基于梯度搜索洗牌复形进化算法的水文模型参数率定方法技术

本发明专利技术提供基于梯度搜索洗牌复形进化算法的水文模型参数率定方法，包括进行数据收集，还包括以下步骤：进行复形划分；提取单纯形；进行所述单纯形的下降搜索；定位梯度下降精细搜索策略；执行所述梯度下降精细搜索策略；复形循环竞争进化；所有所述复形循环竞争进化完成后，混合所有复形的样本点重新洗牌，重复执行上述步骤，直至满足收敛条件；输出水文模型最优参数组

【技术实现步骤摘要】
基于梯度搜索洗牌复形进化算法的水文模型参数率定方法


[0001]本专利技术涉及流域水文模型的
，特别是基于梯度搜索洗牌复形进化算法的水文模型参数率定方法
。

技术介绍

[0002]洗牌复形进化算法是全局优化搜索算法，它耦合了随机搜索
、
种群竞争进化
、
单纯形下降搜索和洗牌算法等多个方法
。
相较于其他全局优化算法（如遗传算法
、
粒子群算法等），洗牌复形进化算法在全局搜索的有效性和鲁棒性上优势明显，在水文模型参数率定领域应用较广
。
[0003]水文模型的误差响应面十分复杂，具有高度非线性
、
不连续不可导等特点，全局寻优算法虽然广度搜索能力较强，但其深度搜索方案思路单一，寻优效果较差
。
洗牌复形进化算法采用的深度搜索方案为复形竞争进化算法，其深度搜索能力相较于其他全局算法具有一定优势，但面对某些极其复杂的误差响应面时寻优效果仍然较差
。
近年来，虽有部分学者对复形竞争进化算法提出了改进，但算法寻优效果的提升还是十分有限
。
[0004]因此，复形竞争进化算法仍有极大的改进空间，可引入结合目标函数和空间导数的梯度下降精细搜索策略，强化该算法的深度搜索能力，提高水文模型参数率定的寻优效果
。
[0005]申请公开号为
CN106709181A
的专利技术专利申请公开了一种基于并行编程和模块法的分布式水文模型率定方法，所述方法包括：
1)
基于
MPICH
构建的并行编程环境，耦合开源分布式水文模型源程序与多目标优化算法；
2)
分别针对日径流序列和峰值序列对水文模型进行率定，并建立相应的模型框架；
3)
利用模块法合并上述模型的径流输出，形成重组的模拟径流结果
。
该方法的缺点是仅在算法计算速度上有所提高，并未对算法的机理作出改进，对解的质量没有提升
。
[0006]申请公开号为
CN113255206A
的专利技术专利申请公开了一种基于深度强化学习的水文预报模型参数率定方法，包括：根据流域特性选取合适的水文预报模型，确定模型率定的参数及参数取值范围；建立水文预报模型参数率定的强化学习模型，确定强化学习三要素即状态空间
、
动作空间及奖励函数；应用深度强化学习方法
DQN
，优化水文预报模型的率定参数
。
该方法的缺点是计算效率较低，耗时过长，需要特定的
GPU
硬件支持；易陷入局部最优点，全局性不佳；
AI
训练结果稳定性较差，多次训练结果可靠性有待提升
。

