多目标进化算法在新安江模型参数率定中的应用比较研究

为了克服传统优化技术在新安江模型参数率定中收敛慢、不稳定等缺点,近年来利用进化算法在水文模型的率定中得到越来越多的重视和发展.但对它们优选效果的比较讨论却非常少见.本文根据三水源新安江模型特点,以洪峰流量.峰现时间和洪水总量为优化目标,采用NSGA-Ⅱ、SPEA、PESA三种经典算法,通过对三种算法产生的非支配集进行算法评价,并比较了三种算法产生非支配集的收敛性与分布性,结果表明NSGA-Ⅱ在总体上最优.     

概念性流域水文模型参数多目标优化率定

针对传统基于单一目标的水文模型参数优化率定方法不能充分挖掘水文系统不同动态行为特征的缺陷,提出一种多目标文化混合复形差分进化算法(Multi-objective Culture Shuffled Complex Differential Evolution,MOCSCDE)用于求解水文模型参数多目标优化问题。MOCSCDE算法将混合复形进化算法(Shuffled Complex Evolution,SCE-UA)置于文化算法(Cultural Algorithms,CA)进化的框架中,利用种群进化过程中提取的各种知识指导算法的运行,提高算法的运行效率,同时考虑到SCE-UA中单纯形算子不能充分利用种群个体信息的不足,采用全局搜索能力强的差分进化算法(Differential Evolution,DE)替代单纯形算子,可以更加充分利用种群个体信息进行演化计算,进一步提高算法的计算效率。将MOCSCDE算法应用于概念性水文模型——新安江模型的参数多目标优化率定,并与NSGA-Ⅱ和SPEA2算法进行对比分析,结果表明MOCSCDE算法的收敛性和分布性均优于NSGA-Ⅱ和SPEA2,可为水文预报提供更为全面可靠的参数组合决策依据。     

三峡梯级枢纽多目标生态优化调度模型及其求解方法

针对三峡梯级枢纽综合效益的充分发挥及其对长江流域典型生态系统修复及持续改善的科学需求,通过分析发电效益与生态效益之间的制约竞争关系,以发电量最大和生态缺水量最小为目标建立了梯级电站多目标生态优化调度模型,对三峡梯级枢纽多目标生态优化调度进行了研究。同时,针对传统优化方法难以同时处理多个调度目标的固有缺陷,提出一种改进多目标差分进化算法对所构建模型进行高效求解。该方法针对差分进化算法在多目标协同优化和全局寻优能力等方面的不足,依据问题的特点重新设计了差分进化算法的进化算子,同时设计了一种多目标混沌搜索策略以加强算法的局部搜索能力。最后,依据多目标生态优化调度问题的特点设计了一种不需要设置惩罚因子的约束处理方法。通过三峡梯级枢纽多目标生态优化调度的实例应用,验证了本文所构建模型的合理性以及所提出算法的有效性和工程实用性。     

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。     

浙江省东苕溪瓶窑站变动权重新安江三水源模型的研究

东苕溪作为浙江省防汛重点，防汛水文人员一直在不断研究改善洪水预报模型，以满足防汛指挥调度要求日益提高的需要。结合流域实际，对新安江三水源模型进行了改进，并研制了流域控制站——瓶窑站变动权重新安江三水源模型，使用效果比较满意。     

新安江模型理论研究的进展与探讨

回顾了新安江模型发展的历程,指出在具有物理基础的分布式水文模型发展遭遇理论瓶颈的背景下,可重新审视新安江等概念性模型的重要作用和地位。文章介绍了近年来新安江模型在结构、理论方法及应用等方面取得的进展,认为新安江模型是一个不断发展的模型理论体系。新安江模型理论的创新首先需秉承其理论的特色,即蓄满产流及以统计曲线形式表达的部分产流的概念,可用山坡水文的理论和发现指导模型创新,并采取野外实验、理论分析与计算机建模三者并重的理念。     

梯级水电站多目标发电优化调度

以发电量和保证出力为目标建立梯级水电站的多目标发电优化调度模型,对三峡梯级中长期发电优化调度进行研究。针对传统方法求解多目标优化问题的局限,提出一种强度Pareto差分进化算法(Strength Pareto Differential Evolution,SPDE)用于求解梯级水电站的多目标发电优化调度问题。SPDE以差分进化算法(Differential Evolution,DE)为基础,采用SPEA2的适应度评价方法,并根据多目标优化的特点对DE的进化算子进行修正。同时,提出一种自适应柯西变异策略(Adaptive Cauchy Mutation,ACM)用于克服算法的早熟收敛问题。三峡梯级水电站实例研究结果表明,SPDE可同时考虑两个目标并有效处理复杂约束条件,一次运行即可得到一组在各目标分布均匀、分布范围广的非劣调度方案供决策者评价优选。     

概念性水文模型多目标参数自动优选方法研究

以三水源新安江模型为例，研究探讨了概念性水文模型多目标参数自动优选方法。目标函数综合考虑了水量平衡、确定性系数、洪峰和枯水流量过程。通过对目标函数的不同组合方式，分别率定模型参数和分析比较结果。研究表明，多目标参数自动优选方法综合考虑了水文过程的各种要素，优于传统的单目标优选结果，具有较高的模拟预报精度。     

人工神经网络模型与新安江模型的应用比较

新安江模型是我国研制的经典的概念性流域水文模型,其参数往往通过人工试错法进行率定,在洪水的实时预报中需建立误差自回归模型来修正预报值.人工神经网络模型是一种数据驱动模型,它可以通过算法调节权值和偏王值来模拟信息,实现了模型参数的自动率定.在实时预报的应用中,人工神经网络模型可以根据计算误差调节权值和偏置值,反映水文过程的时变性,模型结构显得更加简洁.本文将两种模型应用于潢川流域并作比较.它们的预报结果都达到了作业预报要求.在实际应用中可以根据资料情况选择模型进行洪水预报.     

