基于BP神经网络的MIKE SHE模型参数率定

摘要：

为了更精细地对水文全过程进行描述和解析,更准确地构建分布式水文模型,以丹麦Karup流域为例,对MIKE SHE模型的饱和导水率、饱和带水平水力传导系数、河床透水系数进行了参数率定,模拟流域的日径流过程.结果 表明:基于BP神经网络反分析的参数率定方法比MIKE SHE模型参数自动率定计算得到的均方根误差RMSE小,模型效率系数Ens更接近l;采用BP神经网络反演率定参数后,3组测试样本的日径流模拟过程的RMSE分别为0.04,0.03,0.08m3/s,Ens均为0.99,且模拟结果能较好地反映径流的实际变化趋势因此,这种基于BP神经网络反分析的参数率定方法对构建分布式水文模型具有一定的价值.

关键词：径流模拟、参数率定、MIKE SHE模型、BP神经网络、反分析、均匀设计、丹麦Karup流域

所属期刊栏目：36

分类号：P334.92(水文科学（水界物理学）)

在线出版日期：2019-06-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：26-30