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.     

基于Sobol方法的新安江模型参数敏感性分析

采用敏感性分析方法对复杂模型和系统的输入和输出进行定性和定量的分析,有利于模型结构的诊断、模型参数的识别和模型的应用。现以桓仁水库流域为例,使用Sobol方法,以确定性系数、总水量误差系数、低水误差系数和高水误差系数作为敏感性分析模型的目标函数,分别对模型单参数和多参数的敏感性进行了评价。结果表明不同目标函数下参数的敏感性不同;Sobol能定量地给出参数的总敏感度和参数间相互作用的敏感度,适合于分析水文模型的参数敏感性。     

基于改进粒子群优化算法的新安江模型参数优选

新安江模型是一种实用有效的水文模型,在洪水预报以及水资源评估和管理中得到了广泛的应用。为此,结合新安江模型参数的特点,提出了基于改进粒子群优化算法的新安江模型参数优选方法,并将该模型应用到日径流预报中。实例表明,该方法能快速地完成参数寻优,并能较好地寻找出参数的全局最优解。     

基于CCI资料与EnKF方法的单点土壤湿度同化

土壤湿度作为天气、农林业、水循环研究中重要的地球物理参数,对气候变化有重要影响。陆面数据同化发展较晚,研究集中在同化土壤/积雪的常规观测与遥感观测来提高土壤湿度廓线/雪水当量的估计精度。卫星遥感资料的同化是一个研究热点,同化遥感数据对提高土壤湿度估计精度有积极的作用。基于CLM4.0(Common Land Model 4.0)陆面过程模式,采用集合卡尔曼滤波(EnKF)同化方法,在美国内布拉斯加州地区的Clay Center、Red Cloud及Grand Island观测站点进行了3个单点同化实验,同化的观测数据是由CDF(Cumulative Distribution Function)技术匹配调整后的卫星遥感资料——CCI(Climate Change Initiative)数据,同化分析实验时间为2008年5月1日至2008年10月31日,利用站点实测数据对0~2cm土壤湿度的同化结果与间接受其同化影响10cm处的土壤湿度估计值进行了验证。结果表明:通过单点同化卫星遥感资料的方法可以提高表层土壤湿度的估计精度,并且受其同化影响,靠近同化层的土壤,其土壤湿度的估计精度也得到提高。     

新安江模型参数变化对流域降雨径流过程的影响分析

水文模型可以模拟自然流域的降雨径流过程,在降雨径流过程模拟中,水文模型参数的选择往往会影响模型对流域径流过程的模拟效果.针对新安江模型,以陕西黑河金盆水库流域为研究流域,分析新安江模型参数变化对模拟流域降雨径流过程的影响,以确定新安江模型参数的敏感程度,从而服务于研究流域的汛期水文预报参数修正.模拟结果表明:在研究流域新安江模型参数中KKSS、KKG、WLM、WDM、kg、k为敏感参数,对模拟流域降雨径流过程的影响较大;参数WUM、IMP、B、c、SM、EX为不敏感参数,对模拟流域降雨径流过程影响较小.     

基于栅格新安江模型的秦淮河流域洪水模拟及实时校正研究

中国中小河流众多,洪水频发,灾害严重,是当前洪水防控的重点薄弱环节。秦淮河水系是南京市境内最为重要的水体之一,汛期可能发生的洪涝灾害威胁着全市的生命财产安全。以秦淮河前垾村流域为研究对象,采用新安江模型和栅格新安江模型进行洪水模拟研究,并采用KNN法、反馈法进行实时校正,实现快速准确的洪水预报计算。实时校正前,栅格新安江模型模拟精度略优于新安江模型,二者模拟效果良好;经实时校正后,新安江模型和栅格新安江模型的模拟效果均明显提高,可以为秦淮河流域防洪减灾决策提供重要依据。     

基于GIS的乌江流域新安江模型参数率定

为了使新安江模型的运用更能真实反映流域的基本特征及产汇流机理,利用地理信息系统空间分析的功能,由数字高程模型导出乌江武隆以上流域的流域排水网,并在此基础上提取汇流长度及坡度等地形特征值。在地理信息系统平台上,计算出流域下垫面的植被、土壤、地貌等特征值,并将其与流域模型参数建立相关关系。结果表明,各流域模拟的确定性系数及模拟精度均较高。因此,预报结果更加合理,理论依据也更加可靠。     

基于并行遗传算法的新安江模型参数优化率定方法

本文结合新安江模型参数的特点，以洪峰流量、峰现时间和洪水总量的合格率为评价目标，定义了评价洪水性能目标的模糊合格率，提出了新安江模型参数率定的并行遗传算法，并在微机集群环境下，利用JAVA语言进行了算法编程。串行和并行遗传算法计算结果的比较表明，本文提出的并行遗传算法可以大大缩短优化过程的时间，得到较为稳定的模型参数。     

基于MCMC的新安江模型参数不确定性分析及应用

针对新安江模型参数不确定性分析过程中出现的参数多、收敛慢、计算负担重等问题,提出基于MCMC方法的新安江模型参数不确定性分析,该方法通过Markov链MonteCarlo抽样方法求解得到模型各参数后验分布,显著提高了算法的计算速度和求解质量。参数后验分布结果为区间预报提供了条件,实例研究表明,以该结果进行不确定预报是可行的。     

