分布式水文模型的参数率定及敏感性分析探讨

参数率定与敏感性分析是分布式水文模型应用和发展中的难点问题,论文对当前典型的、应用比较成功的全局最优化参数率定和敏感性分析方法进行归纳和分析,包括:遗传算法(Genetic Algorithm)、SCE-UA算法(Shuffled Complex Evolution)、贝叶斯方法(Bayesian Method)、RSA方法(Regionalized Sensitivity Analysis)、GLUE方法(Generalized Likelihood Uncertainty Estimation)等等。并对计算机自动优化方法和人工参数调试方法的利弊进行讨论,展望了分布式水文模型的参数率定与敏感性分析的发展方向。

分布式水文概念模型率定方案比较研究

本文在基于新安江模型的分布式水文概念模型的基础上,以伊河东湾流域为研究对象,分别采用集总式、半集总式、半分布式三种率定方案进行模型率定和径流模拟,并与传统的集总式水文模型进行成果比较。研究结果表明:总的来说,分布式模型的模拟结果略好于集总式模型;由于考虑了不同子流域参数变异性,半分布式方案要优于其他方案;但随着模型结构的复杂性增加,参数率定的难度增大,模拟结果的不确定性增多,分布式水文概念模型的模拟效率还有待于进一步的提高。

分布式水文模型在徒骇马颊河流域灌溉管理中的应用Ⅰ.参数率定和模拟验证

【目的】建立徒骇马颊河流域的分布式水文模型,为进行该地区灌溉制度优化提供支持。【方法】首先运用洗牌复形演化(SCE-UA)算法在禹城试验站和洪门试验站对分布式水文模型(SWAT)中的作物参数进行率定,接着以遥感监测的蒸散数据为目标,应用拉丁超立方-单次单因素(LH-OAT)方法对蒸散发(ET)相关的参数进行了敏感性分析,用序贯不确定性(SUFI-2)算法优化出一套参数范围并进行不确定性分析。在此基础上,在考虑模型不确定性的情况下对冬小麦-夏玉米轮作体系产量的长期模拟结果进行验证。【结果】作物参数率定结果表明,禹城试验站上冬小麦和夏玉米产量的相对误差分别为7.02%和16.60%,洪门试验站上冬小麦和夏玉米产量的相对误差分别为0.09%和0.10%。ET参数率定和统计年鉴产量验证结果:除了NS系数,P_factor、R_factor以及R2的模拟精度较高。【结论】依据徒骇马颊河流域的特点进行SWAT模型相关参数的率定,得到较好的模拟结果,为进一步深入研究该地区水分生产函数和优化灌溉制度打下了基础。

分布式降雨径流模型率定的多目标分析方法

利用多目标方法,对自主研制的具有物理基础的分布式降雨径流模型进行了参数的多目标分析和模型有效性探讨.通过对参数的敏感性分析,确定糙率系数和土壤饱和水力传导率为率定的主要参数,选择效率系数、模拟洪峰的相对误差和洪峰达到时间的绝对误差为目标函数.在模型率定过程中,首先利用多目标最优化方法获得模型参数的非劣解集,然后又利用离散型协调规划从非劣解集中选出满意的模型参数,最后通过对非劣解集模拟的过程线的范围及形状的分析,对模型的有效性进行了评价.研究结果表明,多目标模型率定方法综合考虑了水文过程的各种要素,获得的满意解优于传统的单目标优选结果,非劣解集的聚合程度及模拟的过程线的范围能够反映模型的有效性.

