分布式水文模型由于参数众多,各参数之间不能完全独立,在参数自动率定中存在部分参数的优选过程相互抑制情况。以WEP-L(Water and Energy transfer Process in Large river basins)分布式水文模型为例,基于GLUE算法推求模型参数的后验分...分布式水文模型由于参数众多,各参数之间不能完全独立,在参数自动率定中存在部分参数的优选过程相互抑制情况。以WEP-L(Water and Energy transfer Process in Large river basins)分布式水文模型为例,基于GLUE算法推求模型参数的后验分布,将参数全局敏感性分析的Sobol方法与概念性水文模型的参数区间优选方法相结合,给出了在较少参数采样次数条件下分布式水文模型不完全独立的多参数自动优选方案,并在白河流域进行了应用。结果表明:(1)用GLUE算法推求参数后验分布,结合Sobol分析及参数的区间优选方法,可对WEP-L实现参数自动率定,模拟精度能达到0.633;(2)将Sobol全局敏感度分析与参数的区间优选方法相结合,可进一步优化参数区间确定的原则,提高模拟的精度。研究结果可为分布式水文模型的参数率定提供借鉴。展开更多
针对具有物理机制的分布式水文模型对大流域、长序列模拟计算时间长、模拟速度慢的问题,引入基于GPU的并行计算技术,实现分布式水文模型WEP-L(water and energy transfer processes in large river basins)产流过程的并行化。选择鄱阳...针对具有物理机制的分布式水文模型对大流域、长序列模拟计算时间长、模拟速度慢的问题,引入基于GPU的并行计算技术,实现分布式水文模型WEP-L(water and energy transfer processes in large river basins)产流过程的并行化。选择鄱阳湖流域为实验区,采用计算能力为8.6的NVIDIA RTX A4000对算法性能进行测试。研究表明:提出的基于GPU的分布式水文模型并行算法具有良好的加速效果,当线程总数越接近划分的子流域个数(计算任务量)时,并行性能越好,在实验流域WEP-L模型子流域单元为8712个时,加速比最大达到2.5左右;随着计算任务量的增加,加速比逐渐增大,当实验流域WEP-L模型子流域单元增加到24897个时,加速比能达到3.5,表明GPU并行算法在大尺度流域分布式水文模型计算中具有良好的发展潜力。展开更多
为探究变化环境下农牧交错带水文循环演变规律,以毛乌素沙地为研究区域,采用地质、水文、气象、人工取用水等数据构建了地表水(Water and Energy transfer Processes in Large river basin,WEP-L)-地下水(Visual Modular Finite Differe...为探究变化环境下农牧交错带水文循环演变规律,以毛乌素沙地为研究区域,采用地质、水文、气象、人工取用水等数据构建了地表水(Water and Energy transfer Processes in Large river basin,WEP-L)-地下水(Visual Modular Finite Difference Groundwater Flow,Visual-MODFLOW)联合模拟模型,基于白家川水文站地表水月径流量和地下水位数据,对模型参数进行率定和验证。结果表明:WEP-L模型率定和验证期月径流过程的模型模拟的结果NSE都在0.40以上,R2都在0.65以上,相对误差都控制在±15%以内,模型对白家川水文站枯季月径流量过程模拟较为准确。Visual MODFLOW模型模拟的研究区域内4个代表井模拟时段内地下水位模拟值与实测水位的R2基本都在0.58以上,MAE小于0.3 m,RMSE在0.028~0.265 m之间,表明建立的地表水-地下水模型可用于毛乌素沙地水文循环过程分布式模拟。基于此,进一步探究毛乌素沙地地表水-地下水空间分布特征。结果表明:毛乌素沙地不同区域的地表径流量和地下水位差异性显著,地表径流量大的地方地下水位低。2019-2020年毛乌素沙地径流量减小,但空间分布基本一致,呈现从西到东逐渐增加的趋势,且沙地东南角的径流量最大;2019-2020年沙地地下水位几乎不变,表明地下水的补给量和开采量基本一致,空间上,沙地东南、东北角相邻地区的地下水位的差值较大,水位下降速度较快,与地形变化类似。研究成果可为农牧交错带农业用水配置,区域水资源规划与管理提供科学支撑。展开更多
文摘分布式水文模型由于参数众多,各参数之间不能完全独立,在参数自动率定中存在部分参数的优选过程相互抑制情况。以WEP-L(Water and Energy transfer Process in Large river basins)分布式水文模型为例,基于GLUE算法推求模型参数的后验分布,将参数全局敏感性分析的Sobol方法与概念性水文模型的参数区间优选方法相结合,给出了在较少参数采样次数条件下分布式水文模型不完全独立的多参数自动优选方案,并在白河流域进行了应用。结果表明:(1)用GLUE算法推求参数后验分布,结合Sobol分析及参数的区间优选方法,可对WEP-L实现参数自动率定,模拟精度能达到0.633;(2)将Sobol全局敏感度分析与参数的区间优选方法相结合,可进一步优化参数区间确定的原则,提高模拟的精度。研究结果可为分布式水文模型的参数率定提供借鉴。
文摘针对具有物理机制的分布式水文模型对大流域、长序列模拟计算时间长、模拟速度慢的问题,引入基于GPU的并行计算技术,实现分布式水文模型WEP-L(water and energy transfer processes in large river basins)产流过程的并行化。选择鄱阳湖流域为实验区,采用计算能力为8.6的NVIDIA RTX A4000对算法性能进行测试。研究表明:提出的基于GPU的分布式水文模型并行算法具有良好的加速效果,当线程总数越接近划分的子流域个数(计算任务量)时,并行性能越好,在实验流域WEP-L模型子流域单元为8712个时,加速比最大达到2.5左右;随着计算任务量的增加,加速比逐渐增大,当实验流域WEP-L模型子流域单元增加到24897个时,加速比能达到3.5,表明GPU并行算法在大尺度流域分布式水文模型计算中具有良好的发展潜力。
文摘为探究变化环境下农牧交错带水文循环演变规律,以毛乌素沙地为研究区域,采用地质、水文、气象、人工取用水等数据构建了地表水(Water and Energy transfer Processes in Large river basin,WEP-L)-地下水(Visual Modular Finite Difference Groundwater Flow,Visual-MODFLOW)联合模拟模型,基于白家川水文站地表水月径流量和地下水位数据,对模型参数进行率定和验证。结果表明:WEP-L模型率定和验证期月径流过程的模型模拟的结果NSE都在0.40以上,R2都在0.65以上,相对误差都控制在±15%以内,模型对白家川水文站枯季月径流量过程模拟较为准确。Visual MODFLOW模型模拟的研究区域内4个代表井模拟时段内地下水位模拟值与实测水位的R2基本都在0.58以上,MAE小于0.3 m,RMSE在0.028~0.265 m之间,表明建立的地表水-地下水模型可用于毛乌素沙地水文循环过程分布式模拟。基于此,进一步探究毛乌素沙地地表水-地下水空间分布特征。结果表明:毛乌素沙地不同区域的地表径流量和地下水位差异性显著,地表径流量大的地方地下水位低。2019-2020年毛乌素沙地径流量减小,但空间分布基本一致,呈现从西到东逐渐增加的趋势,且沙地东南角的径流量最大;2019-2020年沙地地下水位几乎不变,表明地下水的补给量和开采量基本一致,空间上,沙地东南、东北角相邻地区的地下水位的差值较大,水位下降速度较快,与地形变化类似。研究成果可为农牧交错带农业用水配置,区域水资源规划与管理提供科学支撑。