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。     

遗传算法在水箱径流模型参数优选中的应用

水文模型参数优选是水文模型研究中的重点和难点,应用传统的基于梯度下降、导数理论的优化算法难以取得较好效果。遗传算法是一种多参数、多个体全局智能优化算法,在参数优选中应用广泛且效果较好。将遗传算法应用于水箱年径流模型参数优化中,通过实例应用表明,遗传算法较传统优化算法在模型参数优选中收敛速度、成果精度等方面有所提升,效果较好。     

遗传算法在水文预报中的应用

本文简要介绍了遗传算法的基本原理，利用该算法率定新安江模型的参数，并应用于江界河-思南区间的水文预报。结果表明，利用遗传算法率定水文模型参数直观、简便、适用性强，能较大的提高水文预报的效率和精度。     

基于遗传模拟退火算法的新安江模型参数优选

结合新安江模型参数的特点,在分析传统遗传算法和模拟退火算法各自优缺点的基础上,将模拟退火算法与传统遗传算法相结合的混合算法运用于新安江模型参数优选中,并应用于实际径流预报.实例表明,该方法能快速地完成参数寻优,并找出较为满意的参数最优解.     

水文相似流域最大熵优选模型研究

在分析相似流域优选的常见方法基础上,提出综合考虑各指标权重的不确定性和综合值的可区分性,建立最大墒优选模型,包括样本数据特征值的预处理,目标函数的构建与求解,优选评价模型的建立等步骤。实例研究结果显示:最大墒优选模型可根据各流域指标特征值的综合值,准确地将包括设计流域在内的各个流域进行分组,优选出可作为参证的流域进行水文分析。最大墒模型优选结果与其他方法结论一致,在综合值的可区分性上明显优于其他方法,分组结果更加准确可靠。     

新安江模型参数自动优化方法在淮河息县站水文模拟中的应用

在概念性水文模型的参数率定中,一般是用手工调试或计算机自动完成。要做好手工调试,必须有丰富的经验,而且耗时费力,参数的优选不仅困难还会带有主观性。为了克服不同优化方法的缺点,近年来利用基因法、     

农田水分转化模型参数优选与应用

本文介绍了农田水分转化关系模型参数的确定方法。以在北京市水科所试验站观测的不同灌溉水平条件下的土壤水分资料为依据，进行了参数优选实例计算。并用该模型及其参数求得了该站１９９５年冬小麦不同灌溉供水量条件下的腾发量与根区下界面水分通量。该模型参数求解方法，对于充分利用大量的田间土壤水分观测资料研究农田水分转化规律和农田高效用水技术具有十分重要的意义。     

基于NSGA-Ⅱ的水文模型参数多目标优化研究

为了对水文模型中难以直接测算的参数进行调试和优化,将带精英策略的非支配排序遗传算法（NSGA-Ⅱ）应用于水文模型（HYMOD）参数多目标优化计算中,得到最优解Pareto集合。通过多目标距离函数法从Pareto集中求出一组协调集。采用非支配解集覆盖度和非支配解的空间分布两个性能度量指标,对NSGA-Ⅱ算法与多目标粒子群算法（MOPSO）的优化结果进行比较分析。结果表明,NSGA-Ⅱ优化得到的非支配集比MOPSO算法得到的支配比例高;但前者的非支配解的空间分布较MOPSO算法相对均匀。     

融合MCMC 方法的差分进化算法 在水文模型参数优选中的应用

传统差分进化算法在优选水文模型参数时容易出现"早熟收敛"问题,基于马尔可夫链蒙特卡罗方法的差分进化算法——DREAM算法,对嘉陵江流域降雨径流模型的参数优选问题进行了分析。结果发现,DREAM算法融合了自适应Metropolis方法的优点,能有效克服"早熟收敛"问题,适用于推求先验信息较少的复杂水文模型参数后验分布。     

水文模型参数敏感性的区间分析

介绍SIMHYD降水径流模型的结构及计算原理,利用该模型模拟了丹江口以上汉江上游流域的月流量过程,并采用区间分析方法分析SIMHYD模型参数的敏感性。结果表明:SIMHYD模型可以较好地模拟该流域的月流量过程;根据参数敏感性大小可将SIMHYD模型参数归为3类:第1类为敏感参数,如SMSC和SUB;第2类为较敏感参数,如CRAK和K;第3类为非敏感参数,如INSC,COEFF和SQ。     

遗传单纯形混合算法在复杂环境模型参数识别中的应用

参数识别是数学模型应用的一个重要环节。为提高复杂环境模型参数识别的性能和效率,引入了遗传单纯形法(GASM),该方法融合了遗传算法和单纯形法两类算法的不同搜索机制,具有很强的广度搜索和深度搜索能力。本研究以密云水库水质模拟为例,将GASM算法应用于模拟地表水水质的WASP模型中10个参数的优化识别。计算结果表明,无论是没有扰动的情况还是有扰动的情况,GASM算法均高效可靠地搜索到水质模型参数的全局最优解,说明此方法应用于复杂环境模型参数搜索是可行的实用的。同时,通过不同算法的比较也说明了GASM算法在搜索性能和效率方面的优越性。     

