分布式水文模型的参数率定及敏感性分析探讨

参数率定与敏感性分析是分布式水文模型应用和发展中的难点问题,论文对当前典型的、应用比较成功的全局最优化参数率定和敏感性分析方法进行归纳和分析,包括:遗传算法(Genetic Algorithm)、SCE-UA算法(Shuffled Complex Evolution)、贝叶斯方法(Bayesian Method)、RSA方法(Regionalized Sensitivity Analysis)、GLUE方法(Generalized Likelihood Uncertainty Estimation)等等。并对计算机自动优化方法和人工参数调试方法的利弊进行讨论,展望了分布式水文模型的参数率定与敏感性分析的发展方向。     

似然度函数对GLUE方法的影响

GLUE方法是不确定性条件下参数识别的重要方法,似然度函数的选择是GLUE方法的关键. 为克服观测误差和模型结构误差对研究结果的影响,利用合成的数据序列,以污染物衰减模型为基础,分析了似然度函数对参数识别和模型预测结果的影响. 从识别结果来看,由于似然度函数的变化改变了参数似然度之间的对比,因此对参数识别及灵敏度分析的结果都产生了影响,甚至能够改变参数全局灵敏度的相对排序. 从预测结果来看,似然度函数的变化影响了模型预测的分布,但即使预测结果的模糊性在减少,精度并没有相应地提高. 因此,似然度函数的恰当选择对分析结果具有重要的影响,应结合研究问题的具体特点和对模拟结果的要求,采用概率论等相关方法选择出尽可能体现参数真实重要性的函数.      

环境规划与环境管理

X32 200402019 观测误差对非线性环境模型参数识别的影响/杜鹏飞…(清华大学环境科学与工程系)∥环境科学学报/中科院生态环境研究中心.-2003,23(6). -781-785 环图X-9 采用SCE-UA方法和RSA方法,比较了在不同的观测误差条件下,优化方法和不确定性分析方法对于非线性模型参数识别的影响。分析表明,RSA方法是在具有观测误差的数据条件下进行参数识别的一种有效手段。同时,通过比较分析,发现RSA方法预测的浓度平均值和概率最大值与“真实值”并不完全一致。因此,在使用RSA     

观测误差对非线性环境模型参数识别的影响

采用SCE-UA方法和RSA方法，比较了在不同的观测误差条件下，优化方法和不确定性分析方法对于非线性模型参数识别的影响。分析表明，RSA方法是在具有观测误差的数据条件下进行参数识别的一种有效手段。同时，通过比较分析，发现RSA方法预测的浓度平均值和概率最大值与“真实值”并不完全一致。因此，在使用RSA方法时，应该充分考虑预测区间，以降低决策风险。     

城市供水管网模型参数自动识别方法研究

在分析城市供水管网模型建设和应用问题的基础上,针对管网模型参数识别这一核心问题进行了研究,提出了基于GIS和SCADA的管网模型参数自动识别的流程,分析了管网模型参数自动识别的核心算法,提出了基于RSA方法的灵敏参数自动识别和基于MCS方法进行参数识别的算法和技术路线,并完成了管网模型参数自动识别模块的编程实现.最后选择一个典型城市小区供水管网为案例,进行了管网水力模型参数自动识别的示例研究,并得到满足要求的模型参数.     

基于SSA-BP与SSA的地下水污染源反演识别

应用基于SSA-BP神经网络替代模型的模拟-优化方法和SSA研究了地下水污染源位置及释放历史的反演识别问题。并在建立地下水水流模型时,应用Cholesky分解方法建立含水层渗透系数连续场,该方法相比于普通的参数分区方法更好地描述了水文地质参数的非均质性。结果表明:SSA-BP神经网络替代模型对模拟模型具有较高的逼近精度,其平均相对误差仅有3.21%。应用SSA求解优化模型,能够快速准确地识别出点污染源的位置及释放历史。SSA对污染源位置的反演识别相对误差在10%左右,对污染源源强的反演识别相对误差不超过4%。因此,本文所提出的方法是一种有效的地下水污染源识别方法,可为污染责任认定及污染修复方案的优化提供参考。     

水质模型参数优化的遗传算法实现及控制参数分析

参数识别是数学模型应用的前提.遗传算法是一种通用的全局优化算法,结构简单.一个实际应用问题能否利用遗传算法解决,关键在于遗传算法的设计和控制参数的选取.本文结合水质模型参数优化的特点,提出采用正交试验设计的方法来考察遗传算法不同控制参数对参数优化性能的影响,结果显示,正交法较好地识别了关键影响因素,并提出可能的最优方案.表明遗传算法能较好地应用于复杂多参数水质模型的参数识别研究.     

半干旱半湿润地区HSPF模型水文模拟及参数不确定性研究

本研究选取半干旱半湿润地区北京妫水河流域2005—2007年和2008年月径流数据为率定期和验证期,建立HSPF水文模型进行径流模拟,结合人工率定和PEST自动率定程序进行参数优选,并通过GLUE方法分析模型参数不确定性.通过Monte-Carlo随机采样得到30000组参数组合,分析参数与似然值散点图,把参数分为敏感参数(LZSN、AGWRC)、区间敏感参数(BASETP)和不敏感参数(AGWETP、INFILT、CEPSC、DEEPFR、UZSN、INTFW、IRC).针对比较敏感的参数LZSN、AGWRC和BASETP分析其相关性,发现LZSN和AGWRC相关性较强.模型存在大量"异参同效"现象,表明影响结果的是参数组合而不是单一参数.进一步计算90%置信度下的不确定性范围,发现不确定性范围与径流大小密切相关,径流愈大其不确定性范围愈大,反之亦然.本文对参数不确定的分析研究可为HSPF模型在区域尺度水文预测等提供参考和依据.     

