基于SCE-UA算法的山区河流洪水预报研究——以寿溪河为例

在山区河流,强降雨易引发山洪灾害,给人民的生命、财产带来严重威胁,因此,及时准确的山区河流洪水预报预警非常重要。然而,由于山区河流洪水突发性强且影响山区河流洪水的原因复杂,山区小流域洪水预报精度始终有限。以四川省典型山区小流域--汶川县寿溪河流域为研究对象,采用三水源新安江模型与垂向混合产流模型,并引进SCE-UA算法进行参数优选,对该流域的洪水预报进行了深入研究。研究表明SCE-UA算法适用于山区河流洪水预报,显著提升两个模型的预报效果,使三水源新安江模型和垂向混合产流模型的合格率分别提高了20%和35%。综合分析各项指标,垂向混合产流模型的预报结果相比三水源新安江模型更好。研究成果可应用于寿溪河流域山洪灾害预警,同时也可为其他山区河流洪水预报提供参考。

SCE-UA算法在TOPMODEL参数优化中的应用

以江西修水万家埠流域为例,用SCE-UA算法对TOPMODEL参数进行了优化,并对优化结果进行了检验.结果表明:SCE-UA算法不仅可以用于概念性水文模型和分布式水文模型,还可以用于半分布式水文模型———TOPMODEL;TOPMODEL参数上下边界需根据参数的物理意义和研究流域特性来确定;在SCE-UA算法中,目标函数的建立对于参数优化具有重要作用,在次洪模拟时,目标函数应突出高水过程和洪峰对模拟效果的影响;SCE-UA算法的绝大部分参数取值都可以采用已有研究成果的默认值,只有复合型个数p需要根据具体问题确定.

基于SCE-UA算法的新安江模型参数优化及应用

为了减小水文模型参数优化中人工试错法和局部优化法的不确定性,以一种快速有效的优化方法搜索到水文模型参数的全局最优解。以安徽呈村流域为例,使用SCE-UA算法对新安江模型参数进行优化,日模型和次洪模型分别采用总体水量误差和对数绝对值误差作为目标函数,分析优化结果并对优化参数进行检验。经检验分析,日模型检验期确定性系数均达到0.8,次洪模型检验期确定性系数接近0.9。研究结果表明,采用SCE-UA算法优化新安江模型参数可以取得较好结果,目标函数的选择对参数优化有着重要作用。

SCE-UA算法在暴雨强度公式参数优化中的应用

针对暴雨强度公式的超定非线性等特点,提出了将SCE-UA算法应用于不同重现期的暴雨强度与降雨历时关系式中参数的优化,并与优选回归法、遗传算法、粒子群算法和蚁群算法的优化结果进行了分析比较。实例应用结果表明,该算法可有效、快速地搜索到参数组全局最优解,且稳定可靠,提高了暴雨强度公式参数优化的精度,较其他算法具有一定的优越性。

基于SCE-UA算法的API模型应用研究

为了减小Nash模型参数优化中人工试错法和局部优化法的不确定性，以一种快速有效的优化方法求Nash模型参数的全局最优解。以安徽呈村和榆村流域为例，使用SCE—UA算法对API模型参数进行优化，采用对数绝对值误差为目标参数，分析优化结果。选用1988年～1999年共20场洪水进行经检验分析，模拟结果确定性系数均达到0．8以上．其中场18洪确定性系数达到0．9以上。研究结果表明，采用SCE—UA算法对API模型参数优化可以取得较好的结果。提高了模拟精度。

基于SCE-UA算法的河网水系水闸调度模拟

建立福州市江北城区内河水系水动力水质耦合模型,利用SCE-UA算法对水闸调度参数进行优化。结果表明,SCE-UA算法可用于水文模型参数的率定和河网水系水闸调度系统优化参数的识别。在待优化的区域单独建模,将生态补水规划模拟计算结果为优化区域提供边界,结果使模型计算时间大大减少。将优化后的参数代入原模型进行检验,效果令人满意。

水库优化调度的Pareto强度值SCE-UA算法

提出求解水库优化调度问题的Pareto强度值SCE-UA算法,该方法将水库优化调度的约束优化问题转换成两个目标函数的无约束优化问题,一个为原问题的目标函数,另一个为违反约束条件的程度函数;对上述两个目标函数组成的向量个体,利用Pareto优于关系和个体Pareto强度值概念,实现个体的优劣比较和群体的优劣排序,在此基础上使用SCE-UA算法求解。这种算法不需要人工处理罚函数,具有较强的通用性、稳定性及更好的搜索性能。

