一种基于超多目标大规模优化的综合场次洪水水文模型参数率定方法技术

本发明专利技术公开了一种基于超多目标大规模优化的综合场次洪水水文模型参数率定方法，包括S1、收集并整理研究流域的资料；S2、构建适用于研究流域径流预报的日尺度的水文模型；S3、构建适用于研究流域场次洪水预报的次洪预报模型，基于日尺度的水文模型为次洪预报模型提供初始状态变量；S4、基于次洪预报模型构建组内各场次洪水的目标函数；S5、以目标函数最小为目标，利用基于超多目标大规模优化的优化算法对组内多场次洪水的目标函数同时进行优化，确定组内综合场次洪水水文模型的最优参数。优点是：在流域全年场次洪水产汇流特性差异较大或在调参者不具备丰富的调参经验的情况下，仍可得到精度较高的能够反映综合场次洪水产汇流特性的水文模型参数。特性的水文模型参数。特性的水文模型参数。

【技术实现步骤摘要】
一种基于超多目标大规模优化的综合场次洪水水文模型参数率定方法


[0001]本专利技术涉及水文模型参数率定
，尤其涉及一种基于超多目标大规模优化的综合场次洪水水文模型参数率定方法。

技术介绍

[0002]当前为研究水文预报、水库调度等问题，场次洪水水文模型的参数率定是必不可少的步骤之一。现在广泛使用的场次洪水水文模型参数率定的方法是对流域上的每场洪水单独率定水文模型参数，然后对参数进行敏感性分析，手动调节各个参数，最终选择一组对流域上各场次洪水均能模拟的较好的参数，当所选的场次洪水具有相近的产汇流特性时，能够取得可用的综合水文模型参数。但是这种方法对调参者经验依赖性较强，不同的调参者取得的参数可能差异较大。
[0003]同时，当流域上全年各场次洪水在暴雨强度、暴雨中心、地面植被等等产汇流特性差异较大的情况下，单独率定每场洪水，再进行手动综合分析模型参数往往不能得到理想的水文模型参数。

