基于SCE-UA算法的新安江日模型参数优化稳定性分析

为了探讨水文模型参数优化结果在不同流域上的稳定性,采用SCE-UA算法优化了抚河流域内的娄家村、南丰、沙子岭子流域新安江日模型参数,以径流总量误差最小和纳什效率系数最大为目标函数,分别对参数优化结果进行分析。结果表明,其中有3个新安江日模型参数(上层张力水容量W_(WUM)、下层张力水容量W_(WLM)、张力水容量W_(WDM))在三个子流域上的率定结果的稳定性相差较大,有1个参数(表层自由水容量曲线方次E_(EX))率定结果有波动,剩余的12个参数的率定结果均较稳定。通过分析新安江日模型参数的稳定性,可为未来新安江模型参数优化的理论研究提供重要参考依据。     

水库防洪调度规则的参数优化研究

针对水库运用常规防洪调度进行洪水调度时,因对规则的合理性描述不足而限制了其应用的问题,根据水库不同防洪对象的精细程度要求,结合预见期内水库预报最大洪水和实时水位,拟定分级防洪预报调度规则,建立带有惩罚机制的防洪调度规则参数优化模型,并提出改进遗传算法求解该模型,即通过混沌算法、混沌变异操作与适应度差值进化改善初始种群质量、提高算法局部与全局搜索能力,实现参数控制的防洪预报调度规则。实例应用表明,综合改进遗传算法较其他遗传算法优化性能有一定提高,防洪预报调度优化规则的调度结果优于常规调度规则,为防洪调度规则的合理应用提供了一种有效方法。     

水文模型参数优选方法比较与参数敏感性分析

针对参数率定与敏感性分析为水文模型应用中的难点问题,以白莲河流域为例,基于三水源新安江模型,分别采用单纯形法、罗森布洛克法、遗传算法和单纯多边形进化算法对模型参数优选和敏感性分析进行了比较。结果表明,以遗传算法优选结果为初值,采用其他算法进一步优选全局可获得最佳参数值。该方法定性描述了模型的参数与效率系数间的关系,可为手动调试参数提供理论依据。     

BFS在洪水预报中的应用研究

采用贝叶斯预报系统(BFS)水文不确定性处理器(HUP)对水文预报不确定性进行分析,实现概率洪水预报。以新安江流域水文模型为洪水预报模型提供流量初始预报系列,通过亚高斯模型对流量初始预报系列及实测系列分别进行正态分位数变换,由贝叶斯公式得到预报变量的后验概率分布并进行洪水过程的概率预报,采用分布点估值定值预报,并可通过构造置信区间对点估值预报的不确定性进行评估。以南一水库流域为例,将BFS后验概率分布均值与新安江模型预报进行对比,结果表明BFS可提高预报精度。     

基于单纯形法的新安江次洪模型的参数优化研究

以东湾流域的洪水预报为例,将改进的单纯形法用于新安江次洪模型6个参数优化识别,基于参数分层原理与参数敏感性分析对优选结果的影响,提出了一套简化的次洪模型参数单纯形法优选方案.结果表明,该优选方案可行、准确率高,可为类似模型单纯形法参数率定提供参考.     

基于多模型组合的淮河王家坝断面洪水预报

淮河息县、潢川、班台—王家坝(息潢班—王家坝)区间地处山区与平原的交替带,地形复杂,目前尚缺乏精度较高的洪水预报方案,为此采用API模型、新安江模型及分布式TOPKAPI模型模拟预报了息潢班—王家坝区间流域2003～2010年的10场洪水情况。结果表明,三种模型预报结果相近,以三组预报结果为基础数据,再采用贝叶斯模型平均(BMA)方法计算,得到新的预报值。与单模型相比,多模型组合预报方法整体上精度更高。     

