基于PSO的非线性马斯京根模型参数率定新方法

针对目前马斯京根河道洪水演进模型参数率定中所存在的线性化、求解复杂、精度差等问题,本文提出了一种基于粒子群优化(Particle Swarm Optimization,PSO)算法的非线性马斯京根模型参数率定新方法,并将其应用于称钩弯—临清段洪水演进计算中.通过与PSO线性模型、最小二乘法线性模型参数率定法洪水演算结果的对比分析,发现基于PSO算法的非线性模型精度高于两种线性模型,1960、1961和1964年三场典型洪水误差平方和分别减小了0.9%、6.2%和1.6%,表明基于PSO的非线性马斯京根模型参数率定结果更接近实际洪水的演进过程.