群居蜘蛛优化算法在水文频率曲线参数优化中的应用

利用一种新型群体智能仿生算法——群居蜘蛛优化算法(SSO)优化水文频率曲线参数,以云南省丽江仁里站和总管田站年径流量数据为例进行实例研究,分别将离差平方和准则(OLS)、离差绝对值和准则(ABS)以及相对离差平方和准则(WLS)作为SSO算法最优适应度函数对皮尔逊Ⅲ型分布参数进行优化,优化结果与粒子群优化算法(PSO)、矩法进行对比。结果表明:利用SSO算法优化仁里站和总管田站得到的OLS、ABS、WLS均优于PSO算法及矩法,比矩法提高了11%以上。SSO算法具有收敛速度快、全局寻优能力强等特点,基于SSO算法的优化适线法能够降低水文频率的分析误差,有效提高理论频率曲线与实测数据的拟合精度,是一种可行的水文频率分析方法。     

指数Gamma分布在无资料地区水文频率分析中的应用研究

指数Gamma分布在水文频率分析中具有良好的普适性和拟合弹性,该文探讨了该分布的参数等值图法在无资料地区的应用情况。选取江谷河流域作为研究区域,基于指数Gamma分布采用参数等值线图法对该地区暴雨序列进行频率分析,与采用参数等值线图法的P-Ⅲ型分布计算结果和采用优化适线法的指数Gamma分布计算结果进行对比研究,分析指数Gamma分布在无资料地区水文频率分析结果的可靠性。计算结果表明,采用参数等值线图法计算得到的设计值与优化适线法计算得到的设计值各有优劣,且多数优于采用参数等值线图法P-Ⅲ型分布的计算结果,指数Gamma分布可以用于无资料地区的水文频率计算。文中参数估计方法以期为我国水文频率分析及相关软件开发提供支撑。     

PID优化算法在分布式水文模型参数优化中的应用

采用PID优化算法对分布式水文模型VIC模型进行参数自动优化计算,并对比分析参数优化前后对分布式水文模型模拟精度的影响。研究结果表明:参数优化后,分布式水文模型VIC模型在年尺度和小时尺度的水文模拟精度均有所改善,误差减少13.8%和13.2%,拟合度提高0.28和0.14。研究成果对于分布式水文模型参数优化方法提供参考价值。     

群居蜘蛛优化算法在水位流量关系拟合中的应用

针对水位流量关系拟合中相关参数难以确定的不足,利用一种新型群体智能仿生算法——群居蜘蛛优化算法(SSO)优化水位流量关系的相关参数,以云南省丽江仁里站和总管田站水位流量关系拟合为例进行实例研究,并与粒子群优化算法(PSO)、最小二乘法(LSM)拟合结果进行对比。结果表明:SSO算法对仁里站和总管田站水位流量关系拟合的平均相对误差绝对值分别为0.57%、0.53%,拟合精度优于PSO、LSM算法。SSO算法具有收敛速度快、全局寻优能力强等特点,利用SSO算法优化水位流量关系可以获得更好的拟合效果。     

基于R软件优化绘制皮尔逊Ⅲ型频率曲线

皮尔逊Ⅲ型(P-Ⅲ型)频率曲线是水文分析过程常用的频率分析曲线。以某水文测站47年的年径流量实测资料,根据适线法和纵向离差平方和最小准则确定最优适线参数和频率分布曲线。利用R和Notepad++软件实现了水文频率计算、拟合和制图过程,并且在拟合过程中增加自动查找最优适线参数;最终输出经验频率、统计参数初值、最小纵向离差平方和及最优频率曲线。应用结果表明:运用R软件进行水文频率分析,可以快捷、高效地计算出不同分布参数和频率曲线的离差平方和,提高了拟合精度和工作效率,降低了水文频率计算的工作量,为水文频率曲线的优化绘制提供了一种新的实现方法。     

水文频率参数分析方法应用研究

对蚁群算法的原理和运算步骤进行分析后,将其应用到水文频率参数分析中,建立了基于蚁群算法的水文频率优化适线法模型。利用3个水文站年最大洪峰流量数据作为样本数据,对模型进行学习训练。试验结果表明,基于蚁群算法的优化适线法在使得离(残)差平方和(OLS)准则最小这个目标函数下,获得了P-III曲线3个参数的最优解,比常规算法结果精确度更高,同时能够克服常规算法收敛性较差问题,是一种可行的水文频率分析方法。     

P-Ⅲ型曲线参数估计方法研究综述

水文频率分析以概率统计理论为基础,通过建立模型来优化理论频率曲线参数,对经验频率曲线进行延展。对P-Ⅲ型曲线参数估计的矩法、概率权重矩法、权函数法、线性矩法、优化适线法、加权适线法、数值积分算法、优化适线准则在水文频率参数估计中的研究和应用,以及水文频率参数估计的不确定性研究进行了介绍和阐述,并提出了水文频率参数估计的建议:(1)加强对水文序列不确定性机理的研究,使水文频率分析的适线结果具有较好的延展性;(2)应立足于现有的水文频率参数估计的理论基础,针对不同的适线目的和数据精度,选择合适的参数估计结果,提高人机交互水平,将客观信息和主观经验结合起来,为水利设施规划、工程规模的确定提供有力支持;(3)水文序列存在非一致性,应对水文序列的不确定性和模型参数估计的不确定性加以有效分离和衡量,进一步提高适线精度。     

优化适线法在水文频率分析中的应用

GA是基于自然群体遗传演化机制的高效、通用优化算法,具有广泛的实用性和全局优化的特点.介绍了遗传算法的原理、步骤及优点,并将它用于水文频率分析中,提出了基于遗传算法的优化适线法.试验结果表明,基于遗传算法的优化适线法所得P-Ⅲ曲线的3个参数,在使得离差平方和最小这个意义上达到了最优,同时能克服目估适线结果因人而异的随意性,是一种简单实用的水文频率分析工具.     

