基于LHS-GAS-BP分布式水文模型参数敏感性分析及率定方法技术

本发明专利技术公开了一种基于LHS‑GAS‑BP分布式水文模型参数敏感性分析及率定方法，采用遗传算法来优化BP神经网络的权值和阈值，改善BP神经网络学习算法易陷入局部极小的缺陷；并采用依据自变量耦合变化导致因变量变化率的敏感度定义，有助于识别模型中相对敏感的参数，降低参数维度，减小模型计算成本，为模型参数优化与不确定性分析提供支撑。且本发明专利技术克服了人工试错法对水文模型参数率定的主观影响，通过模型批量执行和结果批量提取可将模型运行和拟合优度评价自动化，提高调参效率，并且相对于其它参数率定步骤更为简单快捷，能够更精确、有效、快捷的完成参数率定过程。

【技术实现步骤摘要】

本专利技术涉及分布式水文模型，尤其涉及适用于基于lhs-gas-bp分布式水文模型参数敏感性分析及率定方法。

技术介绍

1、水文模型参数众多，大多数参数还要考虑空间变异性。尤其是在分布式水文模型中，不同的模型参数对于模型输出的影响程度参次不齐，而直接进行参数率定与优化，无疑会造成巨大的计算成本浪费。敏感性分析有助于识别模型中相对敏感的参数，降低参数维度，减小模型计算成本，为模型参数优化与不确定性分析提供支撑。

2、敏感性分析是分布式水文模型应用和发展中的难点问题，常见的参数敏感性分析方法可分为局部敏感性分析和全局敏感性分析。局部敏感性分析方法只检验单参数对模型的影响，忽略了模型参数之间的相互作用，全局敏感性分析法能够同时考虑多个因子对模型输出的影响以及各因子之间的相互作用对模型输出的影响，可全面认识各因子的敏感程度，适用于参数众多的水文模型。

3、常见的全局敏感性分析包括多元回归、rsa、morris、fast、sobol、extend fast、glue等方法，这些方法基本都是对自变量进行扰动分析自变量对因变量的敏感性，如对网络输本文档来自技高网...

【技术保护点】

1.一种基于LHS-GAS-BP分布式水文模型参数敏感性分析及率定方法，其特征在于：包括以下步骤，

2.根据权利要求1所述的一种基于LHS-GAS-BP分布式水文模型参数敏感性分析及率定方法，其特征在于：S1步中，所述水文气象数据包括从水文监测站获取的水文监测站出口处断面处流量、蒸散发、降雨径流；所述地理数据包括土地利用、土壤、地形高程、坡度、坡向。

3.根据权利要求1所述的一种基于LHS-GAS-BP分布式水文模型参数敏感性分析及率定方法，其特征在于：S6步中，所述基于遗传算法优化的BP神经网络模型的隐层节点为30-20，转移函数为S型logsig函数，模型中个...

【技术特征摘要】

1.一种基于lhs-gas-bp分布式水文模型参数敏感性分析及率定方法，其特征在于：包括以下步骤，

2.根据权利要求1所述的一种基于lhs-gas-bp分布式水文模型参数敏感性分析及率定方法，其特征在于：s1步中，所述水文气象数据包括从水文监测站获取的水文监测站出口处断面处流量、蒸散发、降雨径流；所述地理数据包括土地利用、土壤、地形高程、坡度、坡向。

3.根据权利要求1所述的一种基于lhs-gas-bp分布式水文模型参数敏感性分析及率定方法，其特征在于：s6步中，所述基于遗传算法优化的bp神经网络模型的隐层节点为30-20，转移函数为s型logsig函数，模型中个特征的初始化权重在[-1，1]区间内随机生成。

4.根据权利要求1所述的一种基于lhs-gas-bp分...

【专利技术属性】
技术研发人员：鲍珊珊，蔡明，轩晓博，严登明，谭培影，石畅，孙明坤，冯朝红，
申请(专利权)人：黄河勘测规划设计研究院有限公司，
类型：发明
国别省市：