论文部分内容阅读
提高径流模拟和洪水预报精度和效率对贯彻2011年中央一号文件精神,完成水资源监控能力建设项目,进一步丰富我国水资源监管信息意义重大。径流模拟和洪水预报主要依靠水文模型。新安江模型作为集总式水文模型的代表,EasyDHM模型作为新兴分布式水文模型的代表,作为本文研究对象。合理模型参数对提高径流模拟效果非常重要。粒子群算法(Particle Swarm Optimization,PSO)结构简单、收敛速度快,因而适宜解决水文模型参数率定问题。本文从三方面入手,提高水文模型径流模拟和洪水预报精度和效率。常用PSO算法的参数设置对特定优化问题,如水文模型参数率定,不具普适性。为分析粒子群参数设置对新安江模型模拟结果的影响,本文设计了正交试验。试验得出了适于新安江模型参数率定的最优PSO参数组合方案(pop=80,w=1.3~0.4线性递减,c1=1.85,c2=2.5,m=0.05),并分析出种群规模和惯性权重对模型模拟结果具有高显著性影响。本文证明了合理的PSO算法参数设置可以有效提高新安江模型模拟精度。本文从改变惯性权重取值策略入手,提出了一种改进粒子群算法(Improved Particle Swarm Optimization,IPSO)。该算法中所有粒子被分为四部分,分别采用常数惯性权重、时变惯性权重、随机惯性权重和自适应惯性权重策略更新速度,并且这四种取值策略平行计算。通过数值试验和在新安江模型参数率定中的应用,从模拟结果、收敛值质量、收敛速度和算法稳定性四个方面的综合表现来看,IPSO算法相比于其他4种经典PSO算法的表现更优秀。为验证IPSO算法的适用性,不仅应用其解决新安江模型的参数率定问题,还应用其解决参数较多的、分布式的EasyDHM模型的参数率定问题。对汉江上游11个重要断面的具有代表性的50场洪水进行洪水预报,84%的洪水水量平衡误差小于0.2,71%的洪水纳什效率系数高于0.7,84%的洪水洪峰流量模拟合格,90%的洪水无峰现时间误差。总体来说IPSO算法适用于解决EasyDHM模型的参数率定问题。将IPSO算法与PSO算法进行比较,有70%的概率IPSO比PSO算法更适用于EasyDHM模型。当洪水径流量小于等于10000(m~3/s)或大于等于30000(m~3/s),有必要以IPSO替代PSO算法进行EasyDHM模型的参数率定。