AMALGAM算法在HBV模型参数优化中的应用

针对种群数量众多且参数率定耗时的情况,对比分析了AMALGAM算法与非支配排序遗传算法(NSGA-Ⅱ)的收敛性能,利用尼泊尔巴格玛蒂河流域2005~2011年期间实测洪水日径流过程资料作为HBV模型参数率定系列,运用AMALGAM算法对模型参数进行优化,得出Pareto协调最优解,并利用2012年5场洪水日径流过程进行模型检验。结果表明,AMALGAM算法较NSGA-Ⅱ算法能够更快地得到协调最优解且解的质量较好,拟合历史洪水平均确定性系数达0.84,预报精度较高,表明AMALGAM优化算法在解决多参数多目标优化问题中具有优势。     

考虑人类活动影响的丰满水库洪水预报方案

在新安江三水源产流模型和纳西及地下线性水库汇流模型的基础上,提出了考虑水利工程和土地利用对产汇流机制影响的洪水预报方案,并引入参数优化和实时校正技术,丰满水库流域应用结果表明,文中所提方案要优于现有的预报方案能显著地提高洪水预报精度。     

水文模型参数不确定性及对概率洪水预报的影响

为研究Nash模型参数的不确定性,提出了基于自适应采样算法的马尔可夫链蒙特卡罗模拟与贝叶斯理论及遗传算法耦合,构建了基于贝叶斯理论的自适应采样算法,并进行概率洪水预报,分析了参数不确定性对预报结果的影响。实例结果表明,该方法获取的Nash模型参数后验分布可用于概率洪水预报,获得的统计特征可全面考虑水文模型参数的不确定性,可提高概率洪水预报精度,降低洪水预报结果的不确定度。     

BP＿Adaboost模型和分组建模的新安江模型在大伙房水库控制流域洪水预报中的应用

采用BP_Adaboost模型和分组建模的新安江模型对大伙房水库控制流域(简称大伙房流域)洪水进行预报,探讨了不同模型方法在丰、平、枯3种代表年洪水中的预报精度。结果表明,分组建模的新安江模型和BP_Adaboost模型均适用于大伙房流域的洪水预报,二者预报精度等级均为甲等,洪水过程确定性系数均为乙等。其中新安江模型分组率定参数进行建模预报的方法是可行的,其洪水预报过程与实测过程拟合度较高,能较好地反映洪水的涨落起伏;BP_Adaboost模型不仅可以较好地解决传统BP模型预报结果震荡的问题,还能提高预报精度,其模型自修正及参数自动率定功能可以显著提高工作效率,因而在实际应用中可根据需求选择不同模型与方法进行洪水预报。     

改进的AMALGAM算法在TOPMODEL参数优化中的应用

水文模型参数的优化对模拟结果至关重要,参数率定方法中的多目标分析方法备受关注。将具有继承性的精英非支配排序遗传算法(i-NSGA-Ⅱ)与多目标涡流粒子种群算法(MOVPSO)分别作为NSGA-Ⅱ算法与PSO算法的改进算法,与AMS算法及DE算法共同寻优,提出改进的遗传自适应多目标算法(AMALGAM算法),以超体积、收敛性度量及多样性度量作为算法性能评价指标,对比改进的AMALGAM算法与AMALGAM算法的解集性能。选出较优算法,并结合实例对基于地形指数的水文模型(TOPMODEL)进行参数率定,得出Pareto最优解。结果表明改进的AMALGAM算法优于AMALGAM算法,模型预报精度较高,在解决多参数多目标优化问题中具有优势。     

基于参数分解法的无资料流域洪水预报研究

针对目前无资料流域洪水预报方法存在的不足,提出了参数分解法,即利用武江流域控制站犁市水文站1980~1996年43场降雨径流资料作为模型参数率定资料,分别率定武江流域大、中洪水的新安江洪水预报模型参数,并以1997~2004年16场降雨径流资料进行检验,在模拟和检验达到较好的结果后,再利用参数分解法推求武江流域内田头水子流域大、中洪水的新安江洪水预报模型参数,并利用田头水59场降雨洪水实测资料对模型进行验证。结果表明,利用该方法建立的田头水子流域洪水预报模型预报大、中洪水的验证精度均达到乙级以上标准。     

