函数曲面参数率定方法在SAC 模型中的应用

传统优化算法和现代优化算法均是基于目标函数曲面寻求优值,而大多数参数率定方法的目标函数均为误差平方和。直观看来,基于误差平方和的目标函数曲面往往较参数函数曲面更为复杂。此外,这些算法常常无法证明寻得的优值是全局优值,而且计算过程较复杂,效率较低。鉴于此,提出函数曲面参数率定方法,并应用于SAC理想模型和实际模型的参数率定。首先,通过理想模型验证了该方法的可行性;其次,通过东张流域13年日资料和13场洪水验证了该方法的实际应用效果。结果表明,该方法在实际应用中是可行的、效率与精度皆较高,是一种有效的参数优选方法。     

新安江模型参数线性化率定研究

包为民教授提出了非线性函数参数的线性化率定方法,解决了以误差平方和为目标函数求解非线性函数参数增加不相关的局部优值问题。为此,研究将参数线性化率定方法应用于新安江模型,并通过理想流域和实际流域验证了该方法的合理性和高效性。选取湖北乌溪沟流域43场洪水对次洪8个敏感参数同时进行线性化率定,各参数取不同的初始值均可以较快地收敛到稳定的最优值。31场洪水参与模拟,全部合格;12场洪水参与检验,全部合格。次洪模拟的合格率达到100%,确定性系数为0.923,预报等级为甲级。     

流域汇流变滞模型参数的率定方法探讨

文章用实测雨洪资料建立了变滞模型参数k、r非线性函数的多元高次方程组,提出了应用网格逐步缩小模式的最优化解法。     

银北平罗地区含水层参数率定模型

为了分析我国北方地下水特性，考虑到地下水位变化受大气降大，地表水、和地下水三者相互转化的综合影响，在地下水长期观测资料基础上，以地下水水量均衡原理为依据建立了宁夏平罗地区含水层参数率定模型。率定模型共选取了降雨入渗补给量、潜水蒸发量，渠系渗漏补给量、田间入渗补给量、机井开采量、回归补给量、排向黄河排泄量、沟排量等９个因子系列，并对资料系列进行了处理改进，利用ＢＡＳＩＣ程序在计算机上进行线性回归求解     

改进遗传算法在S-P BOD-DO水质模型参数率定中的应用

参数的率定是建立水质模型进行数学模拟的重要工作。本文把改进遗传算法用于斯特里特-菲尔普斯(S-P)BOD-DO水质模型参数的同时估算中,计算结果精度较高。     

遗传算法在三水源新安江模型参数率定中的应用研究

遗传算法是一种全局数值优化方法。该文在三水源新安江模型的参数率定问题中,结合遗传算法的基本原理和参数自身的特点,提出了基于遗传算法的参数率定方法,并通过实验确定遗传算法的参数。经过清江流域几次洪水历史资料的实例应用验证,结果表明该方法直观、简便、适用性强,率定的模型参数是合理的,能够提高洪水预报精度。该文所介绍的方案已成功应用于“数字清江”工程洪水预报中。     

系统微分响应参数率定方法在建阳流域SWAT模型中的应用

利用基于系统微分响应理论的参数率定方法率定闽江建阳流域SWAT模型,通过流域1992—2000年日资料验证了该方法的实际应用效果,采用纳什效率系数(NSE)、偏差百分比(PBIAS)和相关系数r作为评价指标对率定后的SWAT模型模拟精度进行评价,并与传统利用SUFI-2方法率定得到的SWAT模型模拟结果进行对比分析。结果表明：系统微分响应方法率定的参数在建阳流域的日径流模拟中表现较好,率定期和检验期NSE均为0.65以上,径流量PBIAS在5%以内,r在0.65以上;利用系统微分响应率定参数方法率定SWAT模型参数在实际应用中可行,且效率与精度均高于传统的SUFI-2方法。     

WASP模型参数率定与敏感性分析

WASP是美国环境保护局提出的水质模型系统,能够用于不同环境污染决策系统中分析和预测各种水质状况.将WASP模型应用于长河水体富营养化分析,采用长河的实际监测数据,对WASP模型做了参数率定与模型验证.得出WASP模型具有易用性,适用于河流水体的富营养化模拟.为确定WASP模型富营养化模拟过程中对模拟结果影响较大的参数,进行了参数灵敏度分析.分析结果表明,影响浮游植物量的最主要参数为20℃浮游植物最大生长速率常数,水中碳源与叶绿素的比值次之.     

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。     

An automatic parameter calibration method for the SWAT model in runoff simulation

Runoff simulation is highly significant for hydrological monitoring, flood peak simulation, water resource management, and basin protection. Runoff simulation by distributed hydrological models, such as the soil and water assessment tool (SWAT) model which is the most widely used, is becoming a hotspot for hydrological forecasting research. However, parameter calibration is inefficient and inaccurate for the SWAT model. An automatic parameter calibration (APC) method of the SWAT model was developed by hybrid of the genetic algorithm (GA) and particle swarm optimization (PSO). Multi‐station and multi‐period runoff simulation and accuracy analysis were conducted in the basin of the Zhangjiang River on the basis of this hybrid algorithm. For example, in the Yaoxiaba Station, the calibration results produced an R² of 0.87 and Nash Sutcliffe efficiency (NSE) index of 0.85, while verification results revealed an R² of 0.83 and NSE of 0.83. Results of this study show that the proposed method can effectively improve the efficiency and simulation accuracy of the model parameters. It can be concluded that the feasibility and applicability of GA‐PSO as an APC method for the SWAT model were confirmed via case studies. The proposed method can provide theoretical guidance for many hydrological research fields, such as hydrological simulation, flood prevention, and forecasting.     

