基于NSGA-Ⅱ的水文模型参数多目标优化研究.pdfVIP

第43卷第2期 人 民 长 江 V01．43，No．2 201 2年1月 River Jan．，2012 Yangtze 文章编号：1001—4179(2012)02—0016一06 黄晓敏1，雷晓辉2，王宇晖1，蒋云钟2 2．中国水利水电科学研究院流域水循环模拟与 (1．东华大学环境科学与工程学院，上海201620； 调控国家重点实验室，北京100038) 摘要：为了对水文模型中难以直接测算的参数进行调试和优化，将带精英策略的非支配排序遗传算法(NSGA 一Ⅱ)应用于水文模型(HYMOD)参数多目标优化计算中，得到最优解Pareto集合。通过多目标距离函数法 从Pareto集中求出一组协调集。采用非支配解集覆盖度和非支配解的空间分布两个性能度量指标，对NSGA 一Ⅱ算法与多目标粒子群算法(MOPSO)的优化结果进行比较分析。结果表明，NSGA一Ⅱ优化得到的非支配 集比MOPSO算法得到的支配比例高；但前者的非支配解的空间分布较MOPSO算法相对均匀。 关键词：水文模型；多目标参数优化；遗传算法；非支配排序 中图法分类号：P334．92 文献标志码：A 自然过程中的降雨一径流过程被广泛简化和概化 z={戈l，戈2，…，并。}1 为多种水文模型¨。。然而水文模型中常常含有一些 其中，戈∈S={髫I 难以直接测算，只能通过试错法或者自动优化过程调 gi(省)≤0，I『=1，2，…，P} 试的参数。传统校准法是采用人工方法对参数进行调 整，存在花费大、时间长、正确率依靠经验等缺点。借 条件；S为可行解域。若目标函数中有两个变量u和秽， 助计算机功能强大和速度快的优势，采用自动优化法 如果任意i 进行模型校准工作时，具有相对客观并且容易操作的 优点，因而得到了广泛的应用心1。现在多种算法被应 z’∈S，并且不受其他解支配，那么戈’被称为多目标的 用于水文模型参数优化中，例如，非支配排序遗传算法 非支配最优解。非支配解集中的各个解之间是互不支 配的。对于多目标问题以戈)，非劣解集中的解可表示 (NSGA)[31，多目标粒子群算法(MOPSO)H。，以解决 为SO，且p：SO={戈∈S 水文模型中同时涉及相互冲突、相互竞争的多个目标 l、∈戈’∈S，／(石’)≤ 的优化问题。 以戈)}¨。。 本文对NSGA—II进行简要介绍，以汉江向家坪 2 NSGA—II算法 水文站上游流域为例，并将其应用于HYMOD参数多 目标优化计算中，并与MOPSO算法的计算结果进行 了比较分析。 行进化、快速非支配法对个体排序、拥挤距离法保持种 1 多目标优化问题 群的多样性程度。该算法的大致过程为：首先初始化 多目标优化问题(MOP)就是寻找一组可以使目种群，对每个个体进行非支配排序，将具有相同排序 标函数取得最大或最小值的参数。一般MOP的数学 号i的个体存入集合Fi。集合F。中的个体为种群中完 描述为： 全不被支配的解，集合F：中的个体受集合F。中的个 收稿日期：201l—10—08 第2期