非线性函数优化算法.利用遗传算法来进行TOPMODEL参数优化,并和人工率定的计算结果作了简要的对比,明显地显示该方法的优点.采用遗传算法所得到的精度较高,可以类推到其他水文模型的参数优化中去.     

随机GP法在概念性水文模型参数优选中的应用

 在基于近似梯度及模式搜索法的基础上,提出了复合上述两种方法的GP局部优化方法。以Nash确定性系数为目标函数,对水文模型的参数空间随机搜索后采用GP方法优化,运用参数空间筛选策略,以获得全局最优解集。上述方法结合导数信息和随机性质的算法,使优化过程脱离局部极小解从而达到近似全局最优解集。杨楼单元流域应用新安江模型的实例研究结果表明,随机的GP优化方法可以成功的率定概念性水文模型参数。     

基于SWAT模型和SUFI-2算法的渭河流域月径流分布式模拟

在渭河流域构建分布式水文模型SWAT,并采用SUFI-2算法进行参数敏感性分析以及参数率定、模型验证与不确定性分析,对渭河流域1961—2008年的月径流过程进行模拟.研究结果表明28个跟水文相关的参数对径流均有不同程度的相关性,如CN2、ALPHA_BF、SLSUBBSN、SOL_BD、HRU_SLP、SOL_K、SOL_AWC以及SMFMX等最为敏感.林家村、魏家堡、咸阳、临潼和华县水文站的月径流模拟与实测过程线总体拟合程度较好,率定期和验证期多数站的Φ和效率系数ENS值均高于0.6(0.7),所有站的确定性系数R2值均高于0.7(0.8).R-factor均较小,但林家村和魏家堡站在率定期的P-factor也很小,表明在这2个站的实际不确定性较大.可能的原因是水库运行以及农业用水考虑的不足.总体上,渭河流域SWAT模型月径流模拟效果较好.     

基于SWAT模型的泾河流域月径流分布式模拟

受气候变化和人类活动变化的影响,流域水循环和基于物理机制的分布式水文模型已成为研究热点。本文采用泰森多边形计算泾河流域2008—2015年每月面降水量,对中国大气同化数据集(CMADS)和传统气象站降水量变化趋势及其相关关系进行分析。构建基于SWAT的泾河流域分布式水文模型,并采用CMADS驱动SWAT模型,通过对流域内张家山(二)水文站2008—2015年月径流的率定和验证,评价CMADS+SWAT模式在泾河流域的适用性,并采用SUFI-2算法对模型参数进行敏感性分析和模型不确定性分析。结果表明:泾河流域CMADS数据集和气象站监测数据相关性较高,可采用CMADS数据集驱动SWAT模型。所构建的泾河流域径流模拟模型中12个参数敏感性较高,包括平均坡度(HRU_SLP)、土壤表层到底层的深度(SOL_Z())、主河道河床有效水力传导度(CH_K2)等。采用确定性系数(R~2)、纳什效率系数(NSE)、百分比偏差(PBIAS)和均方根差与标准偏差的比值(RSR)四个指标对模型结果进行评价,率定期和验证期的R~2和NSE均达到0.8以上,RSR均小于0.7,且PBIAS均介于±25%,表明CMADS+SWAT模式在泾河流域的模拟结果较好。对于整个模拟期,验证期的模拟效果优于率定期。模型率定期和验证期的p-因子均大于0.7,r-因子均接近于1,不确定性较小。研究结果可为泾河流域水资源开发利用与管理提供参考,同时CMADS+SWAT模式能够为我国气象观测资料匮乏地区的水资源管理、土地利用和非点源污染研究等提供基础支撑。     

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。     

采用分布式HEC-HMS水文模型的晋江流域暴雨次洪模拟

以晋江流域为研究区域,采用分布式HEC-HMS水文模型进行暴雨次洪模拟.分别通过SCS曲线数法计算水文损失,单位线法计算直接径流,Muskingum模型进行河道洪水演进,基流指数退水法模拟流域基流,并以1972-1979年的实测数据进行参数的率定及验证.研究结果表明:单峰的洪水模拟结果与实测数据拟合比较好,模型效率系数都在0.8以上,峰现误差为3h以内;多峰的洪水效率系数在0.6以下.     

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.     

基于蚁群算法的GM(1,1)幂模型参数优化

为了提高GM(1,1)幂模型的精度,将平均相对误差函数和偏差平方和误差函数分别看成是幂指数、发展系数、灰作用量以及初值的函数,通过蚁群算法进行参数辨识.根据两类误差函数最小化原则得到两组参数估计值,再利用这两组参数估计值的凸组合优化模型的参数,通过最大相对误差最小化确定凸组合权系数.实例表明,基于蚁群算法和参数估计凸组合优化改进的GM(1,1)幂模型,其建模精度高于传统GM(1,1)幂模型,同时也说明该优化方法是有效的和可行的.