改进的RSA方法在参数全局灵敏度分析中的应用

灵敏度分析是模型参数识别的重要方法. 参照一维情形,采用统计分布特征值,对传统意义上的参数灵敏度分析进行了扩展,将参数灵敏度定义从一维扩展到多维,为在多维情形下分析参数的灵敏度提供思路. RSA方法是全局灵敏度分析的重要方法,但其对参数的二元划分具有一定的局限性,因此对其进行一定的改进:①将RSA方法对参数集的二元划分扩展为多元划分.②分析对象不局限于对模型参数值的分布,也包括模型目标函数的分布,即研究在函数各取值区间,参数的分布是否具有明显的变化;研究在参数各取值区间,函数的响应是否具有明显的变化. 以n2的Rosenbrock函数作测试函数,对改进的RSA方法进行了检验. 以模型参数为基础的分析结果和以模型目标函数为基础的分析结果均表明,模型的2个参数的全局灵敏度都非常高,二者的分析结论一致.      

基于模拟-优化方法的地下水污染源溯源辨识

以抚顺市某煤矸石堆放场为研究区,根据研究区的实际条件建立地下水污染质运移模拟模型,预测地下水污染质未来时空变化特征.基于正演预报结果构建了假想例子,应用模拟-优化方法对地下水污染源源强及场地的渗透系数进行反演识别.为减小优化模型反复调用模拟模型所产生的计算负荷,分别采用Kriging方法和BP神经网络方法建立了模拟模型的替代模型.最后运用模拟退火法求解优化模型,得到反演识别结果.研究表明：应用Kriging方法建立的替代模型输出结果的平均相对误差为0.3%;应用BP神经网络方法建立替代模型的输出结果平均相对误差为1.5%,应用两种替代模型对污染源源强识别的相对误差均小于0.5%,对场地两个参数分区渗透系数识别的相对误差均不大于5%.综上,应用Kriging方法建立的替代模型精度高于BP神经网络方法,利用基于两种替代模型的模拟-优化方法对污染源源强和渗透系数进行同步识别精度可以满足实际需求,是有效可行的.     

基于GLUE法的多指标水质模型参数率定方法

目前对水质模型进行参数率定通常利用计算机算法来实现,但由于水质模型日趋复杂的非线性结构往往会导致"异参同效"现象,无法通过单个似然度判断参数的取值是否能够取得真值.为避免这一情况,本文提出了一套基于GLUE法的多目标模型参数率定方法,并以WASP水质模型的应用为例,通过Sobol方法确定模型的敏感参数,并利用DO、CBOD、氨氮、硝态氮4项指标的似然函数对参数同时进行率定.结果表明,该方法既可以有效地避免因追求"过拟合"而造成模型参数取值不当,也可以减小模型参数的不确定性,为具有"异参同效"现象的复杂模型的参数率定工作提供了一个更为可靠的方法.     

降雨径流连续模拟参数全局灵敏性分析

长期连续模拟是客观评价城市排水系统性能、雨洪控制措施效果的重要方法之一.运用普适似然度法(Generalized Likelihood Uncertainty Estimation,简称GLUE),综合分析了暴雨管理模型(Storm Water Management Model,简称SWMM)在不同间隔降雨情景下的水量...     

“三生空间”统筹的科学基础与优化途径探析

党的十八大提出了将优化国土空间开发格局作为生态文明建设的首要举措,以及“促进生产空间集约高效、生活空间宜居适度、生态空间山清水秀”的目标要求。通过文献调研和总结归纳法,系统梳理了“三生空间”统筹优化的研究进展。总结发现,现有工作主要从国土空间利用质量、土地利用适宜性评价、资源环境承载力与比较优势等角度开展了“三生空间”统筹优化研究。但由于对“三生空间”科学内涵的认识不足、定量识别方法与分类体系的构建不完善,目前“三生空间”统筹优化的技术途径存在诸多问题尚待明晰。未来“三生空间”统筹优化的技术途径应以美丽中国建设愿景为目标导向,以人地耦合系统理论为核心,系统构建识别与优化国土空间的理论体系与技术框架。     

基于D优化方法的CSADT设计

考虑到试验设计人员更关注模型参数的估计精度,而传统试验优化方法以产品可靠性与寿命相关参数的预测精度为目标,提出将D优化方法引入恒定应力加速退化试验(CSADT)设计中。首先,用随机过程描述CSADT中产品性能退化的过程,通过对数似然函数,推导Fisher信息矩阵,基于D优化方法建立优化目标,以试验费用为约束条件,明确优化问题,给出最优试验变量:各应力水平、各应力下样本分配和试验时间分配。然后,应用该方法给出仿真实例。最后,通过模型参数偏差的敏感性分析,说明在一定偏差范围内,优化结果具有良好的稳健性。