基于GPU加速的水文模型参数率定

针对水文模型参数率定问题,为显著提升计算效率,选择SCE-UA算法和新安江模型为研究对象,围绕SCE-UA算法并行化与程序化实现、并行SCE-UA算法在图形处理器(GPU)上的加速效果这两个关键科学问题,以GPU硬件平台和通用计算设备架构(CUDA)软件平台为工具,采用时空复杂度分析、算法并行性挖掘、代码深度优化、数值模拟实验等多种手段相结合的方法,进行了水文模型参数率定提速研究。内容包括:①搭建基于CUDA和GPU的并行计算软硬件平台,进行配置与调优;②并行SCE-UA算法及其程序化实现;③并行SCE-UA算法在GPU上的加速效果。研究结果表明:所提出的方法显著提升了参数率定效率,能够促进水文模拟、最优化方法、计算机科学与技术等多学科的交叉、融合与发展,对水文模拟与预报、防洪快速应急响应具有科学意义和实用价值。     

正交-响应面法在PBM细观参数标定中的应用

数值模拟作为研究岩石力学特性、再现细观裂纹演化的主要途径,已受到大量关注。现有的数值模拟参数标定方法主要为试错法及正交试验法,但二者都未能充分考虑细观参数交互作用的影响,模拟精度欠佳且宏观破坏形态与室内试验存在较大差异。因此,采用正交-响应面法相结合的数值分析方法,首先通过正交试验筛选出具有显著影响的平行黏结模型(PBM)细观参数,其次应用响应面法(RSM)研究其交互作用对模型试样宏观参量的影响规律,最后结合岩石宏观破坏形态提出一套PBM参数标定流程。结果表明：有效模量E^*与刚度比k_n/k_s对弹性模量E影响显著;k_n/k_s、接触摩擦系数μ、最小颗粒半径R_min对泊松比ν影响显著;黏聚力c与法向黏结强度σ_c及其交互作用对单轴抗压强度UCS影响显著,应用响应面法计算分析得出的细观参数的模拟值与试验值误差绝对值小于7%,且二者应力应变曲线力学特征相似,宏观破坏形态相同,证明所提出的PBM细观参数标定流程具备科学性和可靠性。     

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。     

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.     

粒子群算法在河道水动力模型参数校正中的应用

参数估计一直是河道水动力模型研究的难点之一,在传统的模型参数人为经验率定方法的基础上,提出了基于粒子群算法的模型参数优化校正方法,构建了参数校正优化模型,并将参数优化校正算法与河道水动力模型进行耦合,针对淮河干流和史灌河支流组成的研究区域,采用一维河道洪水演进模型,比较了糙率系数校正方法和传统经验估算法,校正方法得到的河段糙率系数值比人为经验估计值平均大0.01,淮河干流河段糙率略大于史灌河支流河段糙率,采用校正河段糙率系数得到的河道水位过程与实测值拟合更优,特别在主峰段洪水过程模拟精度显著改善,验证了本文所提出的参数优化校正算法的有效性,为复杂河道水动力模型参数的确定提供了一种有效方法。     

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。     

干旱区水量平衡模型参数率定策略研究

以干旱区水量平衡模型为研究对象,建立了模型参数分区率定策略,采用改进的动尺度搜索算法(MDDS)对模型中河段水量损失系数、灌区退水系数等参数进行率定。使用条件概率和贝叶斯统计理论论证了分区率定策略的理论可行性,并通过干旱区(新疆开都河)水量平衡模型对模型参数全区和分区率定策略的性能优劣进行实例验证。利用焉耆站2000年1月—2015年12月的实测月平均流量过程和宝浪苏木闸2000年1月—2009年12月的实测月平均流量过程分别对水量平衡模型的焉耆站模拟结果与宝浪苏木站模拟结果进行参数率定,并对率定结果进行了分析。应用于新疆开都河流域焉耆站、宝浪苏木站的模拟结果表明,分区率定在每个分区的待率定参数个数、计算时间和率定效果方面较全区率定有较大优势。     

Regional groundwater prediction model using automatic parameter calibration SCE method for a coastal plain of Seto Inland Sea

Operational groundwater prediction models vary in complexity, but most of them have parameters for which values must be estimated. In the present study, the proposed regional groundwater prediction model was based on a nonlinear water balance model, which is very easy to be used once its parameters were determined. The traditional procedure of the model calibration was done manually using a trial and error process of parameter adjustments. In this case, the goodness-of-fit of the calibrated model is based on a visual judgment by comparing the simulated and the observed data. It requires considerable training or experience and is also typically laborious and time consuming. Thus, this paper proposed an approach, which considered the possibilities of using a nonlinear optimization technique -- the Shuffled Complex Evolution (SCE) method to calibrate the groundwater model. The applicability of this technique was demonstrated with a case study for a coastal plain in Japan. The performance of the groundwater model with SCE method was evaluated by comparing the measured and predicted data.