基于SCE-UA算法的小麦穗分化期模拟模型参数优化

以河南省商丘市为研究区,首先采用OAT(One-at-a-time)方法对WheatGrow模型的输入品种参数进行敏感性分析,在此基础上以抽穗期的开始日期作为约束条件构建代价函数,引入SCE-UA(Shuffled complex evolution method developed at the University of Arizona)算法求解得到最优作物品种参数组合,并利用2015—2016年度和2016—2017年度田间实验资料对SCE-UA算法的有效性进行验证。结果表明,基本早熟性参数对穗分化期的模拟结果影响最显著,温度敏感性参数比光周期敏感性参数和生理春化时间参数具有更高的敏感度,生理春化时间的敏感度最低。基于优化后的参数得到的穗分化期模拟值与观测值之间的平均绝对误差(Mean absolute error,MAE)和均方根误差(Root mean square error,RMSE)均小于3 d,表明SCE-UA算法可以有效地获取WheatGrow模型最优品种参数组合。本研究可为WheatGrow模型品种参数的调整优化和模型的推广应用提供依据。

SCE-UA算法在水环境系统优化问题中的应用

把SCE-UA算法应用到水环境系统优化问题的求解中,通过对问题的预处理,求解3个典型的优化问题:①二维稳态水质模型横向扩散系数及流速推求;②排放口最优化处理;③水工建筑物优化调度。结果表明:SCE-UA算法不但能求解一元函数约束的优化问题,通过构造罚函数,还能够成功求解有多元函数约束的优化问题。认为该算法不依赖导数和优化问题的具体形式,所需参数极少,求解精度高,通用性较强,值得在环境系统优化中推广。

基于SCE-UA算法的新安江日模型参数优化稳定性分析

为了探讨水文模型参数优化结果在不同流域上的稳定性,采用SCE-UA算法优化了抚河流域内的娄家村、南丰、沙子岭子流域新安江日模型参数,以径流总量误差最小和纳什效率系数最大为目标函数,分别对参数优化结果进行分析。结果表明,其中有3个新安江日模型参数(上层张力水容量W_(WUM)、下层张力水容量W_(WLM)、张力水容量W_(WDM))在三个子流域上的率定结果的稳定性相差较大,有1个参数(表层自由水容量曲线方次E_(EX))率定结果有波动,剩余的12个参数的率定结果均较稳定。通过分析新安江日模型参数的稳定性,可为未来新安江模型参数优化的理论研究提供重要参考依据。

基于SCE-UA算法新安江模型在沣河流域的应用

为了探索人工试错法和基于SCE-UA算法的自动优选法这两种方法在混合产流地区的拟合效果,选取新安江模型对半湿润半干旱地区陕西沣河流域进行参数优化。探讨基于SCE-UA算法的新安江模型在沣河流域的适用性,重点分析了参数的变化情况,发现两种方法模拟的次洪参数SM、CS变化较大。研究结果表明:基于SCEUA算法的新安江模型在沣河流域适用性较好,相对人工试错法参数取值更加合理,提高了优化速度与模拟精度,具有简便、高效的特点。

基于SCE-UA算法的双超产流模型参数优化率定

水文模型参数率定的效率和精度对于模型的预报结果及准确性有直接的影响,采用SCE-UA算法对双超模型进行参数率定并结合汾河流域水文资料进行实例验证。结果证明,采用SCE-UA算法的率定结果合格、高效,可以作为双超模型参数率定的参考方法。

基于SCE-UA算法的多模式降雨集成预报技术研究

高精度的降雨预报对于防汛决策具有重要指导意义.以中国气象局GRAPES_MESO模式、中国气象局T639模式、美国国家环境预报中心GFS模式和上海区域中尺度SMS-WARMS模式为基础,采用SCE-UA算法估计各预报模式权重系数,通过加权平均建立多模式降雨集成预报,并以宁波市2016年8月1日至2016年10月31日和2017年9月1日至2017年11月30日的降雨过程为例,从均方根误差、相关系数、TS评分等多个方面分析集成预报的预报效果.结果表明:基于SCE-UA算法的多模式降雨集成预报的预报效果不仅优于各单一预报模式,而且优于遗传算法和BP神经网络集成预报,表现出较好的适用性.

SCE-UA算法在水环境系统优化问题中的应用

把SCE-UA算法应用到水环境系统优化问题的求解当中,成功求解了3个典型的优化问题:二维稳态水质模型横向扩散系数及流速推求、排放口最优化处理、水工建筑物调度参数识别.结果表明:该算法不但能求解一元函数约束的优化问题,通过构造罚函数,该算法还能够成功求解有多元函数约束的优化问题.该算法不依赖导数和优化问题的具体形式,并且参数极少,求解精度高,通用性较强,可高效识别水工建筑物的调度参数,在环境系统优化中有很高的推广价值.

