边坡稳定性的CPSO-BP模型研究

为了分析边坡的稳定性,利用协调粒子群算法和BP网络建立了边坡稳定性CPSO-BP预测模型。BP网络能够很好地描述边坡稳定性与其影响因素之间复杂的非线性关系,将内摩擦角、边坡角、岩石重度、边坡高度、黏聚力、孔隙压力比6个主要影响因素作为网络的输入,将边坡稳定性系数作为网络的输出。为避免BP网络陷入局部最优,利用协调粒子群算法的全局优化能力确定BP网络的连接权值和阀值,使BP网络的优势得到分发挥,达到提高模型预测精度目的。实例表明CPSO-BP模型有更好地预测精度以及将其应用于边坡稳定性预测是可行的。     

基于免疫粒子群算法的马斯京根模型参数识别

目前在河道汇流计算中广泛应用的是马斯京根模型,该模型参数的优化求解是影响能否精确模拟实测水文过程的关键问题.以往的模型参数求解大多采用试错法、矩法等方法,计算过程繁琐,计算精度不高,影响到模型的模拟精度.针对此类问题,笔者将免疫原理与粒子群优化算法有机结合.提出了免疫粒子群优化新方法,有效解决了传统方法的计算结果精度不高的问题,并在马斯京根模型参数优化求解中得以应用,结果表明免疫粒子群算法的计算结果精度令人满意,为河道洪水演算方面研究提供了一种新的研究方法和研究模式.     

SCE-UA算法在新安江模型及TOPMODEL参数优化应用中的研究

利用江西修水流域资料，将遗传算法和SCE—UA算法对新安江模型汇流参数及TOPMODEL参数进行优化，并对其结果进行了分析研究，得出了以场次洪水拟合的确定性系数为指标，用SCE—UA算法对TOPMODEL参数自动优化的结果比新安江模型的结果稍好的结论。     

分布式水文模型的GPU并行化及快速模拟技术

分布式水文模型对流域水文过程的应用深度及广度不断加深,常与数值天气及气候预报相结合,面临巨大的计算量。近年来GPU技术的进步使普通电脑能够实现高效而又廉价的并行计算。提出了资料插值、单元产流以及单元汇流采用GPU并行计算,马斯京根法河道汇流采用一种非并行的递归方法。基于笔记本电脑和NVIDIA GPU/CUDA结合C#语言,由分布式新安江模型在沂河流域的模拟应用表明,降水量空间插值及新安江产流的并行执行效率为普通CPU上C#的8~9倍。使用直接递归法实现马斯京根汇流演算比以往采用汇流次序表的执行效率提升0.5~0.9倍。     

流域水文模型的比较分析研究

许多流域水文模型的精度甚高,其主要计算结果如蒸散发、产流、水源划分与汇流也都很接近.这里有共同原因:蒸散发模型都应用了蒸散发能力与分土层计算,产流机制对湿润地区都采用蓄满型,分水源都采用线性水库结构,汇流都属于河网汇流性质.这样是符合水文规律的。但各个模型都有明显的参数不独立问题,其最优解很不唯一。造成不独立性的原因主要是分水源结构的并联性质,不是流量过程线不足以作为识别根据。汇流参数在一般范围内变化不影响分水源参数的解。参数不独立问题可以用结构性约束加以解决。应当把模型看成是水文规律的科学假设,在检验中改进,并促进水文科学的发展。     

基于粒子群优化的BP神经网络模型参考自适应控制系统

将粒子群优化的BP神经网络作为模型，参考自适应控制系统的控制器，把参考模型输出与系统实际输出的均方误差作为PSO-BP神经网络的适应函数，通过PSO算法强大的搜索性能使自适应控制系统的均方误差最小化。仿真实例结果表明，基于粒子群优化算法的BP神经网络自适应控制系统收敛快、精度高，有较好的网络的泛化和适应能力，能够很好地控制系统的输出跟随参考模型的输出。     

基于改进型前馈神经网络的流域产流预报模型的研究

在分析流域产流机制、影响因素和现行产流计算方法的基础上,首次取前期影响雨量、主产流历时、全过程面平均雨量和４个代表雨强计７个因子作为神经网络输入,直接以流域产流深作为神经网络输出,并针对传统ＢＰ算法的固有缺陷,采用混合ＧＮ－ＢＦＧＳ算法训练网络。实例验证了所建模型及算法的有效性和可行性。还对神经网络隐层单位数等进行了初步研究。     

