基于遗传算法优化参数的新安江三水源模型研究

针对白盆珠流域地形地貌、气候特征及产流方式,采用新安江三水源模型模拟该流域的降雨产流过程,并引入遗传算法率定新安江模型的参数,模拟分析表明,遗传算法应用于率定模型参数是非常有效的,洪水流量模拟的效果较好,模型在研究区域应用比较成功。     

遗传算法在三水源新安江模型参数率定中的应用研究

遗传算法是一种全局数值优化方法。该文在三水源新安江模型的参数率定问题中,结合遗传算法的基本原理和参数自身的特点,提出了基于遗传算法的参数率定方法,并通过实验确定遗传算法的参数。经过清江流域几次洪水历史资料的实例应用验证,结果表明该方法直观、简便、适用性强,率定的模型参数是合理的,能够提高洪水预报精度。该文所介绍的方案已成功应用于“数字清江”工程洪水预报中。     

新安江模型参数线性化率定研究

包为民教授提出了非线性函数参数的线性化率定方法,解决了以误差平方和为目标函数求解非线性函数参数增加不相关的局部优值问题。为此,研究将参数线性化率定方法应用于新安江模型,并通过理想流域和实际流域验证了该方法的合理性和高效性。选取湖北乌溪沟流域43场洪水对次洪8个敏感参数同时进行线性化率定,各参数取不同的初始值均可以较快地收敛到稳定的最优值。31场洪水参与模拟,全部合格;12场洪水参与检验,全部合格。次洪模拟的合格率达到100%,确定性系数为0.923,预报等级为甲级。     

率定新安江模型(三水源)产汇流参数

详细介绍了新安江模型 (三水源 )结构及计算公式 ,以及如何利用优化技术 ,率定模型产汇流参数的方法 ,并给出了实际算例。计算结果表明 ,率定的模型参数 ,能够有效提高洪水预报精度。     

基于GPU加速的水文模型参数率定

针对水文模型参数率定问题,为显著提升计算效率,选择SCE-UA算法和新安江模型为研究对象,围绕SCE-UA算法并行化与程序化实现、并行SCE-UA算法在图形处理器(GPU)上的加速效果这两个关键科学问题,以GPU硬件平台和通用计算设备架构(CUDA)软件平台为工具,采用时空复杂度分析、算法并行性挖掘、代码深度优化、数值模拟实验等多种手段相结合的方法,进行了水文模型参数率定提速研究。内容包括:①搭建基于CUDA和GPU的并行计算软硬件平台,进行配置与调优;②并行SCE-UA算法及其程序化实现;③并行SCE-UA算法在GPU上的加速效果。研究结果表明:所提出的方法显著提升了参数率定效率,能够促进水文模拟、最优化方法、计算机科学与技术等多学科的交叉、融合与发展,对水文模拟与预报、防洪快速应急响应具有科学意义和实用价值。     

改进遗传算法在S-P BOD-DO水质模型参数率定中的应用

参数的率定是建立水质模型进行数学模拟的重要工作。本文把改进遗传算法用于斯特里特-菲尔普斯(S-P)BOD-DO水质模型参数的同时估算中,计算结果精度较高。     

流域计算单元对新安江模型参数的影响研究

新安江模型广泛应用于湿润半湿润地区,参数影响着新安江模型的模拟效果.其参数的取值也受到很多因素的影响,其中包括研究流域的划分方式对新安江模型参数的影响.本文所研究的流域为沿渡河流域,对沿渡河流域分别采取三种划分方式,对于每种划分方式下,划分得到的每个流域计算单元面积基本相等.分别对三种划分方式下的每场洪水模拟调参,最终得出与之对应的三组最优平均参数,对比分析这三组最优平均参数值的变化.从模型参数的物理意义上分析,并经上述实例的模拟和优化,得到的结论是,同一流域,计算单元划分的个数越多,其面积越小,新安江模型参数CS,CI,CG也越小.     

基于GIS的乌江流域新安江模型参数率定

为了使新安江模型的运用更能真实反映流域的基本特征及产汇流机理,利用地理信息系统空间分析的功能,由数字高程模型导出乌江武隆以上流域的流域排水网,并在此基础上提取汇流长度及坡度等地形特征值。在地理信息系统平台上,计算出流域下垫面的植被、土壤、地貌等特征值,并将其与流域模型参数建立相关关系。结果表明,各流域模拟的确定性系数及模拟精度均较高。因此,预报结果更加合理,理论依据也更加可靠。     

径流与土壤湿度数据联合率定水文模型参数研究

近年来,遥感技术的进步为获取大面积连续的水文变量带来了很大的便利.为探究在流域缺资料的情况下引入其他遥感水文变量进行水文模型参数率定的可行性,以新安江模型为研究模型,使用SCE-UA(Shuffled Complex Evolution)算法对水文模型进行参数率定,分析在短序列径流资料的情况下,联合遥感土壤湿度和径流资...     

