集成统计仿真技术和SCE-UA方法的水文模型参数优化

水文模型参数优化是模型应用和发展过程中的一个的重要环节,然而如何快速有效地估计模型参数成为当前分布式水文模型发展的一个瓶颈.针对传统方法在多参数复杂水文模型的应用不足,提出一种集成统计仿真技术和SCE-UA方法的优化方案,即采用非参数的多元自适应回归样条建立复杂水文模型的代理仿真模型进行初始优化,缩小参数优选范围,再结合全局优化算法SCE-UA方法进行参数全局优化,从而提高模型优化效率.选用淮河流域的日尺度分布式时变增益水文模型进行实例研究,采用水量平衡系数(WB)和Nash-Sutcliffe效率系数(NS)两个目标函数综合评价模拟效果.通过模型检验结果表明该方法可以实现参数的高效优化分析,且具有很好的稳健性和适应性,说明方法是有效的.