基于MOSCEM-UA算法的水文模型参数优化.pdfVIP

第41卷 第 19期 人 民 长 江 Vo1．41．NO．19 2010年 10月 Yangtze River 0et．． 2010 文章编号 ：1001—4179(2010)19—0095—05 基于 MOSCEM—UA算法的水文模型参数优化 王 宇 晖 ，雷 晓 辉 ，蒋 云钟 (1．东华大学 环境科学与工程学院，上海 201620； 2．中国水利水 电科学研 究院，北京 100038) 摘要 ：详细阐述 了水文模型参数多 目标 自动优化过程 ，并以此来评估水文模型在率定过程 中所体现 出来 的异 参 同效性 。采用集总式 Hymod模型研究海河流域宽城水文站以上流域。在模型参数优化率定过程 中涉及到 的主要模型参数有 ：土壤最大持水量 ，土壤持水量空间分布指数 ，快、慢速流分水系数 以及快、慢速流退水系 数。采用 了两个对立 目标 ，通过 MOSCEM—UA算法的多 目标参数优化 ，可以得到多个 目标空间的 Pareto解 集 、径流预测 区间和相对应的参数范围。 关 键 词 ：参数率定；多 目标优化 ；MOSCEM—uA算法 ；Pareto前沿；参数范围；径流 区间 中图法分类号 ：P334 文献标志码 ：A 在许多研究领域的建模过程 中，模型参数估计和 化，如 ：NSGA 及 NSGA 一 Ⅱ 、多 目标粒子群算法 优化是一个普遍存在的问题 ，例如 ：洪水的在线实时预 MOPSO等 。本文引入 MOSCEM—UA(Multi—objec— 报以及水文模型参数的确定等。参数率定的重要作用 tiveShumedComplexEvolutionMetropolis)方法 ，该 是对一个或多个 目标 (如模型模拟值与实测值的均方 方法具有迭代 效率高，逼近速度快等特点。MOSCEM 误等)搜索确定最适合该 目标 的最优参数… 。通常情 — uA是 由SCE—uA单 目标算法 改进 的多 目标启发 况下 ，水文模型的结构 比较 复杂 ，各有侧重点 ，且大 式算法，SCE—uA单 目标率定在国内外的应用领域颇 多是以非线性形式存在的。多 目标优化问题 中多个 目 为广泛，例如：马海波和董增川成功地将该算法运用于 标之间通常相互制约 ，如果对其 中一个 目标进行优化， TOPMODEL的半分布式水文模型参数率定 ；同时， 则可能会以牺牲其他 目标为代价。因此 ，很难正确评 张文明等采用了 MOSPO算法对新安江模型进行 的多 价多 目标问题解的优劣性 。同时，概念性水文模型 目标率定也取得了一定的效果。然而，用 MOSCEM— 对流域下垫面特征的考虑较少 ，即 ：不能直接利用空问 uA多 目标优化算法来 同时考虑两个对立 目标 的参数 信息差异计算获得真实的降雨产流情况 。因此，概 优化在 国内应用研究则相对较少。因此 ，本文将 MOS— 念性水文模型的参数值优选是决定模拟效果的重要因 CEM—uA应用于水文模型 Hymod的参数优化过程 素。在率定水文模型时 ，一般可 以通过手动调节参数 中，通过优化两个对立 目标，得出一组 Pareto非 劣解 ， 以获得理想的 目标值 ，但是手动参数率定消耗大量的 以此来讨论多 目标参数优化过程中目标间的相互制约 人力 ，工作重复性 、复杂度极高 。近年来 ，伴 随计算机 性和模型具有的异参同效性 。 技术高速发展，搜索合理参数的自动优选方法 ，并利用 1 水文模型的多 目标优化问题 计算机高速迭代来 实现参数优选则是理想 的优化方 案 。 水文模型的多 目标优化问题就是求在多个可变参