基于SWAT模型的北江飞来峡流域径流模拟

为满足北江飞来峡流域非点源污染负荷核算需要,利用SWAT模型对研究区1969-2011年日径流过程进行模拟。基于飞来峡流域水文、气象、地形、土地利用和土壤类型等资料构建SWAT径流模型,并运用SWAT-CUP中的SUFI-2方法对模型中的14个径流参数进行敏感性分析及参数率定,再进行径流模拟效果定量评价。结果表明:对径流过程有显著影响的参数主要为SCS径流曲线系数、主河道曼宁系数、地下水滞后系数以及地表径流滞后时间等;日径流率定期和验证期的效率系数均为0.83,相对误差分别为1.40%和0.58%,且大部分模拟数据落在不确定性区间内,模拟结果的不确定性较小,表明所构建的SWAT径流模型具有较高的精度,在北江飞来峡流域适用性良好。     

妫水河流域水文模拟及参数不确定性分析

以北京市延庆区妫水河为例,使用SWAT(Soil and Water Assessment Tool)模型对妫水河流域进行月尺度水文模拟,使用SUFI-2(Sequential Uncertainty Fitting)算法分析参数的敏感性,依据SWAT-CUP自动率定得到P因子和R因子分析模型的不确定性,从而完成本流域分布式水文模型的构建。率定结果显示,率定期确定系数R 2为0.65,效率系数NSE为0.61;验证期确定系数R 2为0.89,效率系数NSE为0.88;不确定性分析结果中P-factor均大于0.5,R-factor均小于0.3。通过以上分析可得该模型对妫水河流域的水文模拟有良好的效果。     

基于SWAT模型对洙赵新河流域径流的模拟研究

洙赵新河是南四湖流域重要的入湖河流,研究该流域的径流对南四湖湖西平原区具有重要意义。选用SWAT分布式水文模型,通过SWAT-CUP程序的Sufi-2算法进行参数率定、敏感性分析与不确定性分析,模拟了洙赵新河流域2008-2014年的月径流过程。结果表明:月径流在校准期和验证期的相关系数R2和NS效率系数均大于0. 85,表明SWAT模型在洙赵新河流域适用性较好;根据敏感性分析结果发现水文相关参数与径流有不同程度的相关性,其中植被蒸腾补偿系数、河岸调蓄的基流α因子、浅层地下水径流系数等13个参数最为敏感;在气象站点密度较小的地区,引入CMADS气象数据集作为流域水文模型的驱动数据集,取得了理想的效果。     

一种高效的SWAT模型参数自动率定方法

对于SWAT这种复杂的分布式水文模型，参数率定是模型成功应用的难点和关键。虽然SWAT2005模型中已经有了参数自动率定模块，但其运行效率较低，对于大型流域难以推广。本文研究分析了SWAT模型和PSO算法的原理，将PSO算法引入SWAT模型中，构建了新的SWAT模型参数自动率定模块，通过在天津于蓟运河流域实例研究，发现该方法率定精度较高，收敛速度更快，运行结果稳定，整体率定效果优于模型自带的参数率定模块；如果用改进后的模块在Linux平台开展自动率定，可以使模型自动率定效率提高到当前水平的7倍，适用于大型流域或长时间系列模拟。而PSO算法作为一种通用的优化算法，可广泛用于各种水文模型的参数率定。     

基于 UQ-PyL 的 SWAT 模型参数不确定性 分析综合评估

为解决 SWAT?(soil?and?water?assessment?tool) 模型在复杂情形下的参数不确定性分析问题，引入参数不确定 性分析平台 UQ-PyL(Uncertainty?Quantification?Python?Laboratory)，开发 UQ-PyL 与 SWAT 模型的耦合模块，使得 UQ-PyL 中的各种算法能够方便快捷地应用于 SWAT 模型的参数不确定性分析。为验证 UQ-PyL 用于 SWAT 模 型参数不确定性分析的效果，在我国不同气候条件下的 4 个流域构建 SWAT 模型，综合对比评估 UQ-PyL 与 SWAT-CUP 对模型参数的不确定性分析结果。结果表明：UQ-PyL 多种敏感性分析方法筛选出的敏感参数比 SWAT-CUP 单一方法筛选的结果更加合理；使用 UQ-PyL 率定的参数在 4 个流域应用中都表现良好，优化后模拟 结果的纳什效率系数均在 0.55 以上，收敛次数在 550 次以内；在 4 个流域的模拟中，UQ-PyL 能提供计算效率更高 的算法 ASMO，也能提供模拟结果更准确的算法 SCE。综上，与 SWAT 模型相耦合的 UQ-PyL 能够支持 SWAT 模 型用户在不同系统下对模型参数进行更高效的不确定性分析研究。     

