基于SCEM-UA算法和全局敏感性分析的水文模型参数优选不确定性研究

针对复杂非线性水文模型参数识别及不确定性分析问题,引入基于马尔可夫链蒙特卡罗思想的SCEM-UA算法,以岷江流域为研究实例,对降雨径流模型的参数优选问题进行了分析,并探讨了该算法在推求参数后验分布的搜索性能和效率。结果发现,SCEM-UA算法能快速有效地推求出参数后验概率分布。同时,开展基于SCEM-UA算法取样的参数全局敏感性分析,对比参数敏感性和后验分布,表明两者密切相关,敏感性强的参数其边缘后验概率密度分布存在明显峰值,相反,敏感性弱的参数其后验概率分布较为平坦且无规律可循,从而导致模型参数的不确定性大大增强。

SCEM-UA算法在模拟优化中的应用

本文将SCEM-UA算法应用于模拟优化。利用SCEM-UA算法进行模拟优化中响应曲面法响应曲面参数的估计,获得了令人满意的结果。

SCEM-UA算法在混合Weibull分布参数估计中的应用

本文利用SCEM-UA算法对汽车零部件可靠性混合Weibull分布参数进行了估计,并与利用极大似然估计法所得结果进行了比较分析,表明SCEM-UA算法能得到更加精确的结果。

SCEM-UA优化算法在水文频率分析中的应用

【目的】将SCEM-UA优化算法应用于水文频率分布曲线优化适线法中,并与传统适线法进行对比,为水文频率分析提供方法支持。【方法】采用基于SCEM-UA优化算法的优化适线法,对长江流域宜昌水文站1974-2003年年最大流量数据进行水文频率分析,确定其理论频率曲线统计参数,计算离差绝对值和与离差平方和;利用同组数据,采用矩法、权函数法、概率权重矩法对其进行水文频率分析,并将结果与SCEM-UA优化算法所得结果进行对比。【结果】SCEM-UA算法离差绝对值和与离差平方和分别为23 481和33 734 707,均小于其余3种方法;利用SCEM-UA优化算法所得理论频率曲线与实测数据两端值的拟合效果更好。【结论】与传统适线法相比,基于SCEM-UA优化算法的优化适线法能够降低理论水文频率分析的误差,提高理论频率曲线与实测数据的拟合精度。

SCE-UA、SCEM-UA算法对改进的HYMOD模型模拟结果的影响

针对概念性水文模型如HYMOD模型参数不确定性问题,先对HYMOD模型进行改进,将模型设计成基于子流域的分散式;接着引入参数估计的SCE-UA和SCEM-UA两类算法,以湘江洣水流域为研究区域,对改进的HYMOD模型进行参数优化和不确定性进行了研究。结果表明,两种算法都能搜索到HYMOD模型的最优参数,使模型取得较好的径流模拟结果;但SCEM-UA算法可得到模型参数的后验概率分布,充分考虑模型参数的不确定性,具有更大的优势。

基于SCEM-UA算法的新安江模型在梅山水库流域上的应用

将SCEM-UA算法内嵌于新安江模型中,利用梅山水库流域水文资料对该算法优选的参数结果进行分析.参数优选主要针对模型的敏感参数,并用实测资料对其验证分析,最后计算洪水精度评定指标分析高水过程模拟结果.研究表明,SCEM-UA算法能够快速有效地对新安江模型参数进行优选,并且基于该参数率定结果的新安江日模型在梅山水库流域上运行效果良好.

基于SCEM-UA优化的核主成分法在水质评价中的应用

针对核主成分分析中核函数参数难以确定的问题,建立以第一主成分贡献率为目标函数,以核参数为优化变量的优化模型,运用SCEM-UA优化算法实现求解。将该方法应用于地下水水质评价中,通过与传统主成分分析法的对比,结果表明:基于SCEM-UA优化的KPCA法可以客观、精确地得到最优化核参数,提高了综合评价的可信度,同时也验证了该方法在水质综合评价中的可行性。

改进SCEM-UA算法在概念性降雨-径流模型参数优选中的应用

在系统研究SCEM-UA算法基础上,借鉴自适应Metropolis算法的思想,对SCEM-UA算法中推荐分布的协方差策略和接受率策略进行了改进,改进后的算法能有效确保样本多样性的丰富和保持,增强算法全局搜索能力,避免"早熟收敛".以岷江流域降雨-径流模型参数优选研究为例,分析了改进算法在推求参数后验分布的搜索性能和效率,计算结果表明,改进SCEM-UA算法的参数推荐分布和接受率随着计算过程自动更新,整体计算效率和解的精度要明显优于传统的SCEM-UA算法.