遗传算法和Rosenbrock法在水文预报汇流参数优选中的比较研究

将遗传算法和Rosenbrock法应用于陕西石头河水库流域，并对优选结果进行了比较研究。研究表明，只要初值选择得当，无论采用何种方法来优选三水源新安江模型中的6个参数，均可获得相近的结果和相同的预报合格率，但从使用方便的角度看，遗传算法优于Rosenbrock法。     

考虑中小水库/塘坝影响的洪水预报研究

为提高水利工程密度较高流域的洪水预报精度,对资料匮乏地区的中小水库/塘坝,基于聚合虚拟思想,提出了一种虚拟水库拦蓄量计算方法,并与新安江模型进行耦合,构建考虑中小水库/塘坝影响的洪水预报方法,并在淮河息县和王家坝站点进行了验证。结果表明,考虑中小水库/塘坝的拦蓄作用,可显著提高模拟精度,尤其可有效改善中低洪水的模拟效果,确保了同一流域在同一参数体系下不同量级洪水模拟效果均较优。     

基于GLUE方法的新安江模型参数不确定性研究

由于流域水文模型本身参数众多且相互制约,参数优选是一项十分复杂的工作。针对水文模型参数初始优化范围广、优化耗时长、精度不够且优选过程中易陷入局部优化的问题,采用多目标GLUE方法分析新安江模型中较敏感参数的不确定性,确定了其后验分布范围。在此基础上,以龙湾流域12场洪水为例,相同条件下分别在模型参数先验分布和后验分布范围内对参数进行优化率定。结果表明,取后验分布范围作为参数优选范围提高了参数率定效率,提升了模型预报整体性能和预报精度,可为缺资料地区参数识别和参数移植提供参考。     

新安江模型在富水水库流域洪水预报中的应用

基于富水水库流域特性,采用新安江三水源模型建立了富水水库流域洪水预报模型和方案,论证了产流方式,分析了水库流域洪水预报特殊性,并率定了模型参数.实例结果表明,该模型预报效果较好、精度高、合理可行,可供借鉴.     

新安江模型在浙江白水坑水库的适用性研究

为探究新安江模型在白水坑水库的适用性,选用白水坑水库区域的日模型和次洪模型资料对模型参数进行率定,并用率定好的参数对模型模拟结果进行检验和误差分析。结果表明,新安江模型在白水坑水库的模拟精度较高,在白水坑水库流域适用性很好,可为新安江模型在白水坑水库地区的洪水预报应用提供依据。     

动态加速自适应遗传算法的应用

针对标准遗传算法收敛速度慢、易早熟,提出了一种基于进化阶段的动态加速自适应遗传算法,使遗传算法的搜索空间动态缩小并在遗传算法的选择算子中引入模拟退火机制,同时对交叉算于和变异算子做了自适应改进.将该算法应用于优选广东省韩江堂荆流域新安江模型的参数中,效果很好.     

基于地貌单位线汇流的新安江模型在洛阳河流域中的应用

针对无资料地区的洪水预报和设计洪水计算常受到降雨流量等资料制约的问题，以洛阳河流域无资料地区为例，通过DEM数据提取洛阳河流域霍顿地貌参数，计算洛阳河流域地貌单位线，从而建立起流域汇流与地貌参数之间的响应关系，并采用三层蒸散发和蓄满产流模型，构建基于地貌单位线汇流的新安江模型，同时结合遗传算法和客观优选法思路对洛阳河流域洪水进行模拟演算，并与传统的新安江模型结果进行对比分析。结果表明，基于地貌单位线汇流的新安江模型能取得较理想的模拟结果，可为中小河流无资料地区的水文分析计算提供可靠的技术支撑。     

无调控小水库群对寿昌江流域洪水预报的影响

为研究小型水库群对流域洪水过程的影响程度,在三水源新安江模型的基础上,引入自溢式虚拟水库对产汇流环节进行改进,构建了受无调控小水库群影响的流域洪水预报模型。将改进的新安江模型应用于流域模拟中,对比分析改进、无改进新安江模型模拟结果表明,改进的新安江模型对于寿昌江流域具有良好的适应性,并能显著提高洪水模拟精度。研究成果可为无调控小水库群影响的流域洪水预报提供参考。