基于变动饱和带的产汇流模型及其参数确定方法

当前分布式水文模型的参数确定仍主要依赖率定方式, 在缺资料地区应用受到限制。建立一种基于变动饱和带产流模式和网格水滴汇流方法的分布式产汇流模型, 提出利用下垫面特征来确定模型参数的方法。结合野外入渗试验和参数敏感性分析, 建立地表饱和水力传导度(K_0z)和饱和水力传导度随深度衰减系数(f)2个敏感性产流参数与地形参数、土壤类型数据的定量统计关系, 利用野外坡面流观测试验确定坡面汇流参数, 并在多个实际流域进行应用验证。结果表明: ①利用地形参数确定K_0z与使用遥感资料确定K_0z的模型精度进行对比, 在姜湾实验流域场次洪水模拟的平均确定性系数从0.82提高至0.86, 洪峰与洪量误差的平均绝对值分别降低了2.2%和0.95%, 但峰现时间误差平均绝对值增大了4%(仍控制在2 h内)。②建立姜湾等14个流域参数f率定值与不同深度土壤类型数据的定量关系, 移用至七邻等6个流域进行验证, 表明参数f关系式与模型率定的精度非常接近, 相对误差的平均绝对值为2.8%, 场次洪水模拟的平均确定性系数为0.83, 洪峰与洪量误差的平均绝对值为10.07%和6.86%, 峰现时间误差的平均绝对值为2.61 h。提出的敏感性产流参数确定方法与野外实测、模型率定、遥感资料推求等方式进行对比, 均具有较高的参数估计精度和场次洪水模拟精度, 在缺资料地区具有适用性。     

新型耦合数据驱动模型在降雨径流模拟中的应用研究

为解决传统数据驱动模型的不足,使其能实现降雨径流过程高精度连续模拟,提出新型耦合数据驱动模型——PEK,即:基于偏互信息的输入变量选择、基于新型集成神经网络的出流量预测和基于K最近邻模型的出流量误差预测。PEK模型具有以下特点:(1)提出了基于分离式选择策略和滑窗累积雨量的模型候选输入向量,并与基于偏互信息的输入变量选择方法联合使用,提高了输入信息的充分性和无冗余性,对建立精度高、泛化能力强的高质量模型意义重大;(2)提出了新型集成神经网络——EBPNN及其率定方法。联合使用NSGA-II多目标优化算法和早停止Levenberg-Marquardt算法,通过一次优化过程同时确定全局最优个体网络个数、各个体网络拓扑结构和网络参数。个体网络权重由基于AIC信息准则的权重优选方法确定。EBPNN在模拟精度和网络复杂度间取得了良好折衷,精度高、泛化能力强、率定结果客观;(3)PEK模型能够进行多步外推预报,实现了非实时校正模式下的高精度连续模拟,增长了预见期;(4)PEK模型不需要进行流域状态变量的计算,仅需初始出流量就可进行出流量的连续模拟。在呈村流域应用PEK和CLS两个数据驱动模型进行次洪降雨径流模拟及精度比较。结果表明PEK模型使用简便,模拟精度高于CLS模型,实现了多步外推的高精度连续模拟,增长了数据驱动模型的预见期。     

无资料地区水文模型参数移植不确定性分析

无资料地区降水径流模拟是水文学研究的国际前沿和热点问题。水文模型参数移植是无资料地区降水径流模拟的重要方法,对径流模拟精度具有重要的影响。利用核密度估计和蒙特卡罗随机模拟等方法,构建了一种水文模型参数移植误差驱动的无资料地区径流模拟不确定性定量评估框架。以广西壮族自治区42个有水文监测站点的典型中小河流为研究对象,率定新安江模型参数并模拟日径流和洪水过程,将42个典型流域依次假定为无资料流域,利用基于回归分析、相似流域和机器学习的参数移植方法,模拟无资料地区的洪水过程并识别最优的参数移植方法,分析移植法估算的模型参数值和直接率定值相比误差的概率分布特征,定量评估模型参数移植误差带来的径流模拟不确定性。研究结果表明：(1)基于回归分析的参数移植法模拟无资料地区洪水过程的精度优于相似流域法,优选的机器学习算法比传统回归分析法和相似流域法的计算精度提高了7%～15%;(2)与模型参数率定值相比,移植方法计算的模型参数具有一定的误差,对洪水模拟敏感参数的误差小于不敏感参数;(3)受模型参数移植误差的影响,利用蒙特卡罗法随机模拟的洪水过程具有一定的不确定性,洪量和洪峰相对误差的主要区间分别为10...     

坡地径流入渗机制对水文模拟的影响分析

建立了适用于栅格单元系统的基于运动波理论的降尺度新安江模型(KWXAJ)。在栅格单元中采用新安江模型计算产流,运动波模型进行坡面汇流演算。模型中,为考虑上游坡地单元入流的径流入渗(run-on)效应,在进行坡地产流计算时,降雨及上游坡面流及壤中出流被同时作为来水输入新安江模型。在运动波模型中,糙率系数依据土地利用方式及洪水量级确定。选取淮河史灌河流域黄泥庄以上集水区域,作为研究区域。用流域历史上的13次洪水过程来率定和验证此模型。研究表明,run-on机制对流域产汇流预测有重要影响,其显著影响流域内土壤蓄水量时空分布,进而改变产汇流机制。数据分析还显示,不考虑run-on机制将导致模拟洪峰滞后。     

