Hymod模型参数敏感性分析和多目标优化

以汉江上游向家坪水文站以上流域为研究对象,通过对集总式模型Hymod的参数敏感性分析和多目标参数优化,分析了Hymod模型5个主要参数的敏感性特征,体现了该模型描述降雨径流过程特点的全面性,采用多目标遗传优化算法(NSGA-Ⅱ)对模型参数作多目标自动参数优化。结果表明,Hymod模型能较好地描述流域降雨径流过程特征,并能通过参数自动优化得到最优参数并取得理想的验证效果。

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。

基于贝叶斯法的HYMOD模型参数不确定性分析

结合HYMOD水文模型在枫树坝水库控制流域的应用,采用贝叶斯结合Metropolis-Hastings算法对模型参数进行不确定性分析,得到90%置信区间的流量过程。结果表明,基于贝叶斯的不确定性估计方法能有效降低HYMOD模型参数带来的不确定性。

基于多种水文模型结构改进新安江模型

【目的】针对水文模型结构的不足提出改进方法。【方法】选择新安江模型、GR4J(mode′le du Ge′nie Rural a′4parame′tres Journalier)模型以及HYMOD模型在淮河流域进行应用对比分析,并基于GR4J模型与HYMOD模型的汇流结构对新安江模型进行改进,提出2种改进模型方法。【结果】(1)3种概念性水文模型在淮河王家坝流域均具有较好的适用性,其中新安江模型效果最好,但该模型在大流量模拟时存在低估现象;(2)M2模型(HYMOD模型汇流结构下的新安江模型)与新安江模型的模拟结果相近,大流量的模拟同样偏小,改进效果不明显;(3)M1模型(GR4J模型汇流结构下的新安江模型)模拟效果最佳,可以有效改善新安江模型对大流量的模拟效果,改进效果显著。【结论】M1模型可以有效改善新安江模型模拟径流时出现流量以及洪峰流量的低估现象,在研究流域内具有一定的应用价值。

目标函数不确定性对汉江安康以上流域水文模拟的影响

不同优化算法和目标函数组合将导致不同的模拟结果,进而影响流域水文预报精度。通过设定不同目标函数组合方案,对比汉江上游安康以上流域在多目标优化算法(NSGA-Ⅱ和MOPSO)下对HyMod模型性能评估的影响,并识别季尺度目标函数统计规律与模拟精度的本质联系。结果表明,NSGA-Ⅱ算法更适合于汉江流域(年尺度、季尺度模拟精度更优);模拟值与实测值的拟合误差控制函数和高流量误差控制的函数(F2、F3)为多目标模型参数校准的首选目标函数,其重要性大于水量模拟的误差控制函数和枯水流量的误差控制函数(F1、F4)。

参数率定过程中目标函数选择的不确定性对径流模拟的影响

在水文模型率定过程中,不同目标函数侧重于径流模拟的不同层面。为了探究目标函数选择的不确定性对模型参数和径流模拟的影响,将HyMod模型应用于黄河源区,选择纳什效率函数f NS、总水量平衡误差函数f t、低水量误差函数f d和高水量误差函数f g作为目标函数,采用遗传算法(GA)分别率定出不同目标函数下对应的最优参数值,并依次代入水文模型模拟水文过程;通过对比分析年尺度及年内各月实测与模拟径流过程、纳什效率系数NSE、决定系数R 2和均方根误差RMSE评价指标来探究参数率定的目标函数不确定性对年尺度水资源演变过程的影响。结果表明:当HyMod模型应用于黄河源区水文模拟的率定期和验证期时,目标函数选择的不确定性对各评价指标的影响差异明显,如f NS目标函数下NSE值最大,在f g下次之,在f d下最小,此外率定期模拟精度优于验证期;同样,目标函数不确定性对不同特征时期径流的影响差异显著,其中,f NS和f t目标函数下,非汛期分别高估和低估模拟流量。研究成果可为水文模型参数率定目标函数的选择提供理论参考。

基于集合卡尔曼滤波的变化环境下渭河流域日径流模拟

流域水文模型是研究水文规律和模拟水文过程的主要工具,而流域气候和下垫面条件的变化给径流的准确模拟带来了新的挑战。以渭河华县水文站以上流域为例,采用智能优化算法(SCE-UA)对HyMOD模型首先进行参数优选,并针对传统"捆绑率定"策略模拟效果不佳的实际情况,将集合卡尔曼滤波(EnKF)数据同化方法分别应用于HyMOD模型的状态变量更新、参数更新及状态—参数的同时更新,并在渭河流域近50年的日径流模拟中进行了效果检验。结果表明,状态—参数的双EnKF策略获得了最满意的效果,模拟精度比传统模型率定方法有显著提升。

Optimization of the Hydrological Model Using Multi-objective Particle Swarm Optimization Algorithm

An application of multi-objective particle swarm optimization （MOPSO） algorithm for optimization of the hydrological model （HYMOD） is presented in this paper. MOPSO algorithm is used to find non-dominated solutions with two objectives： high flow Nash-Sutcliffe efficiency and low flow Nash- Sutcliffe efficiency. The two sets＇ coverage rate and Pareto front spacing metric are two criterions to analyze the performance of the algorithms. MOPSO algorithm surpasses multi-objective shuffled complex evolution metcopolis （MOSCEM_UA） algorithr~, in terms of the two sets＇ coverage rate. But when we come to Pareto front spacing rate, the non-dominated solutions of MOSCEM_ UA algorithm are better-distributed than that of MOPSO algorithm when the iteration is set to 40 000. In addition, there are obvious conflicts between the two objectives. But a compromise solution can be acquired by adopting the MOPSO algorithm.

流量数据误差对水文模拟不确定性分析的影响

基于普适似然不确定性估计(generalized likelihood uncertainty estimation,GLUE)分析框架,通过在其似然函数的定义中考虑实测流量数据的误差,建立新的似然函数L2,并与广泛使用的似然函数纳希效率系数L1进行对比,分析讨论了流量数据误差对流量模拟不确定性估计结果的影响。通过淮滨水文站的混合有限元模型(hydrological model,HYMOD)流量模拟实验表明,相比于似然函数L1,L2的使用能够改善模型参数的后验分布估计,降低流量90%置信区间的区间宽度;同时使用L1和L2作为参数约束条件,能够进一步降低参数的不确定性,获得更为合理的流量预报区间。显式地考虑流量数据不确定性因素可以有效地降低水文模拟的不确定性。