技术实现思路

[0004]本专利技术的目的在于提供一种基于超多目标大规模优化的综合场次洪水水文模型参数率定方法，从而解决现有技术中存在的前述问题。
[0005]为了实现上述目的，本专利技术采用的技术方案如下：
[0006]一种基于超多目标大规模优化的综合场次洪水水文模型参数率定方法，包括如下步骤，
[0007]S1、收集并整理研究流域的资料；
[0008]S2、构建适用于研究流域径流预报的日尺度的水文模型；
[0009]S3、构建适用于研究流域场次洪水预报的次洪预报模型，并基于日尺度的水文模型为次洪预报模型提供初始状态变量；
[0010]S4、基于次洪预报模型构建组内各场次洪水的目标函数；
[0011]S5、以目标函数最小为目标，利用基于超多目标大规模优化的优化算法对组内多场次洪水的目标函数同时进行优化，确定组内综合场次洪水水文模型的最优参数。
[0012]优选的，步骤S1具体包括如下内容，
[0013]S11、收集研究流域水文站和雨量站的位置信息、流域出口断面的场次洪水数据以及日平均流量数据、各雨量站的降雨量摘录数据以及日降雨量数据、研究流域的数字高程数据；
[0014]S12、利用GIS工具提取研究流域水系，并根据需要采用自然流域划分方法或泰森多边形方法划分子流域；
[0015]S13、通过线性插值方法将场次洪水径流过程插值成时段长度为1小时的径流过
程、将流域内各雨量站的降雨量摘录数据插值成时程长度为1小时的降雨过程。
[0016]优选的，步骤S2具体为，构建适用于研究流域径流预报的日尺度的水文模型，利用该水文模型计算研究流域各日的状态变量，以为研究流域的次洪预报模型提供初始状态变量；所述状态变量包括土壤含水量、产流面积比、自由水蓄水量。
[0017]优选的，步骤S3具体包括如下内容，
[0018]S31、构建适用于研究流域产汇流特性的次洪预报模型，并设置约束条件；
[0019]S32、以洪峰量级为分组条件对研究流域的场次洪水进行分组综合，选定具有代表性的各组场次洪水并确定各个场次洪水的起止时间；
[0020]S33、利用S2中构建的日尺度的水文模型计算各场次洪水的初始状态变量。
[0021]优选的，步骤S4具体为，根据对单场洪水的优化效果，为各场次洪水分别选择目标函数；所述目标函数为残差平方和函数或峰值加权均方根误差函数或洪量误差百分比函数或综合考虑洪峰洪量影响的综合函数。
[0022]优选的，步骤S5具体包括如下内容，
[0023]S51、选择基于超多目标大规模优化的优化算法，以各个目标函数最小为优化目标，同时对组内各场次洪水的目标函数进行优化，确定组内综合场次洪水水文模型最优参数的帕累托解；
[0024]S52、综合分析组内场次洪水水文模型最优参数的帕累托解，选择使率定期预报合格率最高的参数作为组内综合场次洪水水文模型的最优参数。
[0025]优选的，基于各场次洪水的初始状态变量，次洪预报模型采用马斯京根法或滞时演算法进行河道洪水演算进而确定率定期预报合格率；其中马斯京根法的约束条件为，
[0026][0027]其中，k为当河道为恒定流时，洪水传播时间；x为流量比重系数；Δt为时段长度。
[0028]本专利技术的有益效果是：1、在对场次洪水水文模型进行参数率定时，首先将场次洪水按照洪峰量级进行分组得到综合场次洪水，然后在组内采用基于超多目标大规模优化的优化算法同时对组内的所有场次洪水目标函数进行优化，率定水文模型参数。2、在流域全年场次洪水产汇流特性差异较大的情况下，在调参者不具备丰富的调参经验的情况下，通过简单的操作，仍旧可以得到精度较高的能够反映综合场次洪水产汇流特性的水文模型参数。
附图说明
[0029]图1是本专利技术实施例中参数率定方法的流程示意图；
[0030]图2是本专利技术实施例中研究流域的泰森多边形及个水文站位置示意图；
[0031]图3是本专利技术实施例中建立的日尺度水文模型流量预报结果示意图；
[0032]图4是本专利技术实施例中帕累托前沿示意图；
[0033]图5是本专利技术实施例中帕累托前沿所对应的水文模型参数值示意图；
[0034]图6是本专利技术实施例中各场次洪水同时优化的结果示意图。
具体实施方式
[0035]为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本专利技术，并不用于限定本专利技术。
[0036]实施例一
[0037]如图1所示，本实施例中提供了一种基于超多目标大规模优化的综合场次洪水水文模型参数率定方法，包括如下步骤，
[0038]S1、收集并整理研究流域的资料；
[0039]S2、构建适用于研究流域径流预报的日尺度的水文模型；
[0040]S3、构建适用于研究流域场次洪水预报的次洪预报模型，并基于日尺度的水文模型为次洪预报模型提供初始状态变量；
[0041]S4、基于次洪预报模型构建组内各场次洪水的目标函数；
[0042]S5、以目标函数最小为目标，利用基于超多目标大规模优化的优化算法对组内多场次洪水的目标函数同时进行优化，确定组内综合场次洪水水文模型的最优参数。
[0043]本实施例中，参数率定方法具体包括五个部分，分别是资料的收集与整理、构建日尺度的水文模型、构建次洪预报模型、设定目标函数、对组内多场次洪水的目标函数同时进行优化。下面分别针对这五部分内容进行详细的解释说明。
[0044]一、资料的收集与整理
[0045]该部分对应步骤S1，具体包括如下内容，
[0046]S11、收集研究流域水文站和雨量站的位置信息、流域出口断面的场次洪水数据以及日平均流量数据、各雨量站的降雨量摘录数据以及日降雨量数据、研究流域的数字高程数据；
[0047]S12、利用GIS工具提取研究流域水系，并根据需本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于超多目标大规模优化的综合场次洪水水文模型参数率定方法，其特征在于：包括如下步骤，S1、收集并整理研究流域的资料；S2、构建适用于研究流域径流预报的日尺度的水文模型；S3、构建适用于研究流域场次洪水预报的次洪预报模型，并基于日尺度的水文模型为次洪预报模型提供初始状态变量；S4、基于次洪预报模型构建组内各场次洪水的目标函数；S5、以目标函数最小为目标，利用基于超多目标大规模优化的优化算法对组内多场次洪水的目标函数同时进行优化，确定组内综合场次洪水水文模型的最优参数。2.根据权利要求1所述的基于超多目标大规模优化的综合场次洪水水文模型参数率定方法，其特征在于：步骤S1具体包括如下内容，S11、收集研究流域水文站和雨量站的位置信息、流域出口断面的场次洪水数据以及日平均流量数据、各雨量站的降雨量摘录数据以及日降雨量数据、研究流域的数字高程数据；S12、利用GIS工具提取研究流域水系，并根据需要采用自然流域划分方法或泰森多边形方法划分子流域；S13、通过线性插值方法将场次洪水径流过程插值成时段长度为1小时的径流过程、将流域内各雨量站的降雨量摘录数据插值成时程长度为1小时的降雨过程。3.根据权利要求1所述的基于超多目标大规模优化的综合场次洪水水文模型参数率定方法，其特征在于：步骤S2具体为，构建适用于研究流域径流预报的日尺度的水文模型，利用该水文模型计算研究流域各日的状态变量，以为研究流域的次洪预报模型提供初始状态变量；所述状态变量包括土壤含水量、产流面积比、自由水蓄水量。4.根据权利要求1所述的基于超多目标大规模优化的综合...

【专利技术属性】
技术研发人员：常文娟，马海波，雷晓辉，康爱卿，刘冀，彭涛，黄翱，
申请(专利权)人：三峡大学，
类型：发明
国别省市：