基于神经网络与半分布式水文模型相结合的缺资料区径流估计模型.pdfVIP

( ) 201606 北京师范大学学报 自然科学版 () ( ) 1 523 JournalofBeiin NormalUniversit NaturalScience jg y 基于神经网络与半分布式水文模型 相结合的缺资料区径流估计模型 * ———以莺落峡流域为例 ,) ) ,) 刘 双12 谢正辉1† 曾毓金12 ( ) , , ; 1中国科学院大气物理研究所 100029北京 ) , , ) 2中国科学院大学 100029北京 , , 摘要 针对缺资料区黑河上游莺落峡流域海拔较高区域降水缺测 基于半分布式水文模型 利用神经 TOPMODEL ( ) , 网络 ANN 融合海拔较高区模拟降水与流域稀疏站点观测作为降水输入计算产汇流 并利用粒子群优化算法进行参数 , 全局优化以同时率定 与 参数 从而构建基于 与半分布式水文模型 相结合的径 TOPMODEL ANN ANN TOPMODEL — , — 流估计模型 P-NN-TOP.利用 1990 1995年莺落峡水文控制站观测日径流进行模型进行参数率定 利用 1996 2000年 , — : 的相应观测进行模拟验证 并借助所发展模型 对 年的日径流进行估计与分析 结果表明 在模 P-NN-TOP 2001 2010 . , , 型率定和验证期 新发展的P-NN-TOP模型较其他模型表现出明显的优势 在观测站点稀疏情况下能较好地融合站点 ; , 观测和模式模拟信息 并在兼具输入数据可获取性的同时提高了径流模拟的精度 此外 结果还显示 年为模拟与观