摘 要: | 水文模型参数的优化对模拟结果至关重要,参数率定方法中的多目标分析方法备受关注。将具有继承性的精英非支配排序遗传算法(i-NSGA-Ⅱ)与多目标涡流粒子种群算法(MOVPSO)分别作为NSGA-Ⅱ算法与PSO算法的改进算法,与AMS算法及DE算法共同寻优,提出改进的遗传自适应多目标算法(AMALGAM算法),以超体积、收敛性度量及多样性度量作为算法性能评价指标,对比改进的AMALGAM算法与AMALGAM算法的解集性能。选出较优算法,并结合实例对基于地形指数的水文模型(TOPMODEL)进行参数率定,得出Pareto最优解。结果表明改进的AMALGAM算法优于AMALGAM算法,模型预报精度较高,在解决多参数多目标优化问题中具有优势。
|