地下水污染强度反演识别的SCE-UA算法

地下水污染在我国已经相当严重。通过水质监测点快速准确的确定污染源排放强度及其动态变化具有重要意义。基于SCE-UA优化算法,通过将地下水流和溶质运移数值模型耦合到优化模型,数值模型模拟计算的结果作为约束条件返回到优化模型中,优化过程通过SCE-UA算法进行反射、收缩和突变3个过程求解。实例分析表明:①在足够种群进化代数条件下,优化模型可以有效反演污染源排放强度及其动态变化;②优化模型对多污染源分别在稳定流和非稳定流下、定浓度和不定浓度排放的反演均可以有效、快速地搜索到全局最优解,具有较强的优化性能。

SCE-UA-PP水量分配模型及应用

基于公平和效率原则,构建水量分配指标体系和水量分配投影寻踪(PP)模型。利用SCE-UA算法对PP模型最佳投影方向进行优化,构建SCE-UA-PP水量分配模型,以文山州水资源三级区水量分配为例进行实例研究,并与分类权重法分配结果进行对比。结果表明:SCE-UA算法具有较快的收敛速度、较高的寻优精度和较好的收敛稳定性。SCE-UA-PP模型水量分配结果较目前分类权重法分配结果更科学、客观。模型及方法可为水量分配提供参考和借鉴。

基于API模型和SCE-UA算法的三湾水库产流预报模型研究

产流预报是水利工程设计和运行管理的重要内容。以辽宁丹东三湾水库为例,利用人机交互试错法与SCE-UA算法构建起基于API水文模型和SCE-UA算法的三湾水库产流预报模型。通过对2012~2016年23场洪水预报,合格率这87%,该模型对提高三湾水库的流域产流预报精度具有重要意义。

SCE-UA、遗传算法和单纯形优化算法的应用

简要介绍了在水文模型参数优选中有代表性的3个算法,即SCE-UA(Shuffled Complex Evolution)、遗传算法和改进的单纯形法,采用基于MATLAB的多次独立的复杂函数全局优化测验,并将3种方法应用于三水源新安江模型参数自动优选,对各优化算法的应用效果进行分析比较,并讨论各算法的收敛速度、计算量以及稳定性和有效性.结果表明SCE-UA综合了遗传算法和单纯形法优点,能够全局一致、快速地收敛到全局最优解,取得了较为满意的结果.

计及阀点效应负荷经济分配的SCE-UA算法

针对水火电能源丰枯、峰谷补偿特性,研究水火电力系统补偿调节机制,建立了基于SCE-UA算法解决水火电力系统短期联合优化调度模型,该模型以阀点效应下最小发电成本为目标函数,同时考虑了包括功率平衡、水量平衡、库容及发电机组功率限制等约束条件。本文用罚函数约束策略有效处理系统运行约束,实现对水火电联调系统运行区域的精确描述。为了说明SCE-UA算法的一致有效性,我们分别用SCE-UA和粒子群优化(PSO)两种算法对短期水火电优化调度问题进行求解。计算结果表明:粒子群算法(PSO)算法在求解过程中存在"早熟现象",无法寻找到全局最优解;而SCE-UA算法能在很少的迭代次数内收敛到较好的优化结果,同时满足水火电联调系统所有约束条件。因此,SCE-UA算法在求解以发电成本最小为目标函数的短期水火电优化调度问题上是非常有效的。

典型参数优化算法在新安江模型中的应用对比

为深入对比研究典型参数优化算法在新安江模型中的应用情况,选用4种典型优化算法:自适应遗传算法(AGA)、改进粒子群算法(IPSO)、SCE-UA和贝叶斯优化算法(BOA),每种算法重复运行50次,每次迭代300次,以安徽省黄山市呈村流域为研究区域对日尺度新安江模型参数进行率定。结果表明:IPSO优化新安江模型参数得到的流量模拟值与实测值拟合程度高且收敛速度较快;目标函数收敛值集中,有90%集中在0.158149~0.156727范围内;算法稳定性好,优化后的参数方差均值仅为0.049404。AGA和SCE-UA优化参数表现较IPSO差,较BOA好。BOA计算量小,但其收敛过程出现明显波动;目标函数收敛值分散在5个范围内;算法稳定性差,优化后的参数方差均值高达0.073751。