水文模型参数优选遗传算法的应用_陆桂华_图文.docVIP

5　 实例应用 以新安江模型在江西大坳流域应用为例 , 说明上述 5 种优选方法的应用情况 。 为简单起见 , 关于大坳流域新安江模型的详细概念 , 在此不再多述 。表 4 为参数的变化范围 ( 值 域 。其中 , WM 为蓄水容量 , x 为上层蓄水容量系数 , Y 为下层蓄水容量系数 , KE 为蒸散发系数 , B 为蓄水容量曲线系数 , SM 为自由水蓄水容量 , EX 为自由水容量分布指数 , KI 为壤中流出流系 数 , KG 为地下径流出流系数 , IM P 为不透水面积比例 , C 为深层蒸散发系数 , CI 为壤中流消退系 数 , CG 为地下径流消退系数 , N 、N K 为纳希模型参数 。 表4　 参数值域 参数名称 最小值 最大值 WM X Y KE B SM EX CI CG IMP C KI KG N NK 30 220 0105 0150 011 019 0 2 0115 014 10 50 0105 210 015 110 015 110 0101 015 0101 013 012 015 012 015 1 10 1 20 　　 ( 1 目标函数 。在模型参数的优化识别中 , 目标函数的选取直接影响优化计算的结果和优化计 [9 ] 算的速度 。本文选用的目标函数考虑了流量量级 ( 门槛值 Qr 和不同目标函数权重系数 α, 即 n 1 f1 = i =1 n 2 [Q ∑ 0 ( i - Qc ( i ] 2 1 + ( j - Qc ( j ] 2 1 + Q0 - Qc Q0 Q0 - Qc Q0 　Q0 Qr 　Q0 ≤ Qr f2 = j =1 [Q ∑ 0 　　 总目标函数为 f2 } f = min{α f 1 + (1 - α ( 3 式中 : Q0 为观测流量 ; Qc 为模拟流量 ; Q0 为观测流量平均值 ; Qc 为人为设定的很小的流量 , 目的 是较好地模拟洪峰 。 n1 为 Q0 Qr 的资料数 ; n2 为 Qo ≤Qr 的资料数 , n = n1 + n2 为率定资料长度 。 从式 ( 3 可看出 , 对于不同的应用要求 , 可取不同的 Qr 和α值 。本文取 Qr = 0 , α= 1 。 ( 2 计算结果 。表 5 给出了 5 种算法在大坳流域新安江模型率定期 ( 1989～1996 、检验期 ( 1997 ～1998 的平均实测流量与平均计算流量比值 QoΠ Qc 及模型效率系数的计算结果 。 表5　 大坳流域新安江模型参数 5 种优选方法比较 方法 SAG A S RAG A JH AG A 目标函数值 01067 　 51 01068 　 01 01093 　 70 01067 　 77 01104 　 52 确定性系数 率定期 90184 90177 86177 90180 85183 水量平衡 Q oΠ Qc 全期 91137 91126 88192 91133 88124 检验期 92127 92108 92150 92122 92125 率定期 11000 11000 11001 11000 11002 检验期 11045 11051 11039 11050 11043 全期 11011 11013 11011 11013 11012 　　 从表 5 可以看出 , 在水文模型参数优选的各算法中 , 混合加速遗传算法 SAG A 的全局收敛性能比 其它 4 种算法好 。 就目标函数值来看 , 各方法的排序为 : SAG A J HA SA RAG A AG A 就全期效率系数来看 , 各方法的排序为 : SAG A J HA SA RAG A AG A 就水量平衡来看 : 误差超过 5 %的只有 SA , 而 J HA 刚好为 5 % , 其它方法水量平衡均合格 。 在综合考虑各评价标准的情况下 , 混合加速遗传算法 SAG A 是一种较好的并行优化方法 , 但其它 方法又在某一或某几个方面 ( 如最小目标函数值 、效率系数 、水量平衡系数 更优 , 如表 5 的 J HA 法 和 SA 法 , 虽目标函数值 , 效率系数比 RAG A 和 AG A 好 , 但水量平衡指标却没有 RAG A 和 AG A 好 。在 实际应用中 , 至于选哪一种方案 , 就要看具体情况 、具体要求而定 。 — 55 — 6　 结论 本文建立了适合于水文模型参数优选的混合加速遗传算法 SAG A , 通过 2 个数值实验和 1 个模型 实例 , 对 SAG A 、RAG A 、AG A 等 3 种遗传算法和 J HA 、SA 等 2 种常规优化算法进行了分析和比较 , 得出下列几点结论 : ( 1 水文模型的参数优选大都属于多峰问题 , 用遗传