GR3模型和新安江模型在我国的对比研究

GR3模型结构简单,只有3个可自动优选的参数,已在欧洲、非洲、南美等地取得理想的应用效果。为验证其在我国的适用性,特选择分布于长江、黄河、淮河、松花江水系的7个代表流域,与国内普遍应用的三水源新安江模型进行对比。结果表明,GR3模型可媲美新安江模型,在我国具有相同的适用性。     

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。     

水文模型参数多目标率定及最优非劣解优选

针对概念性水文模型参数众多、相互制约,且多目标参数优化率定最优参数求解困难、易受决策者主观因素影响的问题,采用多目标优化算法对水文模型参数进行率定,得到模型参数最优非劣解集,在此基础上,引入最小最大后悔值决策理论,并结合Pareto支配基本理论,提出了一种多目标最优非劣解选取准则。以柘溪流域为研究对象,采用三目标MOSCDE优化率定新安江模型的参数,并与单目标SCE-UA优化结果进行对比分析。结果表明,提出的非劣解选取方法可以有效从大规模非劣解集中筛选出最优非劣解,大大缩短参数率定耗时。     

The Potential of Fuzzy Multi-objective Model for Rainfall Forecasting from Typhoons

This study applies the fuzzy multi-objective approach to forecast short-term (around 24 h) typhoon rainfall, which can be implemented without much background meteorological knowledge. The physical characteristics of 40 typhoons, including route, central pressure, central velocity and cyclonic radius, were used as the data set. The fuzzy multi-objective method mined information from the database to forecast both the depth and pattern of rainfall, which were then combined to estimate a cumulative rainfall curve. The results of calibration with reference to 40 historical typhoon events and the results of validation using another five typhoon events indicate that the proposed model has the potential to forecast short-term cumulative rainfall curves if more variables can be included and more historical typhoon events can be collected to enlarge the database.     

信息熵在新安江模型和NAM模型比较中的应用

选取资水流域新宁水文站以上集水面积为研究区域,基于空间分辨率为30s的数字高程模型数据构建数字流域水系,运用新安江模型和NAM模型分别对新宁站的日径流过程进行模拟。采用确定性系数和信息熵对两个模型的模拟结果进行比较分析。在信息熵计算过程中,以实测流量为标准序列,计算两种日模型模拟结果与实测序列残差,然后进行归一化,计算潜在信息测度和信息熵相对测度。信息熵越大表明流量计算序列与实测序列过程线在垂向上相似性强,但这并不代表确定性系数大、径流深相对误差小。     

IHACRES模型在无资料地区径流模拟中的应用研究

IHACRES模型以单位线为基础,结构简单、概念明确、优选参数少,在国外已被广泛研究和应用,并认为是一个相当成功的流域水文模型。选择石门、高关、白云山水库流域以及汉江支流牧马河四个流域,假定其中一个流域有实测资料,对模型进行参数优选之后移用于其它流域,分别运用 IHACRES模型和新安江模型进行径流模拟。结果表明,IHACRES模型模拟精度高于新安江模型, 对无资料地区的径流模拟更为适用。     

水文模型参数区域化研究进展

参数区域化方法是解决资料缺乏地区水文模拟和预报的有效手段,主要包括回归法、空间邻近法和属性相似法三类方法,可将有资料流域的水文模型参数移用到资料缺乏流域。首先回顾了区域化方法的基本原理和应用方法,并分析了三类主要区域化方法的适用性。从流域特征因子、水文模型及参数、不确定性探讨三个方面综述了区域化方法的研究进展。分析发现,当前区域化方法缺乏完善的理论基础,流域特征因子选择存在主观性,水文模型及参数的适用性方面研究不足。最后展望了未来的研究重点：（1）多维度适用性比较;（2）水文过程和参数的空间分布规律;（3）参数的尺度问题;（4）参数区域化的不确定性问题。     

基于流溪河模型的新丰江水库入库洪水预报模型研究

基于流溪河模型构建了不同空间分辨率的新丰江水库入库洪水预报模型,采用粒子群算法优选模型参数进行洪水模拟,对比实测资料验证了模型性能。结果表明,建立的新丰江水库入库洪水预报流溪河模型模拟效果优良,符合新丰江水库入库洪水预报的精度要求,可用于新丰江水库入库洪水预报：90 m空间分辨率的模型模拟效果最好,200 m空间分辨率的模型也具有良好的模拟性能,500 m空间分辨率的模型模拟性能有明显降低。模型计算工作量随分辨率的提高呈指数增加,90 m空间分辨率的参数优选时间是200 m空间分辨率参数优选时间的7.04倍,而200 m空间分辨率的参数优选时间是500 m空间分辨率参数优选时间的3.53倍。