浊漳河流域SWAT模型构建及径流敏感性分析

以浊漳河流域为研究对象,基于研究区1980—2005年的实测径流资料,利用SWAT模型模拟该流域径流,利用SWAT-CUP自带的SUFI-2算法进行径流敏感性分析及参数率定。率定结果表明影响研究区域地表径流的主要参数是CN2、CANMX、REVAPMN;模型率定期和验证期的R~2值分别为0.83与0.79,NS分别达到0.83与0.76,浊漳河流域出口天桥断水文站点的实测和模拟流量过程线拟合良好,表明该模型能较好地反映研究区域的径流变化特征,可以进一步应用于该流域水文模拟方面的相关研究。     

基于SWAT的乌伦古河流域径流模拟研究

以新疆乌伦古河流域上游为研究区,利用DEM、土地利用、土壤类型和水文气象资料,基于SWAT构建研究区分布式水文模型,探讨了SWAT模型在乌伦古河的适用性。应用LH-OAT法对参数进行敏感性分析,采用手动调参对模型参数进行率定和验证,根据已有的径流资料选用2000年—2005年为模型参数率定期,2006年—2009年为模型的验证期。研究结果表明:实测值与模拟值的趋势一致总体较为接近,率定期和验证期效率系数均大于0.6,相关系数0.8以上,径流平均误差小于15%。总体来看,SWAT模型参数率定之后,能较好的反映了乌伦古河流域的月径流水文过程,在该地区具有一定的适用性。     

飞来峡水利枢纽洪水预报模型研究

飞来峡水库的洪水预报和调度在北江流域的江河水库联合调度中十分重要，因此研究其洪水预报模型具有重要的意义。该模型设计分为上游干流及支流的流域降雨径流模型、区间的降雨径流模型和一维干流河网洪水演算动力学模型，其参数率定达到《水文情报预报规范》的甲级标准。     

一种高效的SWAT模型参数自动率定方法

本文分析了SWAT模型和PSO算法的原理,将PSO算法引入SWAT模型中,构建了新的SWAT模型参数自动率定模块,通过在天津蓟运河流域实例研究,发现该方法率定精度较高,收敛速度快,运行结果稳定,整体率定效果优于模型自带的参数率定模块。如果用改进后的模块在Linux平台开展自动率定,可以使模型自动率定效率提高到当前水平的7倍,适用于大型流域或长时间系列模拟。而PSO算法作为一种通用的优化算法,可广泛用于各种水文模型的参数率定。     

图们江流域SWAT模型的构建及其参数敏感性分析

为科学评估与合理优化图们江流域水资源，以图们江流域(中国一侧)1995年～2019实测气象水文数据为基础，应用ArcGIS 10.2建立了SWAT水文模型，对流域2000年～2019年月径流过程进行模拟。基于SWAT-CUP中的SUFI-2算法对模型输入的参数进行敏感性分析和率定校准，并探讨了模型在图们江流域的适用性。结果表明，对所构建模型模拟效果影响最大的参数为CN2、ALPHA＿BF、SLSUBBSN;率定期的确定系数R²=0.88,效率系数NSE=0.74;验证期的确定系数R²=0.83,效率系数NSE=0.66,两个时期的百分比偏差PBIAS<25%,均方根差与标准偏差的比值RSR均小于0.6。     

系统微分响应参数率定方法在建阳流域SWAT模型中的应用

利用基于系统微分响应理论的参数率定方法率定闽江建阳流域SWAT模型,通过流域1992—2000年日资料验证了该方法的实际应用效果,采用纳什效率系数(NSE)、偏差百分比(PBIAS)和相关系数r作为评价指标对率定后的SWAT模型模拟精度进行评价,并与传统利用SUFI-2方法率定得到的SWAT模型模拟结果进行对比分析。结果表明：系统微分响应方法率定的参数在建阳流域的日径流模拟中表现较好,率定期和检验期NSE均为0.65以上,径流量PBIAS在5%以内,r在0.65以上;利用系统微分响应率定参数方法率定SWAT模型参数在实际应用中可行,且效率与精度均高于传统的SUFI-2方法。     

基于SWAT模型的秦淮河流域气候变化水文响应研究

为了解气候变化对水文水资源的影响机理,以秦淮河流域为研究区构建SWAT模型,使用SWAT-CUP对模型进行参数敏感性分析、率定及验证,并采用任意假设法设计未来气候情景,分析温度及降雨变化对流域径流及实际蒸散发量的影响。结果表明:模型在月径流模拟中具有较高的精度,适用于秦淮河流域气候变化下的水文响应研究;气温降低或降雨量上升都会引起流域径流量增加,反之则减少;实际蒸散发量与降雨量正相关,而实际蒸散发量对气温变化的响应不明显;平水年径流量对降雨量变化的响应较强,枯水年径流量对温度变化的响应较强;枯水年实际蒸散发量对降雨量变化的响应较强。     