基于卫星遥感数据率定分布式水文模型参数

近年来卫星遥感数据产品得到长足发展,可为水文建模领域提供有力的数据支撑。在渭河流域收集长序列卫星遥感土壤湿度和蒸发数据的基础上,分别采用联合和分步方法率定分布式水文模型DDRM参数,并与常规仅基于流量的参数率定方法的模拟效果进行对比。结果表明:参数率定过程引入卫星遥感数据可显著提高DDRM模型对蒸发和土壤湿度的模拟效果,但相应的径流模拟效果略有下降。此外,分步率定方法相较于常规率定方法能有效降低径流模拟的不确定性。

基于分布式水文模型DHSVM的平通河流域水文模拟

中小河流域水文预报时,由于流域水文资料缺乏,洪水发生时间短,传统的水文模型难以取得良好的效果.基于平通河流域研究了分布式水文模型DHSVM的建立过程、建模方式以及模型的结构和参数,探讨了分布式水文土壤植被模型在平通河流域的适用性.并结合平通河水文资料进行了数值模拟研究.结果表明,采用DHSVM模型能够较好的反映流域日径流水文过程,模拟的相对误差均在10%以下,模型在平通河流域具有一定的适用性;从模型的结构角度对结果产生的误差进行了探讨.

分布式水文模型DHSVM对兰江流域径流变化的模拟试验

介绍如何建立分布式水文模型DHSVM(The Distributed Hydrology Soil Vegetation Model)。首先对模型输入和模型参数进行了详细描述,并给出了植被类型和土壤类型等模型参数的取值范围。再将水文模型DHSVM应用到浙江省的兰江流域,通过与实测的年、月径流量过程的对比分析发现,模型模拟的年、月径流量均与实测比较吻合,表明该模型具有一定的适用性,可用于中小流域径流变化的模拟研究。

不同优化算法在新安江模型参数率定中的效果评估

针对水文模拟预报中需要寻求实用、稳健、高效的优化算法并据此确定参数的全局最优解的问题,以綦江流域典型控制断面五岔断面为研究对象,分别选取GA、SCE-UA、CMA-ES、PSO等4种优化算法进行分布式新安江模型汇流参数率定,并从有效性、稳定性、耗时和效率4个方面评估算法的参数率定性能。结果表明:CMA-ES算法优化效果最佳,相同迭代次数下耗时最少;SCE-UA算法稳定性和效率最高,但耗时随着迭代次数增大而显著增加;PSO算法有效性和效率相对较优,但稳定性最差;GA算法耗时相对较少,优化效果和效率最差;综合性能从优到劣依次为CMA-ES算法、SCE-UA算法、PSO算法、GA算法。

分布式水文模型的图形用户界面开发——在黄河小花间的实例应用

分布式水文模型是当今水文模型发展的趋势 ,是研究变化环境下水文循环与水资源演化规律的理想工具。图形用户界面 (GUI)技术在分布式水文模型中的应用 ,不仅为模型提供了应用的平台 ,更重要的是使复杂的模型具有简单易用性 ,为非专业用户的使用提供了方便 ,分布式水文模型GUI的开发是一个必然的趋势。黄河小花间水文模型为一个松散藕合型、小时为时间尺度的分布式水文模型 ,针对该模型开发的GUI为模型提供数据管理、参数率定、模型运行和结果输出的整体功能。模拟结果表明 ,模型运转良好。

基于遥感反演河宽的水文模型率定研究

水文模型是河流流量模拟预报常用工具,缺资料地区的水文模型率定是当前难点。遥感反演的河流宽度与相应的实测径流之间呈显著相关性,该文建立了基于遥感反演流域出口有效河宽来率定水文模型的方法,首先采用谷歌地球引擎(Google Earth Engine,GEE)云计算平台反演率定期内遥感影像的河流有效宽度,通过水力几何形态学模型与水文模型耦合将率定目标转换为河宽,采用普适似然度方法(Generalized Likelihood Uncertainty Estimation,GLUE)进行模型的率定和不确定性分析,并以北江石角水文站上游流域为例进行应用研究。结果表明,基于遥感影像反演河流有效宽度率定的水文模型取得了较好的模拟效果,在率定期和验证期纳什效率系数(NSE)分别达到了0.77和0.72。该研究展示了上述方法在缺资料地区水文模拟的应用潜力,并为遥感数据与水文模型的有效结合提供了科学参考。

