The present invention discloses a distributed hydrological model calibration method based on concurrent programming and modular method, in order to improve the calibration efficiency and the simulation accuracy of a watershed hydrological model. The method comprises the following steps: 1) parallel programming environment based on MPICH, the open source distributed hydrological model coupled with multi-objective optimization algorithm source program; 2) according to the daily runoff sequence and peak sequence of hydrological model calibration, and establish relevant model; 3) runoff output by using the module method combined with the above model. Simulation of runoff formation recombination. The invention has the advantages that the parallel multi objective operation can effectively improve the efficiency of calibration of distributed hydrological model, reduce the rate of time; the module method can make full use of the advantages of the peak model and daily runoff models, can significantly improve the simulation accuracy.
【技术实现步骤摘要】
一种基于并行编程和模块法的分布式水文模型率定方法
本专利技术涉及水文模型
,具体来说涉及一种基于并行编程和模块法的分布式水文模型率定方法。
技术介绍
随着城市扩张和气候变化的加剧,洪水干旱等自然灾害的发生越来越频繁,严重威胁着国民经济和人民生命财产安全,利用流域水文模型对洪水和干旱过程进行精确地模拟和准确地预报对缓解灾情有着重要意义。水文模型参数率定是水文模拟的重要步骤,模型参数的率定直接影响到水文模型的预报性能。分布式水文模型涉及参数众多,率定复杂,手动调参不仅效率低下,耗费大量的时间和精力,并且难以找到最优的参数组,给模型结果带来很大不确定性,极大地限制了分布式水文模型的应用。因此,诉诸参数自动率定技术,将显著提高分布式水文模型的率定效率和模拟精度。但是,随着分布式水文模型的计算过程日趋复杂精细,水文模拟越来越精确的同时,也导致单次模拟的时间越来越长,即使采用自动率定技术,耗费的时间依然很长。实际工程表明在水文过程中常常存在多个相互冲突的目标函数,传统的基于单目标的优化方案,仅仅考虑了水文过程某一方面的特征,不能充分反映水文系统的不同动力学行为,导致模拟精度不足。
技术实现思路
为解决现有技术的不足,本专利技术的目的在于提供一种基于并行编程和模块法的分布式水文模型率定方法,以解决分布式水文模型在率定过程中耗时长,效率低,精度不高等问题。为实现上述目标,一种基于并行编程和模块法的分布式水文模型率定方法,其特征在于,包括如下步骤:1)收集水文模型需要的水文气象数据,将气象数据插值到模型需要的分辨率,确定模型待率定参数;2)确定超定量法的阈值,利用超定量法 ...
【技术保护点】
一种基于并行编程和模块法的分布式水文模型率定方法,其特征在于,包括如下步骤:1)收集水文模型需要的水文气象数据,将气象数据插值到模型需要的分辨率,确定模型待率定参数;2)确定超定量法的阈值,利用超定量法选取研究期间日径流的峰值序列;3)基于MPICH的并行编程环境,将多目标优化算法ε‑NSGAⅡ和水文模型源程序进行耦合,以步骤1)收集的气象数据,和实测水文数据作为输入,以日径流序列的纳什效率系数NSE/D和相对偏差Bias/D,以及峰值序列的纳什效率系数NSE/P和相对偏差Bias/P作为目标函数,率定水文模型;4)根据率定结果建立目标流域水文模型,采用模块法整合径流输出,形成重组的径流序列。
【技术特征摘要】
1.一种基于并行编程和模块法的分布式水文模型率定方法,其特征在于,包括如下步骤:1)收集水文模型需要的水文气象数据,将气象数据插值到模型需要的分辨率,确定模型待率定参数;2)确定超定量法的阈值,利用超定量法选取研究期间日径流的峰值序列;3)基于MPICH的并行编程环境,将多目标优化算法ε-NSGAⅡ和水文模型源程序进行耦合,以步骤1)收集的气象数据,和实测水文数据作为输入,以日径流序列的纳什效率系数NSE/D和相对偏差Bias/D,以及峰值序列的纳什效率系数NSE/P和相对偏差Bias/P作为目标函数,率定水文模型;4)根据率定结果建立目标流域水文模型,采用模块法整合径流输出,形成重组的径流序列。2.根据权利要求1所述的基于并行编程和模块法的分布式水文模型率定方法,其特征在于,步骤2)中采用的超定量法,具体过程为:(1)设置阈值T,阈值的设定需保证最终选取的峰值满足独立性要求;(2)超过该阈值的径流量被选取为径流峰值。3.根据权利要求2所述的基于并行编程和模块法的分布式水文模型率定方法,其特征在于,所述的独立性要求具体包括:(1)相邻两个峰值之间的天数间隔须大于流域面积(平方英里)的自然对数加上5;(2)两个相邻峰值之间的中间流须小于这两个峰值数据中较小值的75%。4.根据权利要求1所述的基于并行编程和模块法的分布式水文模型率定方法,其特征在于,步骤3)中所述的将多目标优化算法ε-NSGAⅡ和水文模型源程序进行耦合,具体方法如下:(1)设定ε-NSGAⅡ算法的相关参数:初始种群数N、进化代数gens、交叉概率、变异概率,同时设置VIC模型的相关待率定参数的个数和范围;(2)初始化MPI,获取MPI进程组中包含的进程数cSize和本进程在通信组中的进程编号pRank;(3)由主程序master随机产生种群大小为N的父代种群P0(即N个参数组),并通过MPI_Bcast函数将运算任务分配给cSize个子程序(根据参数组分别运行水文模型);(4)根据计算结果,计算父代种群P0中各个体的适应度函数(纳什效率系数和相对偏差),进行快速非支配排序和拥挤度计算,产生A0个ε非支配存档解;(5)采用25%的注入机制(InjectionScheme),(4)中的A0个ε非支配存档解形成新的父代种群Pt中25%的个体,其余75%通过随机产生,种群大小为Nt;(6)通过选择、...
【专利技术属性】
技术研发人员:刘莉,许月萍,白直旭,马迪,
申请(专利权)人:浙江大学,
类型:发明
国别省市:浙江,33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。