喀斯特流域降雨-径流人工神经网络模型结构分析及模拟

喀斯特流域降雨-径流响应是一个非线性过程,分析确定地下河流量过程的主要影响因子对喀斯特流域水文过程模拟具有重要意义。本文利用普定后寨河流域实测降雨、径流系列资料,采用神经网络权重分析法确定该流域的人工神经网络模型结构为两个隐含层、三个输入变量,该人工神经网络模型结构可以保持降雨-径流模拟的稳定性。模型经交叉训练与验证,训练期效率系数（NSC）达0.9以上,验证期NSC达0.88以上。说明神经网络权重分析法能够较好地确立预报因子与预报对象的关系,为喀斯特流域降雨-径流模拟提供一种有效的分析手段。      

基于遗传算法的BP网络在黄河三门峡年径流量预测中的应用

提出了一种基于遗传算法(genetic algorithms,GA)的BP神经网络模型来进行径流量预测。此模型融合了遗传优化算法的全局寻优能力和BP神经网络的局部搜索的优势,有效地防止了网络陷入局部极小值,同时又保证了预测结果的精确性。仿真实验结果表明:在黄河三门峡1950~1985年年径流量预测方面,GA-BP模型预测的平均相对误差为5.67%,标准BP算法的模型平均预测误差为11.05%,说明提出的GA-BP径流量方法行之有效。     

滇中地区产汇流分析探讨

依据云南省滇中地区16个水文站共31年(1980~2010年)实测水文资料,应用二水源新安江模型进行降雨径流分析,用推理过程线法进行汇流分析,研究滇中地区产汇流参数地理变化规律,为无水文资料的中小河流开展水文计算和站网规划提供参考。研究结果表明:分析得出的参数具有一定的代表性,分析成果取得较好的效果。     

华北地区流域月降水径流模型比较研究

选择我国华北地区若干流域,建立了三个月降水径流模型——统计模型、比利时模型和新安江模型。分析结果表明;统计模型能较好地反映流域输出对输入的响应,新安江模型(改进后)则能较好地描述半干旱地区流域的产汇流特性,模型拟合效果也较好,而比利时模型,经初步应用,拟合效果比新安江模型差。     

集成BP网络在城市地下水水质评价中的应用

为了克服传统BP网络的不足,发挥共轭梯度法和梯度下降法各自的优势,本文介绍了在城市地下水水质评价模型中采用集成BP网络、用共轭梯度法和梯度下降法相结合的混合算法来训练网络的方法.通过实例表明,将此网络模型应用于城市地下水水质评价是有效的、可行的.     

基于统计理论的产流模型

提出了一个基于统计理论的产流模型,该模型考虑了降雨、土壤下渗能力及土壤蓄水容量的空间变异性。假定每个时段的降雨量在空间上可以用概率密度函数或分布函数描述,根据实测降雨资料通过统计拟合优度途径估计各时段降雨的空间概率分布;采用抛物线型函数分别描述土壤下渗能力和土壤蓄水容量的空间分布。按照超渗产流机制计算地表产流量,通过降雨量和土壤下渗能力的联合分布推导得到地表径流量的统计分布,进而得到平均产流量的解析表达式。下渗水量补充土壤含水量,假定满足田间持水量后形成地下径流,其产流量根据下渗量和土壤蓄水容量的空间分配曲线进行计算。以半湿润的黄河支流伊河东湾流域为例,对模型进行了验证和应用,并与新安江模型的结果进行了对比。结果表明,模型对所研究的半湿润区的洪水模拟预报有较好的模拟效果。     

基于DEM的分布式流域水文模型及应用

提出了一个基于数字高程模型(DEM)的分布式流域水文模型,主要用来模拟湿润地区的蓄满产流机制。通过建立土壤蓄水能力和地貌指数的关系来描述蓄水能力的空间分布。坡面流流向采用多向流法来决定。应用结果表明,该模型模拟流量过程的精度较高,与三水源新安江模型、TOPMODEL基本相当;而且模拟的土壤蓄水量的空间分布也基本符合水文规律。     

基于遗传算法的新安江模型日模拟参数优选研究

在概念性水文模型的参数率定中,目前还没有一个传统优化方法能够提供保证足够高效和稳定性的算法。为了克服传统优化方法中局部收敛性的缺点,近年来利用遗传算法通过计算机准确稳定地进行概念性水文模型的参数优选的尝试得到越来越多的重视和发展。目前优选水文模型待定参数,大多是从次洪模型的方面去讨论,有关日模拟模型的遗传算法参数优选讨论的较少。本文系统分析了基于遗传算法的新安江模型日模拟参数的自动优选,同时针对遗传算法在模型参数众多的情况下时间效率低下问题,通过利用新安江模型参数分层原理与模型参数敏感性分析对优选结果影响,提出一套简化的日模型参数遗传算法优选方案。经过流域模拟检验,该优选方案可行,运行效率高,可以作为类似模型遗传算法参数率定快速、有效的方案。