灌区渠系水利用系数分布式模型计算

渠系水利用系数计算结果的准确性对水资源配置、管理和调度影响较大,对灌区渠系水利用系数进行既科学又经济合理的评价是亟待解决的问题。在充分考虑渠道组成、灌溉农田分布、渠道防渗状况、土壤渗透特性、地下水水位的基础上,通过对灌区渠系水利用系数计算公式进行分析推导,得到较为科学的评价无实测资料灌区渠系水利用系数的分布式模型,通过引入灌区修正系数,使得模型参数率定简单易行。同时,根据江都沿运灌区的实际观测对模型参数进行了率定研究。

物理性分布式水文模型参数灵敏度分析在Bukuro流域的应用

以日本Bukuro流域为例,运用Morris筛选法结合误差评价基准,对自主构建的径流-融雪耦合分布式水文模型中物理参数进行灵敏度分析.结果表明:影响降水-径流过程的土壤参数灵敏度由大至小依次为土壤垂直剖面第一层层厚、横向透水系数、垂向渗透系数、糙率;影响融雪过程的融雪参数灵敏度由大至小依次为容积传输系数、温度修正系数、积雪层表面漫反射因数;土壤垂直剖面第一层参数主要影响径流量的计算值,而土壤第二层参数值会影响模拟结果与观测值之间的时间差.本研究方法可为物理性分布式水文模型构建、验证及其在中小尺度流域应用中的参数率定提供借鉴.

考虑灌排运行特点的南方平原圩区分布式水文模拟

为探究适合中国南方平原圩区的水文模型及平原圩区建模与参数率定方法,把握平原圩区内部水循环规律,该研究以巢湖流域庐北大圩为研究区,基于改进SWAT(soil and water assessment tool)模型,提出了一种基于“burn-in”算法与模型河网及子流域人工修正手段的空间离散方法,考虑圩区灌排运行特点后,通过添加虚拟水库,构建了平原圩区多水源灌溉系统,通过对不同大小及特征圩区进行分类,提出了以月尺度为主的多目标参数率定方法。模拟结果表明,大部分圩区出口月径流的相对误差在±15%以内,决定系数大于0.65,纳什效率系数大于0.6,模拟效果处于中等或良好水平,表明改进SWAT模型及该研究提出的平原圩区建模与参数率定方法适用于庐北大圩的水文模拟。水量平衡与灌溉用水模拟分析结果表明,研究区的降水与外河引水主要转化为径流和蒸散发,外河引水量近似等于泵站抽排量,径流系数相对较小,大圩外河是主要灌溉水源,不同时间段内不同水源的可供水量差异明显。考虑灌排运行特点的分布式水文模型为中国南方平原圩区水管理提供了一种有效的手段。

分布式水文模型在嵌套流域的应用与研究

基于物理基础的分布式水文模型通常用于详细描述小尺度流域的水文过程,在大尺度中应用时存在参数模拟问题。为了研究具有物理意义的模型参数随尺度变化的规律,将CASC2D模型应用于月潭、呈村组成的嵌套流域,对比分析了嵌套流域和流域内部网格模拟值的精度。结果表明:1嵌套流域内产流参数变化较小,汇流参数与流域尺度有一定的关系,随着流域面积的增大,坡面汇流糙率和河道汇流糙率均增大;2呈村流域模拟精度较高,降雨数据及其时空分布会对模拟精度产生重要影响;3模型对流域内部点的计算结果存在误差且异参同效的现象普遍存在。

概念性流域水文模型参数多目标优化率定

针对传统基于单一目标的水文模型参数优化率定方法不能充分挖掘水文系统不同动态行为特征的缺陷,提出一种多目标文化混合复形差分进化算法(Multi-objective Culture Shuffled Complex Differential Evolution,MOCSCDE)用于求解水文模型参数多目标优化问题。MOCSCDE算法将混合复形进化算法(Shuffled Complex Evolution,SCE-UA)置于文化算法(Cultural Algorithms,CA)进化的框架中,利用种群进化过程中提取的各种知识指导算法的运行,提高算法的运行效率,同时考虑到SCE-UA中单纯形算子不能充分利用种群个体信息的不足,采用全局搜索能力强的差分进化算法(Differential Evolution,DE)替代单纯形算子,可以更加充分利用种群个体信息进行演化计算,进一步提高算法的计算效率。将MOCSCDE算法应用于概念性水文模型——新安江模型的参数多目标优化率定,并与NSGA-Ⅱ和SPEA2算法进行对比分析,结果表明MOCSCDE算法的收敛性和分布性均优于NSGA-Ⅱ和SPEA2,可为水文预报提供更为全面可靠的参数组合决策依据。

