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。     

基于贝叶斯优化算法的新安江模型参数优化及应用

鉴于参数优化是保证水文模型预报效果的重要途径,以息县流域为例,采用贝叶斯优化算法对新安江模型参数进行优化,并与遗传算法进行比较。结果表明,在息县流域日径流预报问题上,贝叶斯优化算法相比遗传算法效率提升显著,精度略优于遗传算法,非常适用于解决新安江模型参数优化问题。     

三水源新安江模型参数优化及其应用

三水源新安江模型含有比其他模型更多的参数,参数间的相互作用使其成为影响模型模拟结果的重要因素。为使人工模拟结果与实际水文测量数据及水文现象较为一致,基于三水源新安江模型结构及参数敏感性建立参数优化率定的目标函数,并应用于竹竿河流域,取得了较好的率定及校验结果,证明该模型及优化方法有效可行。     

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.     

新安江模型参数敏感性分析的实证研究

为验证新安江模型参数敏感性,以梁辉水库为例,采用2002～2006年连续5年的逐日水文资料进行日模和次洪模拟,并通过计算及对比分析率定较敏感的参数.结果表明,选择模型的敏感性参数有助于新安江模型率定及资料缺失地区推广使用,为流域水文模拟提供参考.     

基于多目标GLUE算法的新安江模型参数不确定性研究

针对新安江水文模型参数的不确定性问题,以湘江湘潭断面控制流域为例,采用新安江日模型和两个纳什效率系数作为水文模型参数率定的目标函数,结合SCE-UA优化算法,分析了不同目标函数对实测径流的模拟能力,在此基础上进一步分析了单目标GLUE方法、多目标GLUE方法和NSGA-Ⅱ优化算法获得不确定性区间特征值。结果表明,不同目标函数对径流过程显示了不同的模拟性能;NSGA-Ⅱ算法可优化多目标拥有较小的不确定性区间,但区间对实测值的覆盖率较小;与单目标算法相比,在相同的区间宽度下,多目标GLUE方法具有更高的区间覆盖率。     

新安江模型汇流参数与地貌特征规律分析及应用

基于数字高程模型对皖南山区屯溪流域及其嵌套子流域进行数字化,提取了研究流域的面积坡度与河道平均坡度,以新安江模型汇流参数的物理意义为基础分析了参数与地貌特征间的规律,并进行了实例验证.结果表明,所得规律能较好地反演皖南山区7个流域的河网水流消退系数及河道汇流河段数,研究结果合理、有效.     

基于改进参数的粒子群算法的换热网络优化

对于换热网络综合优化问题,粒子群算法能有效解决其容易陷入局部最优和无法收敛到全局最优的局限性。标准粒子群算法具有较强的随机性,可调节参数较少,不同的参数配置对算法的优化效果有显著影响。在分析粒子群算法中各参数特点的基础上,通过合理调整参数,使该算法在连续变量优化过程中具有更好的全局收敛性能。采用4股流体的小规模换热网络算例进行验证,优化结果表明,改进参数后的粒子群算法对计算换热网络综合问题有效。     

基于新安江模型的前期影响雨量逐时段修正方法

针对新安江模型提出一种前期影响雨量(P_a)逐时段修正方法,以实测流量与预报流量过程的均方误差最小为目标,在场次洪水预报中采用粒子群算法对前期影响雨量进行逐时段修正。为进一步提升算法性能,通过混沌初始化提高初始种群质量,利用禁忌搜索策略扩大搜索空间,提高全局搜索避免早熟收敛,并在相邻修正时段间引入最优个体保留策略提高算法稳定性和运算效率。在我国湖南省双牌水电站的实际应用结果表明,所提方法能有效改善P_a的准确性,显著提高模型预报精度,是一种切实可行的方法。     

基于随机分形搜索算法的马斯京根模型参数优选

马斯京根模型在河道洪水演算中发挥着重要作用,该模型参数优选对提高洪水演算准确性至关重要。提出利用随机分形搜索算法(SFS)解决非线性马斯京根模型参数优选问题,同时将混沌序列替代SFS更新操作中的随机数。对算例进行洪水演算仿真分析并与多种优化算法比较,结果表明,随机分形搜索算法对非线性马斯京根法模型参数优选问题求解行之有效,且算法实施过程简便、参数解算精度高。     

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.     

