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。     

基于SWAT 模型的区域蒸散发模拟及遥感验证

应用分布式水文模型进行灌区用水效率多尺度评价,可为灌区节水改造提供技术支持,本文运用SCE-UA算法在大兴试验站对分布式水文模型（SWAT）中的夏玉米-冬小麦轮作作物参数进行率定,对SWAT模型中蒸散发相关参数进行了敏感性分析,综合考虑农业灌溉措施和施肥措施,将模型模拟ET与遥感监测值进行对比验证.结果表明,SWAT模型模拟ET与遥感监测ET的确定性系数和Nash效率系数分别达到了0.91和0.90,模拟精度较高;不同的土地利用形式下,蒸散发变化显著,平均误差为6.9％.利用遥感监测ET数据有助于蒸散发的正确模拟,从而有效地提高水文过程的模拟精度.     

优选伸缩比SCE-UA算法与新安江模型参数率定研究

洗牌复合形进化(SCE-UA)算法作为寻优能力较强的全局寻优算法已被广泛应用于水文模型参数率定领域。经典SCE-UA算法中的下山单纯形搜索采用固定伸缩比实现反射和收缩操作,其寻优效率还有待提升,实际应用中发现变动伸缩比能够改善算法的寻优效率。针对以上问题,结合数值实验与分析,发现伸缩比取值存在最优区间,在伸缩比最优区间内均匀采样,利用优选法在单纯形搜索过程中动态确定最适伸缩比,提出了基于优选伸缩比的SCE-UA算法。本研究利用改进的算法,基于多组人工降雨—径流资料开展了新安江模型参数率定研究。结果表明,相较于固定伸缩比,优选伸缩比算法在多组人工降雨—径流资料下的参数率定测试中均表现出相同迭代次数下目标函数值更优的结果,显著提升了优化效率,进一步提升了算法的深度搜索能力,具有推广应用价值。     

SCE-UA算法在暴雨强度公式参数优化中的应用

针对暴雨强度公式的超定非线性等特点,提出了将SCE-UA算法应用于不同重现期的暴雨强度与降雨历时关系式中参数的优化,并与优选回归法、遗传算法、粒子群算法和蚁群算法的优化结果进行了分析比较。实例应用结果表明,该算法可有效、快速地搜索到参数组全局最优解,且稳定可靠,提高了暴雨强度公式参数优化的精度,较其他算法具有一定的优越性。     

WEP模型参数自动优化及在汉江流域上游的应用

本文将全局参效自动优化算法-复形进化算法,引入WEP-L模型,并成功应用于汉江上游流域.通过复形进化算法参数自动优化,可找到WEP-L模型的一套较优的参数.同时,为比较不同目标函数对参数敏感性与自动率定的影响,分别对8种目标函数进行了参数敏感性分析及自动率定.结果显示,如果以水量误差和纳什效率系数为评价标准,排序后的残差平方和及其变化形式的效果较好.WEP-L模型参数敏感性分析及参数自动化率定的实现,可提高WEP-L模型参数率定的科学性和客观性,从而方便WEP-L模型的推广与应用.     

新安江模型在嫩江右侧主要支流洪水预报中的应用

根据嫩江流域的洪水特性,制作了嫩江右侧主要支流的三水源新安江预报模型.在缺少实测资料的情况下,采用SCE-UA算法进行模型自动率定,取得了较理想的结果,对于缺乏资料地区的洪水预报方案编制有一定的借鉴意义.     

公交线路发车频率优化模型及求解方法

发车频率优化在公交调度中是非常重要的.提出一个发车频率优化模型,为车辆规模固定的公交线路设计合适的发车频率.该模型以乘客总费用最小为目标.由于该模型属于NP-hard问题,采用了一种新的启发式算法-SCE-UA算法,对该模型进行求解.通过大连市408路公交线路的数据,对该模型和算法进行了测试,结果显示该模型和算法是合理有效的.     

基于SCE-UA算法的河网水系水闸调度模拟

建立福州市江北城区内河水系水动力水质耦合模型,利用SCE-UA算法对水闸调度参数进行优化。结果表明,SCE-UA算法可用于水文模型参数的率定和河网水系水闸调度系统优化参数的识别。在待优化的区域单独建模,将生态补水规划模拟计算结果为优化区域提供边界,结果使模型计算时间大大减少。将优化后的参数代入原模型进行检验,效果令人满意。     

基于SCE-PSO的无线传感器网络节点三维定位方法

目前,无线传感器网络节点定位算法的研究主要集中在二维空间,对三维定位算法的研究较少。如果将现有的二维定位算法扩展到三维,一些算法很难扩展,另外一些算法虽然可以扩展,但扩展后由于维数的增加,计算复杂度太大。为此,结合粒子群算法PSO(Particle Swarm Optimization)和混合复杂进化算法SCE-UA(Shuffled Complex Evolution-University of Arizona)的优点,提出了两个无线传感器网络节点三维定位算法SCE-PSO1和SCE-PSO2。这两个算法保持了PSO算法收敛速度快,受问题维数影响小的优点,同时采用了SCE-UA算法中的洗牌策略,增加了粒子的多样性,改善了PSO算法中的早熟现象,提高了节点定位精度。两个算法的不同在于粒子的速度更新公式,与SCE-PSO1算法相比,SCE-PSO2算法中粒子的速度更新公式增加了各复合形之间的信息共享,因此,SCE-PSO2算法的性能要优于SCE-PSO1算法。仿真分析证明,与原始的PSO算法和SCE-UA算法相比,SCE-PSO1和SCE-PSO2算法具有更高的定位精度。     

支持向量机在中长期径流预报中的应用

本文探索了支持向量机在中长期径流预报中的应用。在支持向量机建模过程中引入了径向基核函数，简化了非线性问题的求解过程，并应用SCE-UA算法辨识支持向量机的参数。在SCE-UA搜索过程中进行了指数变换，以快速准确的找到最优参数。与人工神经网络模型预报结果比较显示，该模型能提高径流中长期预报的精度。