水文模型参数多目标优化率定及目标函数组合对优化结果的影响

针对水文模型多目标优化中目标函数组合难以合理构造与选取的难题,基于多目标智能优化算法的优化结果,提出了一种简便的不同目标组合优化结果性能比较方法,并以一种日径流预报模型为实例,构造了3组目标函数组合,采用经典多目标优化算法NSGA-II优化率定模型参数,在模型参数优化率定结果的基础上,应用作者提出的目标组合优化结果比较方法,分析了不同目标组合对模型参数优化结果性能的影响,并尝试找到一种能权衡各种目标性能的目标组合。结果表明,提出的目标组合优化结果比较方法可以有效分析与比较不同目标组合对优化结果的影响,能够为水文预报人员合理选取与构造目标组合提供科学的数量依据,具有良好的工程应用前景。

水文模型参数多目标率定及最优非劣解优选

针对概念性水文模型参数众多、相互制约,且多目标参数优化率定最优参数求解困难、易受决策者主观因素影响的问题,采用多目标优化算法对水文模型参数进行率定,得到模型参数最优非劣解集,在此基础上,引入最小最大后悔值决策理论,并结合Pareto支配基本理论,提出了一种多目标最优非劣解选取准则。以柘溪流域为研究对象,采用三目标MOSCDE优化率定新安江模型的参数,并与单目标SCE-UA优化结果进行对比分析。结果表明,提出的非劣解选取方法可以有效从大规模非劣解集中筛选出最优非劣解,大大缩短参数率定耗时。

概念性水文模型参数多目标率定及参数组合预报

针对概念性水文模型参数优化率定问题,以大、小径流过程对应的水文特性为切入点,考虑流域水文系统不同产汇流特性,提出一种多目标文化自适应仿电磁学算法(multi-objective cultural self-adaptive electromagnetismlike mechanism,MOCSEM)求解水文模型参数率定问题,并基于MOCSEM的优化结果,提出一种简便的自识别参数组合预报方法。在此基础上,将MOCSEM算法应用于概念性水文模型——新安江模型的参数多目标优化率定,与其他算法进行对比分析,应用文中提出的自识别参数组合预报方法,尝试找到一种能权衡流域水文系统不同水文特性的自识别参数组合方式,可以为水文预报人员提供更为精确的流域径流预报方法。

分布式洪水预报模型在汾河流域的应用

为提高汾河流域的洪水预报水平,选取了该流域DEM、土壤、土地利用及水文气象资料,基于EasyDHM建立了汾河流域分布式洪水预报模型,并进行参数率定。通过场次洪水对模型验证表明,该模型可以很好地应用于流域水情形势分析,从而为流域防洪调度工作的数字化提供技术支持。

单目标和多目标优化在SWAT模型率定中的对比

为评估不同优化方法在分布式水文模型参数率定中的效率和效果,分别使用基于代理模型的多目标优化方法(multi-objective adaptive surrogate modeling-based optimization,MO-ASMO)、NSGA-Ⅱ和SCE-UA对SWAT模型进行参数率定。基于四湖流域2008—2021年的实测流量数据以及高程、土地利用、土壤类型等数据,构建SWAT模型,并针对3种不同优化方法的参数率定结果,采用相对误差百分比(P_(BIAS))、Nash-Sutcliffe效率系数(E_(NS))、均方根误差(E_(RMS))和Kling-Gupta效率指标(E_(KG))4种评价指标对比不同优化算法的优化效果,此外还创新性地量化不同统计指标的不确定性,以更全面地评估不同算法优化结果的稳健性与可靠性。结果表明,与单目标优化方法SCE-UA相比,多目标优化方法的参数率定结果表现出更好的可靠性和稳健性,在多目标优化方法中,MO-ASMO方法能以显著更少的模型运行次数达到与NSGA-Ⅱ相似的优化效果。