SWAT模型参数率定和验证.pptVIP

参数敏感性分析 ? 对于径流： CN2 、 sol_awc 、 ESCO 最敏感 ? 对于泥沙： CN2 、 SPCON 、 BIOMIX 最敏感 ? 对于氮磷等污染物： CN2 、 ESCO 、 Alpha_Bf 、 surlag 等参数比较敏感 Out 1 Out 2 Out 3 Out 4 Out 5 Out 6 Out 7 Out 8 Out 9 参数 6 11 3 3 4 4 3 4 5 ALPHA_BF 3 5 6 6 9 5 6 5 6 ESCO 1 1 2 1 1 2 2 1 1 CN2 2 4 5 5 2 3 5 6 3 SOL_AWC 16 6 7 7 7 6 7 7 7 surlag 4 9 10 11 6 10 10 10 12 Sol_z 17 3 4 4 23 8 4 3 4 BIOMIX 13 7 1 9 5 15 1 2 10 SOL_ORG N 自动校核 ? 单击 Tools 菜单下的 auto-calibration and uncertainty ，弹出下图所示对话框 自动校核 ? 根据敏感性分析结果选择参数 ? 选择子流域 14 进行自动校核 SWAT 模型参数敏感性分析 与参数率定 主要内容 1 、参数敏感性分析与校核原理 2 、利用界面进行参数率定 3 、 swat-cup 参数率定和验证 4 、应用实例 参数敏感性分析 ? 模型通过自带的 LH-OAT （ Latin Hypercube One- factor-At-a-Time ）敏感性分析方法和 SCE-UA （ Shuffled Complex Evolution ）自动校准分析方法来 率定敏感性参数的取值 ? Latin-Hypercube ? 基于蒙特卡洛模型，但基于统计抽样方法 ? 把每个参数分布划为 N 个空间，随即抽样，每个空间 的被抽到的概率为 1/N ，参数随机组合，模型运行 N 次 ? 模型结果利用多参数线性回归或相关分析方法分析 ? 不足： 多元回归 分析的前提假设为线性变化， 可能导 致偏差 ? 输出结果的变化并 不总能明确地归因于某一特定输入 参数值的变化 参数敏感性分析 ? One-factor-At-a-Time sampling ? 运行一次只改变一个参数 ? 某一特定输入参数值的变化引起的输出结果 的 灵敏度大小依赖于模型其他参数值的选取 ? LH-OAT sensitivity 分析 ? 采用 LH-OAT 法可确保所有参数在取值范围内 均被取样 ? 两者优点，弥补不足 ? 把参数划分为 m 个空间（包含 p 个参数的集合 ）， p 次参数变化，模型运行 m *(p+1) 次 最优化方法 ? 参数自动率定采用 SCE-UA （ Shuffled complex evolution algorithm ）： ? 对于非线性复杂的分布式水文模型，采用随机 搜索方法寻优，最为成功的方法之一 ? 全局优化算法 ? 基于以下 4 种概念 : ? 确定性和概率论方法结合 ; ? 在全局优化及改善方向上 , 覆盖参数空间的复 合形点的系统演化 ? 竞争演化 ? 混合复合形 最优化方法 ? SCE-UA 优化算法步骤： ? 算法第 1 步在模型需要率定的参数的可行空间 随机产生 p × m 个点作为初始群体 ? 第 2 步，按目标函数增序将这 p × m 个点分成 p 个种群， 每个种群包含 m 个成员 ? 第 3 步， 每个种群进行若干代独立竞争进化后 ，种群之间定期进行交叉形成新的种群，如此 ，种群之间可以共享信息 ? 第 4 步，检查是否满足收敛要求，如果不满足 回到第 2 步 最优化方法 ? SCE-UA 算法的特点 : ? 在多个吸引域内获得全局收敛点 ? 能够避免陷入局部最小点 ? 能有效地表达不同参数的敏感性与参数间的相 关性 ? 能够处理具有不连续响应表面的目标函数 , 即 不要求目标函数与导数的清晰表达 ? 能够处理高维参数问题 最优化方法 ? 粒子群优化算法（ Particle Swarm Optimi ? zation ，简称 PSO 算法） ? 该法将系统初始化为一组随机粒子（ Particle ）， 通过迭代搜寻最优值，每次迭代过