基于统计仿真和数据同化的流域水文过程模拟

针对模型参数率定计算负荷量和优化性能问题,以沙河流域为研究区域,基于分布式时变增益水文模型,通过PSUADE平台提供的响应曲面参数优化方法,结合误差纠偏的集合卡尔曼滤波数据同化算法,实现水文模拟的综合优化。利用流域出口流量观测作为验证数据,以纳西效率系数和水量平衡系数及其综合函数作为评价目标,借鉴响应曲面方法生成水文模型的统计仿真代理模型,对模型参数进行敏感性分析并缩小取值范围,利用全局优化方法实现参数率定。基于遥感蒸散发观测、借助集合卡尔曼滤波算法,进行水文模型的数据同化,实现流域径流过程模拟的有效校正。结果显示:借助统计仿真方法降低了参数率定的计算消耗;利用数据同化调整了模型模拟的轨迹,验证期水量平衡系数、纳西效率系数、综合评价指标分别达到1.102、0.798、0.152,整体径流模拟效果较好,蒸散发模拟结果同样得到改善。     

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。     

模型参数确定与计算实例─—森林流域水文模型研究之三

本文主要论述模型多数的初定、率定、检验以及模型计算实例。初定参数的主要依据材料是水文气象资料、自然地理资料、地形图等。以率定周期和检验周期的实例流量过程为校核目标，根据径流量、径流过程和洪水过程制定人－机对话调试方式下的目标函数，以确定性系数Ｄ＿ｙ为自动优化的目标函数，通过水文模拟率定和检验模型参数。本文中列出涪江平武以上流域的水文模拟，说明森林流域水文模型的计算步骤与可靠性；至于如何评价与预测森林水文效应，将另文专论。     

单目标和多目标优化在SWAT模型率定中的对比

为评估不同优化方法在分布式水文模型参数率定中的效率和效果,分别使用基于代理模型的多目标优化方法(multi-objective adaptive surrogate modeling-based optimization,MO-ASMO)、NSGA-Ⅱ和SCE-UA对SWAT模型进行参数率定。基于四湖流域2008—2021年的实测流量数据以及高程、土地利用、土壤类型等数据,构建SWAT模型,并针对3种不同优化方法的参数率定结果,采用相对误差百分比(P_BIAS)、Nash-Sutcliffe效率系数(E_NS)、均方根误差(E_RMS)和Kling-Gupta效率指标(E_KG)4种评价指标对比不同优化算法的优化效果,此外还创新性地量化不同统计指标的不确定性,以更全面地评估不同算法优化结果的稳健性与可靠性。结果表明,与单目标优化方法 SCE-UA相比,多目标优化方法的参数率定结果表现出更好的可靠性和稳健性,在多目标优化方法中,MO-ASMO方法能以显著更少的模型运行次数达到与NSGA-Ⅱ相似的优化效果。     

基于BP神经网络的MIKE SHE模型参数率定

为了更精细地对水文全过程进行描述和解析,更准确地构建分布式水文模型,以丹麦Karup流域为例,对MIKE SHE模型的饱和导水率、饱和带水平水力传导系数、河床透水系数进行了参数率定,模拟流域的日径流过程。结果表明:基于BP神经网络反分析的参数率定方法比MIKE SHE模型参数自动率定计算得到的均方根误差RMSE小,模型效率系数Ens更接近1;采用BP神经网络反演率定参数后,3组测试样本的日径流模拟过程的RMSE分别为0.04,0.03,0.08 m³/s,Ens均为0.99,且模拟结果能较好地反映径流的实际变化趋势。因此,这种基于BP神经网络反分析的参数率定方法对构建分布式水文模型具有一定的价值。     

不同水文模型在双桥流域的应用比较

新安江模型、SWAT模型和BTOPMC模型分别代表集总式、响应单元式和网格分布式三种不同结构的流域水文模型。以Nash效率系数为目标函数,采用SCE-UA自动优化算法率定模型参数,对双桥流域的日径流进行了模拟。结果表明:新安江模型、SWAT模型和BTOPMC模型都能较好反映双桥流域的日径流过程。从总体效果来看,新安江模型的模拟效果比SWAT模型和BTOPMC模型的好,三个模型对总体水量的模拟误差都在±10%以内,水量模拟比较平衡。在不同流量级的模拟中,SWAT模型的水量平衡效果均比新安江模型和BTOPMC模型的好;大流量模拟时,新安江模型的模拟均方根误差较小,模拟效果最好;中流量和小流量模拟时,BTOPMC模型的均方根误差较小,模拟效果最好。     

基于MIKEBASIN平台的汉江流域径流预测模型初探

为合理配置水资源、促进水资源的可持续利用,开展水资源量的预测预报研究是一项重要的基础支撑工作。以汉江流域为实例,基于流域水文分析软件MIKEBASIN进行子流域划分,采用降雨径流模型(NAM)来模拟各分区降雨径流过程,初步构建了汉江流域水量预测模型系统,并对水量模型的各关键技术重点展开研究。研究果表明,通过细化模型分区、提高NAM模型参数率定精度、改进水库处理方法等工作,可以明显提高水量模型的模拟预测精度。     

基于MIKEBASIN平台的汉江流域

为合理配置水资源、促进水资源的可持续利用,开展水资源量的预测预报研究是一项重要的基础支撑工作.以汉江流域为实例,基于流域水文分析软件MIKEBASIN进行子流域划分,采用降雨径流模型(NAM)来模拟各分区降雨径流过程,初步构建了汉江流域水量预测模型系统,并对水量模型的各关键技术重点展开研究.研究成果表明,通过细化模型分区、提高NAM模型参数率定精度、改进水库处理方法等工作,可以明显提高水量模型的模拟预测精度.     

分布式水文模型EasyDHM （Ⅱ） ：应用实例

本文介绍了分布式水文模型EasyDHM在汉江上游流域的应用实例。通过采用EasyDHM中的EasyDHM产流模型、马斯京干汇流模型、LH-OAT敏感性分析方法和SCE-UA参数优化方法等,对汉江上游流域进行了水文模拟及参数率定。由参数敏感性及参数优化结果可知,各产汇流参数敏感性随空间分布的不同有一定差异,而随着时间系列的延长其变化并不大,这不仅说明了按水文站进行参数分区的必要性,也说明了在长系列水文模拟中,可仅对指定校正期进行参数优化。而参数优化后能较大程度提高水文模型模拟精度,则证实了参数优化的必要性以及本模型所选取参数优化算法的合理性。     

分布式水文模型EasyDHM模型（II）应用实例

本文介绍了分布式水文模型EasyDHM在汉江上游流域的应用实例。作者通过采用EasyDHM模型中的改进WetSpa产流模型、马斯京干汇流模型、LH-OAT敏感性分析方法、SCE-UA参数优化方法等，对汉江上游流域进行了水文模拟及参数率定。由参数敏感性及参数优化结果知，各产汇流参数敏感性随空间分布的不同有一定差异，而随着时间系列的延长其变化并不大，这不仅说明了按水文站进行参数分区的必要性，也说明在长系列水文模拟中，可仅对指定校正期进行参数优化。而参数优化后能较大程度提高水文模型模拟精度，则证实了参数优化的必要性以及本模型所选取参数优化算法的合理性。