基于遗传算法的试错法推求单位线

在汇流预报中推求流域单位线时,常使用的方法有分析法、最小二乘法和试错法等。由于流域汇流的复杂性以及测验水文资料采集误差的影响,使得分析法和最小二乘法推求结果往往会出现锯齿状和负值现象,甚至无法使用。试错法则相对简单,使用也比较广泛,主要缺点是初始单位线过程的假定比较困难,试错过程的计算量大。针对上述方法不足,提出以MATLAB为平台,试错法作为推求基础,使用遗传算法搜索整体最优解的方法推求单位线,可以大大提高推求效率,并对单位线推求具有一定借鉴。     

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。     

流域汇流单位线推求方法分析

利用流域汇流单位线进行短期洪水预报是目前普遍采用的技术手段。根据实际工作需要,提出了利用Excel软件的线性规划功能来推求流域汇流单位线,该方法对比其它推求单位线的方法具有理论基础强、使用简便、速度快、精度高等优点。以Excel软件实际操作界面为例,对实例流域的一次洪水过程进行了单位线分析解算,成果完全满足相关精度要求,最后对分析流域汇流单位线应注意的事项和具体问题的处理方法提出了合理化建议。     

用S曲线推求单位线单位时间的方法

根据水文资料推求流域统计单位线(以下简称单位线),一般只要知道净雨与净雨历时,便可以从流量过程线上求得。现行推求单位线的方法,在雨量观测时段较少时,流域平均时段雨量就无法求得,以致难以确定单位线的单位时间。因为根据已有站点的时段降雨资料点绘出累积曲线,限于雨量资料时段划分太长,记录不全,各站时段划分不统一等,都会造成确定单位时间的困难,甚至无法确定。一、S曲线的特性与单位线单位时间的关系在发生上述困难时,正确地应用单位线的S曲线特性与单位线单位时间的关系,用试错的方法可以推得单位线的单位时间。 S曲线是单位线各时段累积流量和时间的关系曲线,它的下部应当是流量随时间的增长而连续递增。在某一时刻t,当全部汇水面积参加迳流之后     

中小型水库入流单位线推求的简易方法

中小型水库的流域面积和库容均比较小，预报洪水具有汇流速度快，预见期短等特点，所以要求预报准确快速，中小型水库的预报方法是将入库出库流量过程概化为三角形，这样处理与实际情况不完全相符，导致预报产生较大误差，因此，研究改进中小型水库的预报方法是非常必要的，从而达到适用性强，计算速度快，预报精度高的目的。     

流域单位线的推求方法分析试错法

流域单位线的推求方法,目前常用的有分析法和试错法两种。根据这两种方法的特点结合起来推求单位线,不但计算成果精度较高,而且计算速度也快得多。本文应用铁厂水文站单位线推求实例,展现了这一特点。     

由实测降雨径流资料推求瞬时单位线的参数

本报告是武汉水利电力学院、桂林地区水电局、广西大学、广西水文总站等单位共同协作,以广西桂林地区为试点,进行可能最大洪水计算研究的初步成果。参加科研试点工作的同志有:武汉水利电力学院叶守泽、陈绳甲;桂林地区水电局程亨健、卢卫中、朱素琼、彭期伟;广西大学李昭伦;广西水文总站王永年;广西水电局设计院黄成宗;河池地区水电局刘芳柏、余世泽;百色地区水电局黄树生;玉林地区水电局周龙跃;饮州地区水电局蔡师华;梧州地区水电局刘小驹。     

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。     

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。     

推求谢尔曼单位线的松弛无约束极小化方法

应用系统响应函数识别方法推求谢尔曼单位线,是水文学家感兴趣的课题。但是,应用一般的无约束识别方法会导致单位线纵座标的正负振荡;二约束条件(水量平衡及纵坐标非负)下的系统识别方法,在理论上和实践中仍可能出现在正区间的振荡。因此,建议在三约束条件《增加无振荡约束)下,进行系统识别,算法则采用在理论上证明是收敛的A·V·Fiacco的松弛无约束极小化法。经在20多个流域150多条单位线应用,证明上述方法稳定性好,基本上不出现振荡。并且克服了传统水文学对于长历时降水,连续洪水难于分析单位线的障碍。     