利用单纯形-混沌优化算法确定河流水质模型参数

针对混沌优化算法收敛速度较慢的缺点,将单纯形算法和混沌优化算法结合,构造单纯形-混沌优化算法,并将该方法应用于分析一维河流水团示踪试验数据,求解河流水质模型参数的函数优化问题。结果表明,该算法可以有效确定河流水质模型参数,较单纯形法具有更好的收敛性、较混沌优化算法具有更快的收敛速度。     

Evaluation of different optimization algorithms in parameter calibration of Xin’anjiang modelEI北大核心CSCD

In response to the problem of finding a practical, robust, and efficient optimization algorithms in hydrological simulation forecasting and determining the global optimal solution of parameters based on them, the Wucha section, a typical control section in the Qijiang River Basin, was selected as the research object. Four optimization algorithms, GA、 SCE-UA、CMA-ES、PSO, were selected to calibrate the convergence parameters of the distributed Xin’anjiang model. The parameter calibration performance of the algorithm was evaluated from four aspects: effectiveness, stability, time consumption, and efficiency. The results show that CMA-ES algorithm has the best optimization effect and the least time consumption under the same number of iterations. SCE-UA algorithm has the highest stability and efficiency, but its time consumption significantly increases with the increase of iteration times. PSO algorithm has relatively better effectiveness and efficiency, but the stability is the worst. GA algorithm takes relatively less time and has the worst optimization effect and efficiency. The comprehensive property is ranked from best to worst as CMA-ES, SCE-UA, PSO, and GA algorithms. © 2023, Editorial Board of Water Resources Protection. All rights reserved.     

确定含水层参数的单纯形-混沌优化算法

以无限含水层和有直线隔水边界情况下的解析解为基础,将单纯形一混沌优化算法应用于分析抽水试验数据,求解含水层参数函数优化问题。针对混沌优化算法收敛速度较慢的缺点,文中将单纯形算法和混沌优化算法结合,构造了单纯形一混沌优化算法。数值实验结果表明：单纯形一混沌优化算法可有效地应用于求解含水层参数函数优化问题;待估参数初始取值范围对单纯形一混沌优化算法的收敛速度有一定的影响,但不会影响该算法最终的收敛性;与混沌优化算法相比较,单纯形一混沌优化算法具有收敛速度快和结果精度高的优点。     

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。     

遗传算法在水质模型参数率定中的应用

本文探讨了遗传算法在水质模型参数率定过程中的应用,以堆龙河(西藏羊八井电厂尾水注入)为例,说明了遗传算法在数值优化中具有简单易行、高效性及普遍适用性的优势。实际应用表明,用遗传算法率定的水质模型参数的结果比较令人满意。     

多智能体遗传算法用于马斯京根模型参数估计

将智能体对环境的感知和反作用的能力与遗传算法的搜索方式相结合提出了一种改进的多智能体遗传算法，用于马斯京根模型的参数估计。该方法中每个智能体代表一个候选解并固定在网格上，为了增加自身能量，它将与其邻域的智能体进行合作或竞争，也可以利用自身的知识进行自学习来增加能量，通过这些智能体与智能体间的相互作用来达到优化模型中参数的目的。应用实例表明，该算法同其他算法相比具有更好的优化性能，从而为准确估计马斯京根模型参数提供了一种更为有效的方法。     

新安江模型参数优选的改进粒子群算法

借鉴竞争演化和多种群混合的思想,对粒子群算法(PSO)进行改进,建立并行种群混合进化的粒子群算法(PMSE-PSO)和序列主-从种群混合进行的粒子群算法(SMSE-PSO)。数值模拟结果表明,这两种改进的粒子群算法具有较高的计算效率、较强的自适应性和稳定性。将PMSE-PSO和SMSE-PSO应用于新安江模型的参数优选中,通过与PSO和SCE-UA的比较可以看出,PMSE-PSO和SMSE-PSO不仅具有较好的全局优化性能和稳定性,而且在调用目标函数次数相同的情况下精度较高,是一种有效的新安江模型参数优选方法。     

多元优化算法在马斯京根模型参数优化中的应用

以2个实例为研究对象,利用一种新型群体智能算法——多元优化(MVO)算法优化马斯京根模型参数,并与相关文献中加速遗传算法等多种方法的优化结果进行对比。结果表明:MVO算法优化结果优于其他算法,利用MVO算法优化马斯京根模型参数,可以获得比相关文献更高的模拟精度,不但为精确估计马斯京根模型参数提供了有效方法,而且拓展了MVO算法在水文模型参数优化中的应用。