水文模型参数敏感性快速定量评估的rsmsobol方法 - 地理学报.pdfVIP

第66 卷第9 期 地 理 学 报 Vol.66, No.9 2011 年9 月 ACTA GEOGRAPHICA SINICA Sept., 2011 水文模型参数敏感性快速定量评估的 RSMSobol 方法 1 1 2 3 孔凡哲 , 宋晓猛 , 占车生, 叶爱中 (1. 中国矿业大学资源与地球科学学院, 江苏徐州221008; 2. 中国科学院地理科学与资源研究所陆地水循环及地表过程重点实验室, 北京100101; 3. 北京师范大学全球变化与地球系统科学研究院, 北京100875) 摘要：水文模型参数敏感性分析是模型不确定性量化研究的重要环节，其可以有效识别关键参 数，减少模型率定的不确定性，提高模型优化效率。然而如何快速有效地定量评估参数敏感性 已成为当前大尺度分布式水文模型优化的瓶颈。针对传统的全局定量敏感性分析方法在多参 数复杂水文模型的不足，本文采用基于统计学习理论的支持向量机 (SVM) 建立非参数响应曲 面(称为代理模型) ，再结合基于方差的Sobol 方法，建立了基于响应曲面方法的Sobol 定量全局 敏感性分析方法 (RSMSobol方法) ，实现复杂模型系统参数敏感性的快速定量化评估。本文选 用淮河流域的日尺度分布式时变增益水文模型进行实例研究，采用水量平衡系数 (WB)， Nash-Sutcliffe效率系数 (NS) 和相关系数(RC) 三个目标函数综合评价模拟效果。研究结果显示 RSMSobol方法在实现定量全局敏感性分析的同时降低了模型运行时耗，提高了模型评估效率， 且与传统定量方法Sobol 方法具有同样的评估效果。该方法的有效应用为大型复杂水文动力模 拟系统的参数定量化敏感性评价提供了参考，为模型参数进一步优化提供了可靠依据。 关键词：代理模型；响应曲面方法；敏感性分析；支持向量机；淮河流域 [1] 水文模型作为研究流域水文过程及其演化规律的重要工具 ，采用数学公式和物理方程 [2] 对高度复杂的水文过程进行概念化和抽象化。因此水文过程模拟必然存在极大不确定性 ， [3-4] 其来源主要有4 个方面 ：模型输入数据、用于率定的模型输出数据、模型参数以及模型结 构。为了得到可靠的模拟结果，参数识别、模型率定和不确定性量化成为模型构建的重要环 [5] 节 。在给定数据的条件下，参数识别与率定的关键就是要在模型复杂性与预测不确定性之 [6] 间找到较好的平衡 。对于一个参数众多的水文模型，率定过程则变得非常复杂，然而对模 型结果起决定作用的仅仅是少数的重要参数。为此开展水文模型参数敏感性分析也成为模 型率定优化的前提和必要条件，其可以有效评价模型参数对模型输出的贡献率和影响程 [7-8] 度 。 敏感性分析主要为了实现以下几个内容：1) 确定哪些参数是重要参数，对模型输出贡献 较大；2 )确定不同参数组合对模型模拟效果的影响，以验证模型参数之间的相互作用；3) 确 定不敏感参数，减少参数率定过程中的相关计算量及其不确定性。通常敏感性分析包括局 部敏感性分析和全局敏感性分析，局部敏感性分析只检验单个因子对模型的影响程度，由于 收稿日期：2011-05-02; 修订日期：2011-06-08 基金项目：国家水体污染控制与治理重