基于FCM‑NSGA‑II的水文模型参数估计方法技术
A parameter estimation method of hydrological model based on II NSGA FCM
The present invention relates to the field of simulation and prediction, relates to a method for parameter estimation of hydrological model based on II NSGA FCM. Including: S1. by flood process fuzzy C means clustering method for unknown classification, selection of rainfall and potential evaporation data as the clustering index, and the clustering index was normalized, then according to the FCM model of the basin were divided into high and low water periods; S2. respectively in the wet period and dry set the objective function; S3. wet period and dry period based on the objective function, optimization algorithm of multi objective parameter NSGA II parameter estimation of semi distributed hydrological model TOPMODEL is adopted, the prediction results of hydrological process classification; S4. set single objective function of the hydrological time series, the optimal parameter group by optimization algorithm for single objective parameter SCE UA calculation of TOPMODEL hydrological model, the prediction results are classified on the hydrological process; S5. will forecast results obtained in step S and S3 The results of the 4 steps are compared and verified by each other.
【技术实现步骤摘要】
基于FCM-NSGA-II的水文模型参数估计方法
本专利技术涉及文模拟和预报领域，更具体地，涉及一种基于FCM-NSGA-II的水文模型参数估计方法。
技术介绍
水文预报是水文科学研究中极为重要和棘手的问题之一。提高水文预报的准确性和可靠性，可实现为防汛和水资源管理决策提供更加准确可靠的依据。而探索无资料或资料匮乏区域水文模拟的新方法，提高其预报精度，更是当前水文预报的研究核心之一。提高水文模拟与预报精度的有效途径之一是充分利用已有数据以及引入新数据源。在没有新数据源时，则可最大程度地挖掘现有数据中有用的信息。而数据包含的信息多少取决于水文过程的变幅，如果数据涵盖了丰水、平水和枯水期，则认为数据中包含的水文信息较多。事实上，水文过程不仅有丰水、平水和枯水期，而且大都表现出很明显的季节性。传统的模型参数一般基于单一目标优化，无法考虑水文情势多方面(丰水期和枯水期)的变化特性，需要引入多目标优化的思想，以克服单目标的局限。而目前大多数的多目标优化方法，其表征丰水期和枯水期预报精度的目标函数仍是针对整个水文时间序列提出的不同预报精度评价函数。
技术实现思路
本专利技术的目的...
【技术保护点】
一种基于FCM‑NSGA‑II的水文模型参数估计方法，其特征在于，包括以下步骤：S1.采用模糊C‑均值聚类法对未知的洪水过程进行分类，选用降雨资料和潜在蒸发量资料作为聚类指标，并对聚类指标进行归一化处理，然后根据FCM模型把流域资料分为丰水期和枯水期；S2.分别针对丰水期和枯水期设置目标函数；S3.基于丰水期和枯水期的目标函数，采用NSGA‑II多目标参数优选算法估计半分布式水文模型TOPMODEL的最优参数组，得到对水文过程分类的预报结果；S4.对整个水文时间序列设置单目标函数，采用采用SCE‑UA单目标参数优选算法计算TOPMODEL水文模型的最优参数组，得到对水文过程...
【技术特征摘要】
1.一种基于FCM-NSGA-II的水文模型参数估计方法，其特征在于，包括以下步骤：S1.采用模糊C-均值聚类法对未知的洪水过程进行分类，选用降雨资料和潜在蒸发量资料作为聚类指标，并对聚类指标进行归一化处理，然后根据FCM模型把流域资料分为丰水期和枯水期；S2.分别针对丰水期和枯水期设置目标函数；S3.基于丰水期和枯水期的目标函数，采用NSGA-II多目标参数优选算法估计半分布式水文模型TOPMODEL的最优参数组，得到对水文过程分类的预报结果；S4.对整个水文时间序列设置单目标函数，采用采用SCE-UA单目标参数优选算法计算TOPMODEL水文模型的最优参数组，得到对水文过程不分类的预报结果；S5.将S3步骤得到的预报结果与S4步骤得到的预报结果进行对比和相互验证。2.根据权利要求1所述的一种基于FCM-NSGA-II的水文模型参数估计方法，其特征在于，所述的模糊C-均值聚类法包括以下步骤：S11.设置数据集{xn}，设目标函数：式中，m是加权指数，也称平滑因子，控制不同类别之间的模糊分享程度，一般取值2；uij指第i个元素归属于第j类的隶属度；cj是各类别的聚类中心；C是类别数目；||||表征任一元素与聚类中心的相似程度；S12.分别求目标函数Jm中uij和cj的偏导，并令函数等于0；其中求Jm极小值的必要条件是：式中：Jm是迭代步数，上述迭代的终止条件是3.根据权利要求1所述...
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。