新安江模型产流模式在山区型和平原型水库入库径流量中的模拟与应用

将新安江模型的蓄满产流模式应用于浙江省台州市山区型和平原型两个水库的入库径流量模拟之中,取得较好的效果。分析了山区型和平原型水库径流模型参数的取值规律,为台州市其他无资料地区的模型参数取值提供参考,为下一步该区域的水量水质耦合的水资源配置提供研究基础。     

利用双抛物线型土壤蓄水容量曲线对新安江产流模型的改进

提出了双抛物线型土壤蓄水容量关系曲线，对新安江模型产流计算公式进行了改进。利用珠江三角洲不同土壤水分状态的多年水文资料，对改进前和改进后新安江模型产流计算公式进行了比较。结果表明，双抛物线型关系曲线能够代表流域中多种土壤水分状态并存的情况，包括湿润、干燥以及从湿润到干燥过渡阶段，而原单抛线型的模型则是双抛物线的一个特例，只能反映单一土壤水分状态的分布。对于那些发生在湿润季节的暴雨，两种曲线的模拟精度相当，但对于发生在旱季及旱湿过渡时期的暴雨，双抛物线明显优于单抛物线。     

基于GLUE的新安江模型参数不确定性分析及应用

结合新安江模型在东洋河流域的应用,提出了基于GLUE方法的新安江模型参数不确定性分析。采用GLUE算法抽样结果对东洋河流域进行不确定性预报,选用水文模拟中常用的确定性系数作为似然判据,通过设定0.7为阀值,得到的90%置信区间的流量过程,实例研究表明,以该结果进行不确定预报是可行的。     

湖泊藻类动态模型数据同化模式的改进

以太湖为研究区域,采用2014-2016年的水环境生态监测数据,率定了三维水生态动力学模型(3DHED),模拟了太湖蓝藻生物量的时空变化;通过融入遥感数据建立了基于集合卡尔曼滤波(EnKF)的蓝藻生物量预测数据同化(DA)模式,同时提出了一种改进数据同化(mDA)的策略,降低了遥感数据不确定性的影响,显著提升了模型模拟...     

新安江模型在小流域水电站水能计算中的应用

小流域水电站一般地处偏远山区,径流资料短缺.为此,结合广西的实际,分析小流域水电站径流计算多种方法,研究应用新安江模型进行小流域水电站径流计算的可行性,并在广西多座小流域水电站进行径流计算,成果比较满意.     

基于新安江模型的降雨不确定性传播

基于模糊隶属度理论,结合蒙特卡罗方法,定量分析了降雨不确定性在新安江模型中的传播特性及其对流量过程的影响。用模糊隶属度函数表示降雨量的不确定性,用蒙特卡罗方法把3 h雨量随机解集为1 h数据,以表征降雨时程分布的不确定性影响。应用新安江模型对褒河流域进行径流模拟。结果表明,雨量量级大小的不确定性在降雨不确定性中占据主导位置,降雨时程分布的影响次之。     

GLUE方法分析新安江模型参数不确定性的应用研究

采用普适似然不确定估计（GLUE）方法,研究新安江流域水文模型参数的不确定性问题。通过江西乐安河流域资料的模拟分析表明,模型参数间存在“异参同效”现象,即存在许多可接受的似然估计值的参数值组合。利用这些参数组的概率分布,可以对模型模拟的不确定性范围进行分析。     

Data assimilation using support vector machines and ensemble Kalman filter for multi-layer soil moisture prediction

Hybrid data assimilation (DA) is a method seeing more use in recent hydrology and water resources research. In this study, a DA method coupled with the support vector machines (SVMs) and the ensemble Kalman filter (EnKF) technology was used for the prediction of soil moisture in different soil layers: 0-5 cm, 30 cm, 50 cm, 100 cm, 200 cm, and 300 cm. The SVM methodology was first used to train the ground measurements of soil moisture and meteorological parameters from the Meilin study area, in East China, to construct soil moisture statistical prediction models. Subsequent observations and their statistics were used for predictions, with two approaches: the SVM predictor and the SVM-EnKF model made by coupling the SVM model with the EnKF technique using the DA method. Validation results showed that the proposed SVM-EnKF model can improve the prediction results of soil moisture in different layers, from the surface to the root zone.     

非饱和土壤水的集合卡尔曼滤波Ⅰ:状态向量与非饱和流算法的选择

土壤水运动是水分循环中的基本过程,但土壤水预测面临着参数获取难、预测精度差等挑战。数据同化技术为土壤水参数估计和精确预报提供了一种新的方法。本文建立了基于3种不同非饱和水流求解方法的集合卡尔曼滤波(En KF)算法,针对状态向量的选择和正演模型的选择两个问题,研究了非饱和土壤水En KF的计算性能。研究结果表明:对于非线性非饱和水流问题,同时更新水头和参数比仅仅更新水头能够取得更好的预测效果,特别是当多参数未知时;En KF本质上是Monte Carlo方法,极端样本容易导致Picard-h和Picard-mix算法的崩溃,因此传统的HYDRUS程序与复杂非饱和土壤水的数据同化兼容性不佳;当同时同化水头和参数时,如果极端的样本值能够快速得以更新,Picard-h和Picard-mix算法在数据同化模拟中的适用性能得以提升;但由于观测信息对参数的校正能力取决于特定的问题和条件,Ross算法是执行非饱和土壤水数据同化模拟的更好选择。