The invention relates to a method for dynamic calibration of hydrological model parameters based on CPP. Including: S1. Divide the rate into several sub periods on the annual scale regularly, and calculate the meteorological clustering indexes and underlying surface clustering indexes of all sub periods; select candidate clustering indexes based on the non-linear relationship between clustering indexes and flow; S2. Use PCA algorithm to eliminate the multicollinearity between clustering indexes; S3. Average the clustering indexes of each sub period of all years; and According to the meteorological index and underlying surface index, the hydrological process is divided into four sub periods for calibration; S4. The parameters of TOPMODEL model are independently optimized and combined to generate continuous flow sequence values in each sub period by using improved parallel calibration scheme; S5. The hydrological model is evaluated in different flow terms by using multi index comprehensive evaluation system Simulation performance. The invention effectively improves the prediction ability of the hydrological model under the changing environment.
【技术实现步骤摘要】
一种基于CPP的水文模型参数动态率定方法
本专利技术涉及水文模拟和预报
,更具体地,涉及一种基于CPP的水文模型参数动态率定方法。
技术介绍
水文预报在防汛、抗旱、水资源开发利用、国民经济建设和国防等领域都有广泛的应用,经济效益巨大,应用单位众多。准确的水文预报为农业灌溉,生态系统管理,灾害管理,水力发电以及农村和城市供水提供了有价值的信息。因此,越来越多的过程驱动型或数据驱动型水文模型被设计开发。概念性水文模型用概化的方法表达流域的水文过程,模型结构简单,模拟结果有时不理想,但实用性强。分布式水文模型能够更准确地描述水文过程,但是对所需资料过于详细,计算过程过于复杂。无论是何种类型的水文模型,当前仍面临着诸多问题和挑战,例如模型参数的收敛性、参数的不确定性、参数的敏感性、模型结构的不确定性、模型的复杂性、模型的鲁棒性以及不同流量相位预测精度的冲突等等。
技术实现思路
本专利技术为克服上述现有技术中的缺陷,提供一种基于CPP的水文模型参数动态率定方法,提高了水文模型在变化环境下的预测能力。为解决上述技术问题,本专利技术采用的技术方案是:一种基于CPP的水文模型参数动态率定方法,包括以下步骤:步骤1.将率定期在年尺度上划分为多个子期,并计算所有子期的气象聚类指标和下垫面聚类指标;基于聚类指标与流量之间的非线性关系来筛选出候选聚类指数。将率定期在年尺度上划分为24个子期,时间尺度为半个月。半个月时间尺度不仅避免了连续的水文过程被打乱,而且保证了聚类的最小分类单元。聚类指标 ...
【技术保护点】
1.一种基于CPP的水文模型参数动态率定方法,其特征在于,包括以下步骤:/nS1.将率定期在年尺度上划分为多个子期,并计算所有子期的气象聚类指标和下垫面聚类指标;基于聚类指标与流量之间的非线性关系来筛选出候选聚类指数;/nS2.采用PCA算法消除聚类指标之间的多重共线性;/nS3.对所有年份的每个子期的聚类指标值进行平均;并根据气象指标和下垫面指标依次进行两次聚类操作,最终将年内水文过程划分为四个子期进行率定,即干旱期,雨期I,雨期II和雨期III;/nS4.采用改进的并行率定方案在每个子期对TOPMODEL模型参数进行独立地优选,并组合以生成连续的流量序列值;/nS5.利用多指标综合评价体系评估水文模型在不同流量条件下的模拟性能。/n
【技术特征摘要】
1.一种基于CPP的水文模型参数动态率定方法,其特征在于,包括以下步骤:
S1.将率定期在年尺度上划分为多个子期,并计算所有子期的气象聚类指标和下垫面聚类指标;基于聚类指标与流量之间的非线性关系来筛选出候选聚类指数;
S2.采用PCA算法消除聚类指标之间的多重共线性;
S3.对所有年份的每个子期的聚类指标值进行平均;并根据气象指标和下垫面指标依次进行两次聚类操作,最终将年内水文过程划分为四个子期进行率定,即干旱期,雨期I,雨期II和雨期III;
S4.采用改进的并行率定方案在每个子期对TOPMODEL模型参数进行独立地优选,并组合以生成连续的流量序列值;
S5.利用多指标综合评价体系评估水文模型在不同流量条件下的模拟性能。
2.根据权利要求1所述的基于CPP的水文模型参数动态率定方法,其特征在于,所述的S1步骤具体包括:
1)将率定期在年尺度上划分为24个子期,时间尺度为半个月;
2)对于气象指标,除了考虑所有年份的各子期平均降水和蒸发量,还考虑了流域的水文行为对极端气候事件高度敏感性,相应的极端气象指标也被视为聚类指标的另一部分;
3)考虑径流系数以反映降水与径流之间关系的相关关系...
【专利技术属性】
技术研发人员:林凯荣,兰甜,梁汝豪,卢鹏宇,
申请(专利权)人:中山大学,
类型:发明
国别省市:广东;44
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。