水文模型参数优选遗传算法的应用

本文对遗传算法进行了详细地分析,建立了实编码单纯形混合加速遗传算法,并将其与二进制加速遗传算法、实编码加速遗传算法、单纯形法、模式搜索法进行了比较。数值模拟和新安江模型的实例应用表明,二进制加速遗传算法、实编码加速遗传算法、混合加速遗传算法的全局优化性能比单纯形法和模式搜索法好,而其中混合加速遗传算法不仅有较好的全局优化性能和稳定性,而且在调用目标函数的次数相同的情况下,精度较高。     

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。     

概念性流域水文模型参数校准

为快捷有效地确定流域水文模型参数,梳理了水文模型参数校准的基本流程,文中阐述了各环节需关注的要点,重点探讨了参数优选过程中所需实测洪水数据的遴选原则及目标函数的设定,提出了一种组合型的目标函数,将多目标参数优化问题转化为单目标优化问题,使产、汇流参数优选同步进行,简化了参数优选过程,与其他多目标优化算法相比,更简单有效。本文以基于新安江模型的云峰水库入库洪水预报模型的参数校准为实例,对模型参数进行了校准,模拟结果达到了较高的精度,验证了参数校准方法的有效性。     

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.     

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。     

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。     

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。     

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。     

基于遗传算法优化参数的新安江三水源模型研究

针对白盆珠流域地形地貌、气候特征及产流方式,采用新安江三水源模型模拟该流域的降雨产流过程,并引入遗传算法率定新安江模型的参数,模拟分析表明,遗传算法应用于率定模型参数是非常有效的,洪水流量模拟的效果较好,模型在研究区域应用比较成功。     

基于遗传算法的洪水预报模型参数校正研究

中小流域水文资料基础条件较差,缺乏实测洪水过程,且由于预报模型参数众多,在校正过程中存在一定随机性,容易过早收敛,出现局部最优解。本次研究采用遗传算法分批对模型中的15个参数进行校正:首先校正产流参数及蒸发参数,随后校正汇流参数。以苍南县桥墩水库上游流域为研究对象,结果表明只需多场降雨对应的入库洪水总量数据以及较少的洪水过程记录数据便可以较好的率定整套模型参数,可用于日常洪水预报工作。     

新安江模型参数优化的一种约束SCE-UA算法研究

在新安江模型参数优化领域,洗牌复合形进化(Shuffled Complex Evolution,简称SCE-UA)算法得到了广泛的应用。但在长序列降雨径流模拟和模型参数优化中面临一些问题需要解决。当模型参数适配不当时,土壤含水量易于出现负值,此外,不同径流成分对应的汇流参数需要满足一定的大小关系。上述问题的处理,决定着优化算法能否找到具有正确物理意义的最优模型参数,以及径流模拟结果的合理性和可靠性。针对这些问题,提出了一种约束SCE-UA算法,通过罚函数法对土壤含水量和汇流参数施加约束,引导优化算法向具有正确物理意义的参数可行域展开搜索,在寻优的同时确保了物理意义的正确性。在呈村流域开展了基于约束SCE-UA算法的新安江模型参数优化研究,数值模拟结果表明,约束SCE-UA算法能够确保模型参数物理意义的正确性,解决了土壤含水量出现负值和汇流参数大小关系错误的问题。利用优化获得的最优参数开展水文模拟,能够取得更好的水量平衡效果和更高的模拟精度。     

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。     

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。     

流水施工工期优化模型及其混合算法研究

为缩短流水施工作业时间,提出一种通过施工段合理排序达到工期优化的方法。首先,在满足约束条件的情况下以流水施工最小化最大完工时间为目标函数,建立排序数学模型。然后,将Gupta启发式算法和潘特考夫斯基法相结合进行混合求解,得到施工段的排序方案,达到流水施工工期优化的目标。最后,给出某水电工程流水施工优化算例。结果表明,该算法能快速求出优化工期,更好地应用于工程施工管理中,具有较好的应用效果。     

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。     

基于蛙跳优化算法的土石坝邓肯-张E-B模型参数反演

邓肯-张E-B模型常用来刻画土石坝本构关系,对其参数进行准确估计是实现土石坝应力应变分析的前提。本文针对工程中通过三轴试验确定其参数所存在的不足,着重阐释了群智能蛙跳优化算法在反演土石坝邓肯-张E-B模型参数中的应用,结合实测资料,通过正分析,证明了蛙跳优化算法在E-B模型参数反演中的合理性,以期为其他工程提供借鉴。     

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。     

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。