无资料地区小流域单位线推求的简易方法

小流域具有流域面积比较小,坡降大、洪水汇流速度快等特点,所以预报要求既要准确又要快速。文章在借鉴了中小型水库的入库流量过程概化为三角形,导致预报产生较大误差的教训。研究改进小流域洪水的预报方法,从而达到适用性强,计算速度快,预报精度高的目的。     

桂林地区应用瞬时单位线推求设计洪水的方法

一、前言1978年,武汉水利电力学院协同桂林地区水电局、广西大学和广西水文总站等单位,以桂林地区为试点,根据12个测站的实测雨洪资料,对由暴雨推求洪水问题进行了分析和研究,并编写了《广西桂林地区由暴雨推求洪水问题的研究》(下称《研究》)。该文根据纳希瞬时单位线的基本原理,提出瞬时单位线参数的计算方法、单位线的非线性处理方法、以及非线性要素的地区综合方法,对桂林地区由暴雨推求洪水问题的进一步探讨创造了有利条件。本文是在原有分析工作的基础上,增加了3个测站的资料,补充了部分测站的洪水场次,以及对原有的部分计算成果作了必要的修正,并作了进一步探讨,提出一些新的见解和做法。     

浅析泽雅水库单位线的推求

为了提高泽雅水库洪水预报、防洪调度能力，提出一种基于原型单位线的分析方法，利用线性将入库流量-时间关系转换成单位线，拟合出泽雅水库原型单位线，将所求单位线应用于水库的防洪调度中分析，结果表明，所得过程与实测过程拟合较好。     

单位线自动优化率定的狼群算法研究

为了探讨单位线自动优化率定的新方法,对狼群算法在单位线优化率定中的应用进行了深入研究。分析了单位线优化率定的目标函数和约束条件,建立了单位线优化率定的数学模型,给出了单位线自动优化率定的狼群算法。在寻优迭代过程中采用同倍比修正法来处理水量平衡约束,保证了狼群算法优化求解的单位线严格满足水量平衡方程;采用具有动态罚因子的罚函数法处理单位线的不合理波动,保证了单位线的光滑性,实例应用表明提出的单位线自动优化率定的狼群算法是有效的。     

无资料地区的非线性单位线推求程序

本报告是武汉水利电力学院、桂林地区水电局、广西大学、广西水文总站等单位共同协作,以广西桂林地区为试点,进行可能最大洪水计算研究的初步成果。参加科研试点工作的同志有:武汉水利电力学院叶守泽、陈绳甲;桂林地区水电局程亨健、卢卫中、朱素琼、彭期伟;广西大学李昭伦;广西水文总站王永年;广西水电局设计院黄成宗;河池地区水电局刘芳柏、余世泽;百色地区水电局黄树生;玉林地区水电局周龙跃;饮州地区水电局蔡师华;梧州地区水电局刘小驹。     

应用Copula函数的潘家口水库设计洪水线推求

传统单变量同频率洪水过程性设计将洪峰、洪量等特征参数进行单纯控制,忽视了洪水过程非线性联动机制。以潘家口水库历史洪水资料为依据,应用Copula函数构造洪水峰、量两变量联合分布,进而推求其边缘分布和最高水位线。结果表明,Copula能很好地考虑洪水过程的洪峰、洪量、历时、水位等参数间相关性进而实现联合分布模拟;且其面向整个设计洪水过程线而言的,其推求过程符合水文事件的多元非线性、随机性规律。另外,单变量同频率方法能够基本满足防洪标准,然而出于防洪安全和极端天气背景考虑,以两变量同频率组合设计洪水过程线更具合理性。     

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。     

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。     

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。