基于遗传模拟退火算法的洪水频率计算研究

常规遗传算法本身存在一些固有缺陷,如解的早熟现象、局部寻优能力差,保证不了对参数优化的计算效率和可靠性要求,模拟退火算法却具有摆脱局部最优点的能力,提出用遗传算法和模拟退火算法相结合的算法进行洪水频率计算的参数优化。通过对水库实测水文资料进行检测,结果表明,相对传统的适线法,遗传模拟退火加权适线法的结果更加可靠、准确。     

改进粒子群优化算法在水文模型参数优化中的应用研究

引入改进的粒子群优化算法,对垂向混合产流模型计算参数进行优化,并对比参数优化前后水文模拟精度。研究结果表明：改进的粒子群优化算法模型可较快完成参数优化,相比于参数优化前,垂向混合产流模型年尺度模拟相对误差减少6.15%,模拟的过程确定性系数平均提高0.11;在次洪模拟中,模拟相对误差平均减少3.03%,模拟的洪水过程确定性系数平均提高0.19,水文模拟精度得到较大程度提高。研究成果对于区域水文模型参数优化提供参考价值。     

蚁群算法在水文频率曲线参数计算中的应用

通过对标准蚁群算法进行修改,提出了一种可以应用于水文频率参数计算的基于网格划分策略的蚁群算法,并以渭河流域4个水文测站的年径流量数据为例,按照OLS准则对皮尔逊Ⅲ型分布参数进行了优化计算.结果表明,蚁群算法参数的估计精度及实际适线效果均优于其他几种常规方法,是一种可行的水文频率分析方法.     

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。     

基于MATLAB的P-Ⅲ型频率曲线参数估算的优化

利用线性矩法对P-Ⅲ型频率曲线参数进行了优化估算,采用最小二乘法进行最优曲线的判断,通过试算确定最优频率分布曲线参数,并运用MATLAB编程实现了这一过程的程序化,最终可输出相应最优曲线的水文变量设计值。将输出的最优曲线结果与传统的目估适线法结果进行对比,结果表明:该方法和目估适线法的计算结果比较吻合,可以用于实际工程。     

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。     

皮尔逊Ⅲ型曲线参数优化估计方法对比研究

文章在详细分析梯形算法、自适应误差积分、龙贝格和辛普森算法基本理论和计算方法基础上,对水文频率参数进行寻优计算和伽马函数的积分求解,通过智能寻优计算对比分析了实测序列和理想数据之间的差异。研究表明:自适应误差积分法表现出较好的精确度和可靠性,并具有原理清晰、运算速度快等优点,在实际工程中具有一定的应用和推广价值。     

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。     

基于遗传算法的TOPMODEL参数优化

模型参数的确定是模型研制与应用成功与否的关键．一般采用人工经验率定和自动率定两种方法来确定．遗传算法和一般的优化算法不同,它具有全局寻优能力,是一类优秀的非线性函数优化算法．利用遗传算法来进行TOPMODEL参数优化,并和人工率定的计算结果作了简要的对比,明显地显示该方法的优点．采用遗传算法所得到的精度较高,可以类推到其他水文模型的参数优化中去．     

基于模拟退火算法的皮尔逊Ⅲ型分布参数估计

以渭河流域3个气象站的年降水量资料为例,采用模拟退火算法按照离差平方和最小准则、离差绝对值和最小准则、相对离差平方和最小准则对皮尔逊Ⅲ型分布进行参数优化,并与矩法、极大似然法、线性矩法3种常规分布参数估计方法计算结果作对比。结果表明:模拟退火算法是一种可行的水文频率曲线参数估计方法,其估计精度优于3种常规参数估计方法。     

水库洪水实时优化校正预报模型的探究与应用

以经典流域水文模型——新安江模型为基础,耦合SCE-UA全局自动优化算法和AR自回归误差校正模型构建出适用于水库流域的洪水实时优化校正预报模型。根据实测的降雨径流过程对水文模型参数和流域状态变量参数进行全局优化实时校正计算,并依据预报降雨对未来一定时期内水库洪水过程进行高精度预报。选取亭下水库流域为实验对象,对亭下水库流域洪水分别进行初步预报和实时优化校正预报,两种预报结果比较分析显示,实时优化校正预报结果能更好地模拟实测洪水过程,其预报精度更高。     

参数优化算法在水库水文模拟中的应用

文中结合水库2000-2010年实测水文数据进行对比分析,应用粒子群优化算法和遗传算法对新安江模型的参数进行优化分析。结果表明:粒子群优化算法高于遗传算法的参数优化程度。粒子群优化算法的优化参数值水库水文模拟的精度明显高于遗传算法的模拟精度,且粒子群优化算法的收敛精度更高。