针对具有物理机制的分布式水文模型对大流域、长序列模拟计算时间长、模拟速度慢的问题,引入基于GPU的并行计算技术,实现分布式水文模型WEP-L(water and energy transfer processes in large river basins)产流过程的并行化。选择鄱阳...针对具有物理机制的分布式水文模型对大流域、长序列模拟计算时间长、模拟速度慢的问题,引入基于GPU的并行计算技术,实现分布式水文模型WEP-L(water and energy transfer processes in large river basins)产流过程的并行化。选择鄱阳湖流域为实验区,采用计算能力为8.6的NVIDIA RTX A4000对算法性能进行测试。研究表明:提出的基于GPU的分布式水文模型并行算法具有良好的加速效果,当线程总数越接近划分的子流域个数(计算任务量)时,并行性能越好,在实验流域WEP-L模型子流域单元为8712个时,加速比最大达到2.5左右;随着计算任务量的增加,加速比逐渐增大,当实验流域WEP-L模型子流域单元增加到24897个时,加速比能达到3.5,表明GPU并行算法在大尺度流域分布式水文模型计算中具有良好的发展潜力。展开更多
计算效率低及异参同效(局部优化)是分布式水文模型参数优化研究中存在的主要问题。本文基于RAGA(基于实数编码的加速遗传算法),提出一种分布式水文模型参数分类优化方法,将需要率定的参数根据物理意义分成若干类,逐类进行优化。这种方...计算效率低及异参同效(局部优化)是分布式水文模型参数优化研究中存在的主要问题。本文基于RAGA(基于实数编码的加速遗传算法),提出一种分布式水文模型参数分类优化方法,将需要率定的参数根据物理意义分成若干类,逐类进行优化。这种方法可降低待优化参数的维度,一方面可以提高优化计算的速度,另一方面可以在一定程度上逼近全局最优,减少异参同效的问题。本文采用分布式水文模型WEP-L(Water and Energy Processesin Large Scale Basin)模型,针对黄河流域玛曲水文站以上区域1997—2000年逐月流量过程进行参数率定,并对2006—2016年系列进行验证。对比参数不分类优化方法,发现采用参数分类优化方法后,WEP-L模型参数优化的速度提高37%左右,纳什效率系数(NSE)从0.739提高到0.829。说明参数分类优化方法既可以节约时间,又可以保证优化算法的全局性,提高模拟的精度。展开更多
文摘针对具有物理机制的分布式水文模型对大流域、长序列模拟计算时间长、模拟速度慢的问题,引入基于GPU的并行计算技术,实现分布式水文模型WEP-L(water and energy transfer processes in large river basins)产流过程的并行化。选择鄱阳湖流域为实验区,采用计算能力为8.6的NVIDIA RTX A4000对算法性能进行测试。研究表明:提出的基于GPU的分布式水文模型并行算法具有良好的加速效果,当线程总数越接近划分的子流域个数(计算任务量)时,并行性能越好,在实验流域WEP-L模型子流域单元为8712个时,加速比最大达到2.5左右;随着计算任务量的增加,加速比逐渐增大,当实验流域WEP-L模型子流域单元增加到24897个时,加速比能达到3.5,表明GPU并行算法在大尺度流域分布式水文模型计算中具有良好的发展潜力。
文摘计算效率低及异参同效(局部优化)是分布式水文模型参数优化研究中存在的主要问题。本文基于RAGA(基于实数编码的加速遗传算法),提出一种分布式水文模型参数分类优化方法,将需要率定的参数根据物理意义分成若干类,逐类进行优化。这种方法可降低待优化参数的维度,一方面可以提高优化计算的速度,另一方面可以在一定程度上逼近全局最优,减少异参同效的问题。本文采用分布式水文模型WEP-L(Water and Energy Processesin Large Scale Basin)模型,针对黄河流域玛曲水文站以上区域1997—2000年逐月流量过程进行参数率定,并对2006—2016年系列进行验证。对比参数不分类优化方法,发现采用参数分类优化方法后,WEP-L模型参数优化的速度提高37%左右,纳什效率系数(NSE)从0.739提高到0.829。说明参数分类优化方法既可以节约时间,又可以保证优化算法的全局性,提高模拟的精度。