新安江模型参数有效优化及不确定性评估

应用新安江模型进行水文模拟时,由于模型本身的不足及参数多、信息量少等原因,会出现率定的最优参数组不唯一、不稳定等问题。考虑到以往的参数优选,都只得出一个参数组,不能反映出其不确定性状况。提出应用基于马尔可夫链蒙特卡罗(MCMC)理论的SCEM-UA算法,通过双牌流域以1 h为时段间隔的36场典型洪水数据对新安江模型参数进行优选和不确定性评估。结果表明,该算法能很好地推出新安江模型参数的后验概率分布;率定和检验结果分析也表明,应用SCEM-UA算法对新安江模型进行优选和不确定评估是有效和可行的。

基于参数优化的集对分析月径流预测

采用集对分析法进行月径流预报时,针对级别划分较多时不易确定差异度分量系数的问题,建立了基于SCEM-UA算法优化该系数的月径流预报方法。研究实例表明,本方法能够有效区分集对间不同差异度的影响,优化所得的差异度分量系数是有效的、合理的,能够提高月径流预报精度并发布概率预报。此外,分析表明集对分析预报中的参数不确定性在模型不确定性中占主导地位。

基于IBUNE方法的水文模型不确定性分析

在贝叶斯理论框架下,根据一种可结合多个水文模型给出模拟或预报结果的IBUNE方法探讨了水文模型的输入、参数以及结构的不确定性问题。将SCEM-UA算法和EM算法嵌入新安江和TOPMODEL水文模型用于参数优化和模型平均,进而将输入与参数的综合不确定性处理后得到的预报量后验分布进行多模型综合,据此对水文模型的不确定性及其对水文模拟结果的影响进行评价。以湖南洣水流域龙家山水文站以上集水区域为例进行了应用研究,结果表明,IBUNE方法能够有效估计水文模型的不确定性,并能给出合理的概率预报区间。

基于理想资料的Nash模型异参同效性研究

为研究模型异参同效问题产生的原因,基于SCEM-UA算法,选用似然函数L(20)=(σ2ε)-20,在实际资料及理想资料两种情况下,分析了Nash模型参数率定中的异参同效问题。结果表明,在理想资料情况下,采用SCEM-UA算法能得到参数真值,即避免了参数的异参同效性影响,可见模型异参同效的根本原因是参数之间的互补作用或相依性,而精确的输入、输出和模型结构是参数率定的关键影响因素,优化方法只有在模型结构和资料均准确的条件下才能发挥其功效,从而避免了异参同效问题。

基于SODA方法的HyMOD模型不确定性分析

为了改进水文建模过程中的不确定性处理,采用一种融合全局优化和数据同化(Simultaneous Optimization and Data Assimilation,SODA)的混合框架,对Hy MOD模型进行了不确定性分析,并与经典SCEM-UA方法进行了比较。SODA方法具有如下特点:(1)具备较高的参数搜索效率和寻优能力;(2)明确考虑包括输入、输出、参数以及模型结构在内的重要不确定性来源。SODA方法在渭河流域的实例应用结果表明:与SCEM-UA方法相比,SODA方法不仅显著提高了预报精度,而且推求出了性质更为优良的预报区间。SODA方法的成功应用,有助于模型概念的改进及对水文系统功能的理解。

舰船消防管网水力分析及漏点诊断研究

舰船消防管网在战斗中发生战损后,如果不能及时隔离受损区域将会导致消防管网失压,因此及时找到受损位置并迅速隔离受损区域对于提高舰船消防管网生命力乃至保证舰船生命力都具有十分重要的作用。为了实现消防管网受损监测诊断,本文通过改进舰船消防管网水力计算方法,建立受损监测诊断模型,并采用SCEM-UA算法来求解该模型,并用实例验证了本文所提诊断模型的可行性和有效性。

二维水动力模型参数和边界条件不确定性分析

模型不确定性一直是数学模型研究的重要课题。以Toce河上游约5 km的物理模型为案例,分别采用拉丁超立方体抽样-广义似然不确定性估计(LHS-GLUE)和SCEM-UA方法分析了二维水动力学模型参数、边界条件及两者共同作用导致模型模拟水位的不确定性,并利用偏秩相关分析方法分析了模型参数和边界条件对模拟水位的敏感性。结果表明,水动力模型参数Manning系数对模拟水位的敏感性要大于边界条件对模拟水位的敏感性,且Manning系数对模拟水位的敏感性具有时空变异性;两种方法均可以准确获取模型参数Manning系数和边界条件的不确定性区间,但相比于LHS-GLUE方法,SCEM-UA可以更加准确地推求参数Manning系数和边界条件的后验分布,更适用于二维水动力模型不确定分析。