10.13476/j.cnki.nsbdqk.2023.0046
基于智能聚类识别的SWAT模型参数优化方法——以石头口门水库流域为例
为探究SWAT模型参数优化过程与方法,降低参数估计不确定性,采用敏感性分析方法遴选关键参数,针对关键参数采用拉丁超立方抽样构建参数样本集,进而结合各组关键参数组合下的模拟精度指标构建聚类指标集,采用SOM聚类算法进行聚类,并基于模拟精度较高且波动较小类别识别各关键参数取值范围,形成一种SWAT模型关键参数优化系统方法.以石头口门水库流域为例,选取1980-2016年(1980-1986年为预热期,1987-2009年为率定期,2010-2016年为验证期)的月径流实测资料,建立流域SWAT模型,引入SOM聚类算法进行参数优化,不断缩小模型关键参数合理取值区间,并应用SUFI-2算法进行模拟结果对比.结果表明:SWAT模型适用于石头口门水库流域,且参数优化前验证期的决定系数R2为0.79,纳什效率系数ENS为0.74,P-factor为0.65,R-factor为0.56;参数优化后验证期R2为0.88,ENS为0.83,P-factor为0.70,R-factor为0.50,模拟效果较好.故应用SOM算法进行SWAT模型参数优化可以降低模型不确定性,提高径流模拟精度,为水文模型参数优化算法的选择提供思路,对水资源管理政策制定与水库优化调度具有重要意义.
SWAT模型、SOM算法、聚类分析、参数率定、参数优化、石头口门水库
21
TV121(水利工程基础科学)
国家自然科学基金;吉林省科技厅重点研发项目
2023-07-26(万方平台首次上网日期,不代表论文的发表时间)
共13页
457-469