分布式水循环模型的参数优化算法比较及应用
分布式水文模型的优势在于还原水文过程的时空变异性,可以很好地模拟和反映各种水文要素和下垫面因素的时空分布不均匀性.由此也导致模型参数过多,在子流域过多的情况下,人工调节参数繁琐复杂,应用优化算法实现参数自动调节成为首选.本文选取石羊河流域九条岭站1988-2005年实测径流资料,分别应用SCE-UA算法、遗传算法(GA)和粒子群算法(PSO)对分布式水循环模型(时变增益模型)进行参数率定,对比3种算法的收敛速度、所需迭代次数和算法稳定性.结果表明:通过SCE-UA、GA和PSO的优化,模型水平衡系数都控制在0.0左右,而相关系数和效率系数分别能达到0.90和0.84以上,模拟精度较好.但粒子群算法的全局搜索能力和收敛速度优于SCE-UA和遗传算法,所需迭代次数最少,初值敏感性小,更适合时变增益模型的参数寻优,有很高的扩展性和改进潜力.
SCE-UA算法、GA算法、PSO算法、分布式水循环模型
35
国家973计划项目2012CB955304;国家自然科学基金面上项目41271005;国家973计划项目2009CB421403;武汉大学水资源与水电工程科学国家重点实验室开放基金2011B078
2013-12-13（万方平台首次上网日期，不代表论文的发表时间）
共7页
2217-2223
