基于改进自适应遗传算法的新安江模型参数率定研究

模型参数率定是提高水文模型模拟效果的重要手段,通过研究一种改进的自适应遗传算法(IAGA)对新安江模型参数进行优化率定,解决传统遗传算法初始种群质量不高、容易早熟收敛、局部搜索能力差等问题。该算法利用混沌变量遍历性特点,随机生成初始种群并选优,提高初始种群的个体质量;针对交叉与变异的进化过程,设计了反映种群离散程度的种群目标函数离散系数,利用该系数构建了自适应调整交叉与变异概率算子,防止遗传算法过早收敛;依托环形交叉算子,提高算法全局搜索能力;采用自适应非均匀变异算子,实时优化算法的局部搜索能力,避免陷入局部最优。将自适应遗传算法、传统遗传算法(GA)和自适应遗传算法(AGA)应用于秦淮河流域新安江模型的参数率定,并从率定的收敛性、耗时、稳定性和效果方面进行算法的性能比较,结果表明:IAGA算法具有更优的寻优能力,更好的收敛结果,更高的稳定性和精度,场次洪水的模拟效果优于GA算法和AGA算法,率定期与验证期确定性系数(R2)均在0.85以上,纳什效率系数(NSE)均在0.8以上,总体达到了水文预报的乙级标准。结果表明采用上述的综合手段改进传统遗传算法是可行的,改进后的IAGA算法具有良好的应用前景,为新安江模型的自动率定提供了一种有效的途径。

CASC2D分布式水文模型异构并行算法研究

针对CASC2D模型精细化水文模拟时面临的计算耗时长、效率低等问题,在保持产汇流算法和流域拓扑结构的基础上,采用CPU+GPU的异构并行算法对CASC2D模型程序进行重新设计和优化,模型程序中的降雨、产流、坡面汇流和河道汇流过程均优化为并行计算,以提高CASC2D模型的计算效率。将优化后的CASC2D模型应用于前毛庄流域的洪水流量过程模拟,计算结果与原CASC2D模型保持一致。在栅格分辨率为30 m,计算步长为3 s时,与原CPU串行计算方法相比,并行加速比达到34倍以上,并且栅格单元数据精度越高,加速比提升越明显。异构并行算法可在不降低模拟精度的条件下显著提升CASC2D模型的计算效率,满足实时水文预报的应用需求。

数字孪生秦淮河流域防洪四预平台建设与应用

为实现秦淮河流域水灾害防御精准化预报预警和智能化调度决策,在梳理秦淮河流域防洪现状的基础上,对照水利部数字孪生流域先行先试建设要求,利用空天地立体监测、数据规律挖掘与知识发现、水利动态知识图谱、水文-水动力多要素过程互馈机制与模型耦合、模型参数优选与动态校正、多目标动态决策与方案智能生成、洪水风险分析评估等关键技术,将防洪四预过程贯穿于业务流程中,建立了面向流域防洪减灾的四预平台,并利用流域历史洪涝场景及防汛演练过程验证了平台的可用性。结果表明:防洪四预平台能够实现对秦淮河流域的实时监控、发现问题、优化调度,达到风险提前发现、预警提前发布、方案提前制定、措施提前实施的目的。研究成果可为其他数字孪生流域防洪建设提供思路和参考。