POS优化算法在SWAT模型参数优化中的应用

当前,分布式水文模型SWAT模型在国内水文模拟中应用较为广泛,但模型参数较多,人工经验设定参数存在工作量较为繁杂,且模拟精度不高的缺陷,为此本文引入POS优化算法,对SWAT模型参数进行批量优化,并以汤河西支流域为研究区域,结合区域实测水文数据,对比分析参数优化前后,对SWAT模型模拟精度的影响。研究结果表明： POS优化算法可实现SWAT模型参数的批量优化,相比参数优化前,参数优化后SWAT模型模拟径流深相对误差减少5.7%,流量过程拟合系数提高0.118。研究成果对于水文模型参数优化和自动率定提供参考价值。     

An automatic parameter calibration method for the SWAT model in runoff simulation

Runoff simulation is highly significant for hydrological monitoring, flood peak simulation, water resource management, and basin protection. Runoff simulation by distributed hydrological models, such as the soil and water assessment tool (SWAT) model which is the most widely used, is becoming a hotspot for hydrological forecasting research. However, parameter calibration is inefficient and inaccurate for the SWAT model. An automatic parameter calibration (APC) method of the SWAT model was developed by hybrid of the genetic algorithm (GA) and particle swarm optimization (PSO). Multi‐station and multi‐period runoff simulation and accuracy analysis were conducted in the basin of the Zhangjiang River on the basis of this hybrid algorithm. For example, in the Yaoxiaba Station, the calibration results produced an R² of 0.87 and Nash Sutcliffe efficiency (NSE) index of 0.85, while verification results revealed an R² of 0.83 and NSE of 0.83. Results of this study show that the proposed method can effectively improve the efficiency and simulation accuracy of the model parameters. It can be concluded that the feasibility and applicability of GA‐PSO as an APC method for the SWAT model were confirmed via case studies. The proposed method can provide theoretical guidance for many hydrological research fields, such as hydrological simulation, flood prevention, and forecasting.     

基于CMADS驱动下SWAT模型的敖江流域径流模拟

目前针对气象、水文资料不足的小尺度流域进行径流模拟的研究相对较少。选取敖江流域为研究区,利用中国大气同化驱动数据集(CMADS)驱动SWAT模型对该流域2008—2016年进行逐月径流模拟,并使用水文比拟法结合邻近的2个传统气象站计算出模拟时段的观测数据以完成模型参数的率定与验证。结果表明:模拟结果与观测值较吻合,率定期(2010—2013年)评价指标决定系数R²和Nash-Suttcliffe系数NS分别为0.84和0.76,验证期(2014—2016年)两者分别为0.85和0.74,均达到了模型的评价要求。研究成果表明CMADS驱动下的SWAT模型适用敖江流域的径流模拟,采用水文比拟法适合在水文资料不足的地区进行径流计算,可为缺少气象与水文资料的小尺度流域进行径流模拟提供参考。     

河道洪水流量预测方法研究

及时准确地预报某区域内河道指定区段洪水流量及发生时间,对合理实施该区域的防洪预案、落实抗洪抢险措施、组织调度人员及防汛物资具有重要意义。目前河道洪水预报普遍采用马斯京根流量演算法及加里宁—米尔加科夫洪水演进法,两种方法的参数率定存在局限性,对应支流的河道分段处理也存在问题。本文依据最小二乘法,建立含有预测河段上游干流、支流水文站（或水位站）流量或水位预测模型,该模型不受其他水文参数的率定精度影响,直接利用以往洪水及当次洪水上游、下游站的观测资料建立回归预测模型,并通过递推方式完成当次洪水预测,表达形式简单直观、便于实际应用。利用该模型完成了嫩江干流齐齐哈尔水文站2013年洪水流量预测,经与实测成果比较,洪峰流量最大拟合误差小于5.2%,具有较好的计算精度。     

基于智能聚类识别的 SWAT 模型参数优化方法 −以石头口门水库流域为例

为探究 SWAT 模型参数优化过程与方法,降低参数估计不确定性,采用敏感性分析方法遴选关键参数,针对 关键参数采用拉丁超立方抽样构建参数样本集,进而结合各组关键参数组合下的模拟精度指标构建聚类指标集, 采用 SOM 聚类算法进行聚类,并基于模拟精度较高且波动较小类别识别各关键参数取值范围,形成一种 SWAT 模型关键参数优化系统方法。以石头口门水库流域为例,选取 1980—2016 年（1980—1986 年为预热期,1987— 2009 年为率定期,2010—2016 年为验证期）的月径流实测资料,建立流域 SWAT 模型,引入 SOM 聚类算法进行参 数优化,不断缩小模型关键参数合理取值区间,并应用 SUFI-2 算法进行模拟结果对比。结果表明：SWAT 模型适 用于石头口门水库流域,且参数优化前验证期的决定系数 R2为 0.79,纳什效率系数 ENS为 0.74,P-factor 为 0.65,R-factor 为 0.56;参数优化后验证期 R 2为 0.88,ENS为 0.83,P-factor 为 0.70,R-factor 为 0.50,模拟效果较好。故 应用 SOM 算法进行 SWAT 模型参数优化可以降低模型不确定性,提高径流模拟精度,为水文模型参数优化算法 的选择提供思路,对水资源管理政策制定与水库优化调度具有重要意义。