非线性马斯京根模型参数优化的混沌模拟退火法

提出了用混沌模拟退火法估计非线性马斯京根模型参数的优化算法。该算法将混沌优化的粗搜索、细搜索的两阶段搜索规则与模拟退火的启发式规则相结合进行参数的优化估计,既保证了解的全局最优性,又保证了最优解的精度。通过实例计算,并与文献方法计算的结果对比分析,表明该方法具有适应性强、求解精度高的特点。     

基于TOPSIS法的水文模型多目标参数自动优选方法研究

将TOPSIS法与遗传算法相结合,以径流总量误差、总径流过程均方误、洪峰过程均方误和枯水过程均方误为目标函数,采用均方差确定目标函数权重,利用四个流域连续雨洪资料对新安江模型进行多目标参数优选,并与距离函数法比较,探讨其对水文模型多目标参数优选的适应性。结果表明,TOPSIS法和距离函数法模拟效果相当,基于TOPSIS法的多目标参数优选优于单目标参数优选。     

水文模型参数优选的改进粒子群算法参数分析

借鉴竞争演化和多种群混合进化的思想,对粒子群算法(PSO)进行改进,提出了序列主-从种群混合进化的粒子群算法(SMSE-PSO).鉴于优选水文模型参数算法的有效性与算法控制参数有关,为评价SMSE-PSO算法不同控制参数对优化性能的影响,结合水文模型参数优选的特点提出采用正交试验设计的方法分析.结果显示,正交法较好地识别了关键影响因素并提出可能的最优方案,SMSE-PSO算法能较好地应用于复杂多参数水文模型的参数识别研究中.     

基于DREAM算法的双超模型参数不确定性研究

鉴于半干旱半湿润地区的流域水文模拟及预报一直是水文模型领域研究的重点和难点问题,基于山西省张峰水库1988~2007年间18场洪水资料,前12场用于率定模型参数,后6场用于检验模型,采用DREAM方法分析其双超模型参数的不确定性,并在此基础上分析由参数不确定性导致的模型输出的不确定性。结果表明,10个参数的后验分布峰值不明显,说明参数的不确定性较大;4个参数的后验分布为具有明显峰值的不规则分布,7个参数的后验分布呈现偏态分布,其峰值也比较明显,说明该参数的不确定性较小。研究结果可为双超模型不确定性分析提供一定的理论基础。     

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。     

水文模型参数识别技术综述

参数识别技术是水文模型研究及应用的关键。在阐明水文模型参数识别原理的基础上,对参数识别方法进行了评述,探讨了参数识别技术在水文预报领域的应用,提出了水文模型参数识别中存在的问题和进一步研究的方向。     

工程全域优化方法的研究进展和发展方向

系统地回顾和总结了工程全域优化理论和方法的研究进展。重点介绍了近年来的研究成果，探讨了全域优化算法在结构和研究体系上的统一性，并提出了其发展方向。     

PSO及SM-PSO算法在Jensen模型参数求解中的应用

针对传统的求解Jensen 模型敏感指数的回归分析法（LR）存在的有偏估计和拟合精度不高等问题,利用粒子群算法（PSO）和单纯形法—粒子群算法（SM-PSO）分别对模型的敏感指数进行求解并与传统方法进行对比。结果表明,回归分析法、PSO算法和SM-PSO算法所得模型计算的相对产量与实际相对产量的平均相对误差分别为3.1%、1.8%和1.4%,说明PSO算法和SM-PSO算法均优于传统算法,尤其是SM-PSO算法收敛速度更快、拟合精度更高,是一种有效的求解Jensen 模型敏感指数的方法。     

基于参数线性化率定法的HBV模型的优化算法及应用

针对以误差平方和最小为目标函数率定非线性函数参数会增加不相关局部优值的问题,提出了基于参数线性化率定法的HBV模型的优化算法,给出了该法的优化过程,并将其应用于大型（建溪）、中型（富水水库）、小型（对河口水库）流域中对日模拟中敏感性参数进行率定。结果表明,该方法率定效果较好,率定参数合理,与初值选取无关,率定结果基本一致,未出现不稳定现象,且循环次数少、精度高、适用范围广。