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.     

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.     

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．     

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.     

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。     

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.     

基于EnKF法的径流数据同化对SWAT模型参数优化效果评估

基于集合卡尔曼滤波(EnKF)法,在合理量化模型模拟和径流观测误差、有效处理模型参数演变及过拟合问题的基础上,以淮河上游淮滨水文站以上流域为研究区,构建了基于径流数据同化的SWAT分布式水文模型参数优化方案,就站点实测径流数据同化对模型参数的优化效果进行了评估.结果显示,数据同化过程中,被更新的模型参数集合逐渐收敛并趋...     

压电微流芯片的一维传递矩阵模型及参数优化

以压电陶瓷为振动源的压电微流芯片是实现微粒子操作、细胞分离等微流控研究的重要手段之一。能够描述压电效应以及超声声场在微流芯片各介质中分布规律的传递矩阵方法是进行微流压电芯片分析、设计与优化的一种有效手段。采用传递矩阵法推导了层叠式压电微流芯片的一维传递函数模型;对给定的算例芯片进行了参数分析与结构优化设计。结果表明一维传递函数模型既可在压电微流芯片设计中对结构参数进行优化,又可在实验过程中对实验参数的选定提供指导。     

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.     

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。     

太湖流域典型丘陵区分布式水文模拟

针对水文过程对降雨、土壤、植被、地形等参数的空间变化十分敏感且具有很强的时空变异性的特点,应用基于物理机制的分布式水文模型系统模拟太湖流域典型丘陵区的次降雨事件水文响应过程.该模型耦合了垂直方向的水流运动(土壤水、河道-地下水水量交换)与水平方向的水流运动(坡面流、河道汇流、地下水流)过程.在产流模块中分别采用了经验的SCS曲线数方法和具有物理机制的Green-Ampt方法.结果表明,模型能较好地模拟研究区域降雨事件的水文响应过程,Green-Ampt方法的模拟结果优于SCS曲线数方法的模拟结果.     

SCE-UA算法在水环境系统优化问题中的应用

把SCE-UA算法应用到水环境系统优化问题的求解当中,成功求解了3个典型的优化问题:二维稳态水质模型横向扩散系数及流速推求、排放口最优化处理、水工建筑物调度参数识别.结果表明:该算法不但能求解一元函数约束的优化问题,通过构造罚函数,该算法还能够成功求解有多元函数约束的优化问题.该算法不依赖导数和优化问题的具体形式,并且参数极少,求解精度高,通用性较强,可高效识别水工建筑物的调度参数,在环境系统优化中有很高的推广价值.     

流域分布式水文模拟中的模型网格尺度效应

分布式水文模型建模过程中,DEM网格大小选择非常重要．以美国伊利诺伊河流域为例,分析了DHSVM模型DEM在多尺度下（100m×100m、200m×200m和500m×500m）的洪峰、洪量、地表、地下径流等水文要素和参数敏感性的响应．结果发现,网格大小对汇流影响较大,网格划分越大,洪峰流量增加,峰现时间提前,地表径流占总径流比例越大,网格水量滞蓄作用越大．研究还发现,模型参数在不同尺度下的敏感性也不相同,其中侧向传导率的参数尺度效应较大．为了得到合理的模拟效果,模型应用过程中需要考虑网格大小的影响,选择合适的网格尺度．     

SWAT分布式水文模型在黑河干流山区流域的改进及应用

在集成地理信息系统(GIS)和遥感(RS)技术的SWAT(Soil and Water Assessment Too1)分布式水文模型改进的基础上，对黑河干流山区流域出山径流进行了模拟。SWAT-GIS按不同的地形、土壤类型、土地利用或覆盖类型将整个流域划分成157个具有相似水文特征的水文响应单元(HRU)。通过模拟结果比较，表明浅层蓄水层回归因子(基流回归因子)、海拔高度带的划分分别对黑河干流山区流域地下径流和融雪径流过程有重要的影响，是该模型模拟精度高低的关键。通过参数的调整，1990～2000年月平均径流模拟结果显示，莺落峡站出山径流模型效率系数R^2达到0．88，相关系数r^2接近0．91。     

基于自适应粒子群算法的重油热解模型参数估计

通过构造一个合适的目标函数,将化工模型参数估计问题转化为一个多维数值优化问题,然后提出一种参数自适应调整和维变异的改进粒子群优化算法来求解该问题。该算法首先利用佳点集方法初始化种群以保证粒子的多样性。惯性权重和学习因子随进化过程自适应调整,从而协调算法的全局和局部搜索能力。为了避免算法陷入局部最优,对收敛度最小的维进行变异。几个标准测试问题的实验结果表明该算法具有较强的全局寻优能力。最后将改进粒子群算法应用到重油热解模型参数估计中,并与基本遗传算法（SGA）和粒子群优化算法（SPS0）进行比较。研究结果表明：本文得到的平均相对误差为5．62％,比SGA和SPSO分别低1．08％和0．50％。     

改进的K-近邻算法及其在学习预警中的应用

随着大数据在教育中的作用日益凸显,大量的数据被应用到教学研究、教学评估和行为预测.学生的成绩、行为记录、与老师的互动记录等教育数据,都已经开始发挥价值.为了解决课程的低通过率问题,将改进的K-近邻算法应用到学习预警中,首先利用网格搜索和交叉验证相结合的方法对模型参数进行优选,其次在构建决策树过程中,利用基尼增益确定特征的权重系数并且根据权重系数进行特征选择,在计算距离时引入权重系数,使每个特征收到权重系数的约束.实验表明,在一个公开的数据集和一个真实的数据集上,改进后的K-近邻算法显著优于传统的K-NN.     

改进PSO权值算法在流水生产调度中的应用

为了在生产中快速有效且合理地安排生产流程,达到生产最优化,采用改进粒子群权值算法(DPSO)。研究了DPSO算法地参数设置问题,在传统PSO算法基础上加入具有动态自适应调整功能的权重因子,使算法更快地达到全局最优化,迭代次数也大大缩短,将DPSO算法用于流程工业的flow-shop调度中,大大提高了生产效率,仿真实验表明该算法具有良好的全局优化性能。该成果对生产调度具有一定的参考价值和指导意义。     

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.     

基于栅格的分布式超渗产流水文模型构建及比较

利用具有物理机制的Green-Ampt下渗方法并考虑降雨间歇土壤含水量再分配计算栅格内产流;同时考虑河道排水网络的水量交换,采用逐栅格的Muskingum-Cunge演算法进行汇流,构建了基于栅格的分布式超渗产流水文模型(Grid-GA模型).同时还建立了基于子流域的Green-Ampt水文模型、以及增加超渗产流机制的新安江模型.将这3个模型以及新安江模型应用于半湿润的沂河高里流域,结果表明,4个水文模型均能很好地进行水文过程的模拟,证明所构建的模型结构合理.     

一个基于GIS的分布式非线性水文模型

着重研究了确定性水文模型，即采用系统水文学的途径，利用GIS工具，根据流域的水文特性与流域属性，将流域分为若干个子流域．模拟各个子流域的水文特征；将流域水文参数及流域属性的空间分布特征与水文模型藕合，以直接积分的方法解决单输入单输出的模型，并推广到多输入单输出的流域非线性分布式梯级瀑布水文模型，提出了一个计算简便、精度可靠的流域汇流计算模型。