随机梯度法在新安江模型参数 优选中的应用

基于近似梯度法及模式搜索法,提出了复合两种方法的随机优化方法。以Nash确定性系数为目标函数,对新安江模型的参数空间随机搜索后运用梯度法进行了优化,然后采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,使优化方法脱离局部极小解从而达到近似全局最优解集。以杨楼单元流域为应用实例进行了研究,结果表明,随机梯度法可以成功地率定概念性水文模型参数。     

新安江模型参数优化的一种约束SCE-UA算法研究

在新安江模型参数优化领域,洗牌复合形进化(Shuffled Complex Evolution,简称SCE-UA)算法得到了广泛的应用。但在长序列降雨径流模拟和模型参数优化中面临一些问题需要解决。当模型参数适配不当时,土壤含水量易于出现负值,此外,不同径流成分对应的汇流参数需要满足一定的大小关系。上述问题的处理,决定着优化算法能否找到具有正确物理意义的最优模型参数,以及径流模拟结果的合理性和可靠性。针对这些问题,提出了一种约束SCE-UA算法,通过罚函数法对土壤含水量和汇流参数施加约束,引导优化算法向具有正确物理意义的参数可行域展开搜索,在寻优的同时确保了物理意义的正确性。在呈村流域开展了基于约束SCE-UA算法的新安江模型参数优化研究,数值模拟结果表明,约束SCE-UA算法能够确保模型参数物理意义的正确性,解决了土壤含水量出现负值和汇流参数大小关系错误的问题。利用优化获得的最优参数开展水文模拟,能够取得更好的水量平衡效果和更高的模拟精度。     

基于径流系数的城市降雨径流模型参数校准方法

为了解决我国城市降雨径流模型参数校准数据欠缺的问题,应用较易获得的径流系数作为校准目标,以峰现时间作为径流系数模拟值的计算依据,以合成单峰降雨作为校准降雨事件,在SWMM平台上进行模型参数校准.通过校准模型适用性和灵敏度分析,表明该法既可以满足模型参数预校准的要求,也可以在模型参数不确定性分析的基础上用于实践.因此,该法是改善城市降雨径流模型参数校准状况的有效途径.     

GLUE方法分析新安江模型参数不确定性的应用研究

采用普适似然不确定估计（GLUE）方法,研究新安江流域水文模型参数的不确定性问题。通过江西乐安河流域资料的模拟分析表明,模型参数间存在“异参同效”现象,即存在许多可接受的似然估计值的参数值组合。利用这些参数组的概率分布,可以对模型模拟的不确定性范围进行分析。     

用改进的遗传算法反演地下水数值模型参数

在简单的遗传算法的基础上，结合优体克隆操作、子体优生操作和多代调环操作，提出了一种综合改进的遗传算法，并以非均质各向同性承压二维非稳定流动为算例，以有限元法讨论了用遗传算法反演地下水数值模型参数的过程。计算结果表明，综合改进的遗传算法进行参数识别时，具有收敛速度快、解的精度高和避免出现早熟等优点，可用于地下水渗流和水资源评价计算中。     

非线性马斯京根模型参数率定的新方法

本文在分析经典二进制遗传算法不足之处的基础上提出一种改进的混合遗传算法(MGA)，用于对非线性马斯京根模型参数的估计。同其它算法相比显示出求解精度高而且收敛速度快的特点。通过具体仿真计算验证了该方法的正确性，从而为准确估计非线性马斯京根模型参数提供了一种十分有效的方法。     

新安江模型产流模式在山区型和平原型水库入库径流量中的模拟与应用

将新安江模型的蓄满产流模式应用于浙江省台州市山区型和平原型两个水库的入库径流量模拟之中,取得较好的效果。分析了山区型和平原型水库径流模型参数的取值规律,为台州市其他无资料地区的模型参数取值提供参考,为下一步该区域的水量水质耦合的水资源配置提供研究基础。     

概念性水文模型遗传算法多目标参数优选研究

简要介绍了概念性降水—径流模型的多目标参数优选方法,以新安江模型为例,从Pareto支配法（Pareto Domination Approach）原理出发讨论了四目标函数情形下Pareto最优参数空间（Pareto Optimal Set）的Pareto优先排序（Pareto Preference Ordering）求解策略。通过对汉江上游江口流域降水—径流的新安江模型的模拟检验,证明该方法能够为模型提供全局最优参数,好于传统的单目标参数优选结果。     

基于遗传优化的河网数学模型糙率参数反演

将遗传算法智能优化模型与一维河网模型相耦合,提出一种河网糙率智能反演方法,自动完成参数的优化选择。与其他河网糙率优化方法相比,该方法具有理论简单、对实测数据依赖程度低和精度高的特点。将该方法获得的优化糙率值代入到数学模型中,计算值与实测值吻合程度较高。     

新安江模型在汉江江口流域的应用及适应性分析

针对汉江褒河流域上游江口地区的地形地貌及气候特征，根据1981年～1985年连续5年的逐日水文观测资料，在运用三水源新安江模型采用分层分析的方法对模型的参数进行率定的基础上，对该地区日流量与次洪流量过程进行了模拟，模拟分析表明，降水资料的处理对模型模拟精度有重要影响。日流量模拟的效率系数绝大部分在0．83以上，次洪流量模拟的效率系数都在0．88以上，模型在研究区域得到了成功的应用。