新安江模型参数全局优化--以月潭流域为例

采用全局优化算法SCE-UA,以月潭流域为例对新安江模型参数优化进行研究.结果表明:采用理想资料时,SCE-UA算法可以搜索到稳定的最优参数组;采用实际水文资料时,该算法不能保证得到唯一和稳定的最优参数组;对模型优化的目标函数进行探讨,发现对于新安江日模型,目标函数选取水量平衡误差函数或确定性系数函数较好,对于次洪模型选取对数绝对值误差函数较好;对参加优化资料长度进行了研究,发现为了得到相对稳定的参数组,参加优化的实测资料长度应在12年以上;最后将SCE-UA结合赵人俊提出的客观优化理论进行分层优化,发现可以得到稳定、唯一参数组.

降雨径流模拟神经网络模型及应用

针对水文系统的非线性,构建了基于遗传算法和人工神经网络的降雨径流模拟神经网络模型(GA-BP模型).采用附加动量法和自适应学习速率对BP神经网络进行改进,遗传算法用于优化神经网络的初始权重.以大别山及皖南山区月潭流域为例,将GA-BP模型、BP模型以及新安江模型应用于水文日径流过程模拟,进行应用比较以及分析GA-BP模型在水文径流模拟过程中的难点及其可行性.结果表明,GA-BP模型优化了网络结构,加快了算法收敛速率;可以用于降雨径流过程模拟,也为今后类似研究提供一种模拟技术.在实际应用中可以根据流域资料情况选择合适的模型进行水文模拟作业.