技术实现思路

[0007]为了解决上述的技术问题，本专利技术提出的基于梯度搜索洗牌复形进化算法的水文模型参数率定方法，在复形竞争进化过程中引入梯度下降精细搜索策略，定位单纯形下山搜索成功的搜索点位置，以单纯形下山搜索成功点为初始点执行梯度下降精细搜索策略，极大增强算法的深度搜索能力
。
[0008]本专利技术的目的是提供基于梯度搜索洗牌复形进化算法的水文模型参数率定方法，
包括进行数据收集，还包括以下步骤：步骤1：进行复形划分；步骤2：提取单纯形；步骤3：进行所述单纯形的下降搜索；步骤4：定位梯度下降精细搜索策略；步骤5：执行所述梯度下降精细搜索策略；步骤6：复形循环竞争进化；步骤7：所有所述复形循环竞争进化完成后，混合所有复形的样本点重新洗牌，重复执行步骤1‑
步骤6，直至满足收敛条件；步骤8：输出水文模型最优参数组
。
[0009]优选的是，所述数据收集包括：1）选定有资料流域及合适的水文模型；2）收集有资料流域的降雨序列和蒸发能力序列资料，作为水文模型的输入变量；3）确定水文模型各类参数允许变化的合理上下限，确定样本生成的可行空间及精细搜索的约束域；4）收集实测径流序列资料作为计算各样本点目标函数评估值所需的对照序列；5）由人工设定的参数组生成理想径流序列，作为计算各样本点目标函数评估值所需的对照序列
。
[0010]在上述任一方案中优选的是，所述步骤1包括以下子步骤：步骤
11
：在参数可行空间内随机生成总样本；步骤
12
：依据各样本目标函数评估值升序排序；步骤
13
：以复形个数为间隔数间隔提取样本填充复形；步骤
14
：直至所有复形填充完毕，完成复形划分
。
[0011]在上述任一方案中优选的是，总样本数
s
为复形个数
m
与复形内样本数
n
的乘积，在参数可行空间内，通过梅森旋转算法生成0‑1均匀分布随机数，结合各参数维度允许变化上下限之差的绝对值及各参数维度确定的下限值，随机生成总样本
D = {x
i
, i = 1, ..., s}
，其中，
x
i
为第
i
个样本点
。
[0012]在上述任一方案中优选的是，所述步骤
12
包括依据各样本点
x
i
代入水文模型生成的模拟径流序列与实测或理想径流序列一同代入目标函数式计算目标函数评估值
f
i
，并对总样本
D = {x
i
, f
i
, i = 1, ..., s}
依据目标函数评估值升序排序
。
[0013]在上述任一方案中优选的是，所述步骤
13
包括对于复形
A
k
，从排序后的样本点
x
k
以复形个数
m
作为间隔数间隔提取
n
个样本点填充复形
A
k
，其中，
k=1,
…
,m。
[0014]在上述任一方案中优选的是，所述步骤
13
还包括将总样本
D
划分为
m
个复形，
D = {A
k
, k = 1, ..., m}
，复形划分表示为，
其中，为总样本，为复形1，为复形2，为复形
m。
[0015]在上述任一方案中优选的是，所述步骤2包括以下子步骤：步骤
21
：根据线性概率分布非重复提取复形样本点填充单纯形；步骤
22
：单纯形内样本点依据目标函数评估值升序排序；步骤
23
：记录单纯形内最优点和最差点及除最差点外其余点的形心点
。
[0016]在上述任一方案中优选的是，所述步骤
21
包括设定单纯形样本数
q
为复形内样本数
n
的一半，根本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
基于梯度搜索洗牌复形进化算法的水文模型参数率定方法，包括进行数据收集，其特征在于，还包括以下步骤：步骤1：进行复形划分；步骤2：提取单纯形；步骤3：进行所述单纯形的下降搜索
, 包括以下子步骤：步骤
31
：单纯形最差点
X
w
以单纯形形心点
X
ce
为参考点进行反射；步骤
32
：初始化
flag = 0
，若反射点
X
ref
在域内，则以反射点
X
ref
作为反射步搜索点；若反射点
X
ref
在域外，则在参数可行域内随机生成样本点作为反射步搜索点，并更改
flag = 1
；步骤
33
：若反射步搜索点为反射点
X
ref
且目标函数评估值
f
ref
小于单纯形最差点
X
worst
的目标函数评估值
f
worst
，则视为单纯形反射搜索成功，以反射点
X
ref
作为最终的单纯形搜索点；步骤
34
：若反射步搜索点为随机点且目标函数评估值
f
ref
小于单纯形最差点
X
worst
的目标函数评估值
f
worst
，则以反射步随机点作为最终的单纯形搜索点；若反射步搜索点目标函数评估值
f
ref
大于单纯形最差点
X
worst
的目标函数评估值
f
worst
，则执行步骤
35
；步骤
35
：若收缩步搜索点
X
con
目标函数评估值小于单纯形最差点
X
worst
的目标函数评估值
f
worst
，则视为单纯形收缩搜索成功，以收缩步搜索点
X
con
作为最终的单纯形搜索点；若收缩步搜索点
X
con
目标函数评估值大于单纯形最差点
X
worst
的目标函数评估值
f
worst
，则在参数可行域内随机生成样本点
X
random
作为最终的单纯形搜索点；步骤4：定位梯度下降精细搜索策略；步骤5：执行所述梯度下降精细搜索策略；步骤6：复形循环竞争进化；步骤7：所有所述复形循环竞争进化完成后，混合所有复形的样本点重新洗牌，重复执行步骤1‑
步骤6，直至满足收敛条件；步骤8：输出水文模型最优参数组
。2.
如权利要求1所述的基于梯度搜索洗牌复形进化算法的水文模型参数率定方法，其特征在于，所述数据收集包括：1）选定有资料流域及合适的水文模型；2）收集有资料流域的降雨序列和蒸发能力序列资料，作为水文模型的输入变量；3）确定水文模型各类参数允许变化的合理上下限，确定样本生成的可行空间及精细搜索的约束域；4）收集实测径流序列资料作为计算各样本点目标函数评估值所需的对照序列；5）由人工设定的参数组生成理想径流序列，作为计算各样本点目标函数评估值所需的对照序列
。3.
如权利要求2所述的基于梯度搜索洗牌复形进化算法的水文模型参数率定方法，其特征在于，所述步骤1包括以下子步骤：步骤
11
：在参数可行空间内随机生成总样本；步骤
12
：依据各样本目标函数评估值升序排序；步骤
13
：以复形个数为间隔数间隔提取样本填充复形；
步骤
14
：直至所有复形填充完毕，完成复形划分
。4.
如权利要求3所述的基于梯度搜索洗牌复形进化算法的水文模型参数率定方法，其特征在于，所述步骤2包括以下子步骤：步骤
21
：根据线性概率分布非重复提取复形样本点填充单纯形；步骤
22
：单纯形内样本点依据目标函数评估值升序排序；步骤
23
：记录单纯形内最优点和最差点及除最差点外其余点的形心点
。5.
如权利要求4所...

【专利技术属性】
技术研发人员：阚光远，侯宇，刘希琛，刘荣华，梁珂，
申请(专利权)人：中国水利水电科学研究院，
类型：发明
国别省市：