不同优化算法在新安江模型参数率定中的效果评估.pdf
《不同优化算法在新安江模型参数率定中的效果评估.pdf》由会员分享,可在线阅读,更多相关《不同优化算法在新安江模型参数率定中的效果评估.pdf(8页珍藏版)》请在咨信网上搜索。
1、第 39 卷第 4 期Vol 39 No 4水 资 源 保 护Water Resources Protection2023 年 7 月Jul.2023 基金项目:国家自然科学基金项目(52179011)作者简介:石朋(1976),男,教授,博士,主要从事水文水资源及分布式流域水文模拟研究。E-mail:ship 通信作者:瞿思敏(1977),女,教授,博士,主要从事水文水资源及分布式流域水文模拟研究。E-mail:wanily DOI:10 3880/j issn 10046933 2023 04 003不同优化算法在新安江模型参数率定中的效果评估石 朋1,2,陆美霞1,吴洪石1,瞿思敏1,李
2、紫纯1,丁 松1,王 啸1,邱 超3(1.河海大学水文水资源学院,江苏 南京 210098;2.河海大学水安全与水科学协同创新中心,江苏 南京 210098;3.浙江省水文管理中心,浙江 杭州 310009)摘要:针对水文模拟预报中需要寻求实用、稳健、高效的优化算法并据此确定参数的全局最优解的问题,以綦江流域典型控制断面五岔断面为研究对象,分别选取 GA、SCE-UA、CMA-ES、PSO 等 4 种优化算法进行分布式新安江模型汇流参数率定,并从有效性、稳定性、耗时和效率 4 个方面评估算法的参数率定性能。结果表明:CMA-ES 算法优化效果最佳,相同迭代次数下耗时最少;SCE-UA 算法稳定
3、性和效率最高,但耗时随着迭代次数增大而显著增加;PSO 算法有效性和效率相对较优,但稳定性最差;GA 算法耗时相对较少,优化效果和效率最差;综合性能从优到劣依次为 CMA-ES 算法、SCE-UA 算法、PSO 算法、GA 算法。关键词:分布式新安江模型;参数率定;洪水预报;优化算法;綦江流域中图分类号:TV122+.2 文献标志码:A 文章编号:10046933(2023)04001907Evaluation of different optimization algorithms in parameter calibration of Xinanjiang model SHI Peng1,
4、2,LUMeixia1,WU Hongshi1,QU Simin1,LI Zichun1,DING Song1,WANG Xiao1,QIU Chao3(1.College of Hydrology andWater Resources,Hohai University,Nanjing 210098,China;2.National Cooperative Innovation Center for Water Safety&Hydro Science,Hohai University,Nanjing 210098,China;3.Zhejiang Hydrologic Management
5、Center,Hangzhou 310009,China)Abstract:In response to the problem of finding a practical,robust,and efficient optimization algorithms in hydrologicalsimulation forecasting and determining the global optimal solution of parameters based on them,the Wucha section,atypical control section in the Qijiang
6、 River Basin,was selected as the research object.Four optimization algorithms,GA、SCE-UA、CMA-ES、PSO,were selected to calibrate the convergence parameters of the distributed Xinanjiang model.Theparameter calibration performance of the algorithm was evaluated from four aspects:effectiveness,stability,t
7、imeconsumption,and efficiency.The results show that CMA-ES algorithm has the best optimization effect and the least timeconsumption under the same number of iterations.SCE-UA algorithm has the highest stability and efficiency,but its timeconsumption significantly increases with the increase of itera
8、tion times.PSO algorithm has relatively better effectiveness andefficiency,but the stability is the worst.GA algorithm takes relatively less time and has the worst optimization effect andefficiency.The comprehensive property is ranked from best to worst as CMA-ES,SCE-UA,PSO,and GA algorithms.Key wor
9、ds:distributed Xinanjiang model;parameter calibration;flood forecasting;optimization algorithm;Qijiang RiverBasin 针对水文模型参数自动优选的研究起源于 20世纪 60 年代。1975 年,John 等1提出了遗传(GA)算法,基于大自然中生物体进化规律,通过模拟自然选择和遗传学机理的生物进化过程寻找最优解。Barnhart 等2将 GA 算法应用于自动校准和估计水文模型参数不确定性和灵敏度,能够取得优异的率定结果,并且可替代传统的静态空间采样方法。1993 年,Duan 等3提出了
10、洗牌复形演化(SCE-UA)算法,该算法能够在非线性水文模型参数率定中灵活有效地应用,被广泛应用于水文学领域。Thyer等4揭示了 SCE-UA 算法对多个复合体和洗牌的使用比 GA 算法的单个单纯形更有效地搜索参数空间;Kang 等5采用自适应惩罚函数用于对 SCE-UA算法施加约束,减少了流域径流事件模拟中的峰值91流量和峰值时间误差。1994 年,Hansen6根据 DSC概率提出了协方差矩阵自适应进化策略(CMA-ES)算法,该方法主要应用于单目标参数值优化,具有自适应性和空间旋转不变性,其效率主要受到协方差矩阵更新和进化策略影响。众多学者将该算法应用于复杂优化问题中,能够在较短时间内
11、找到最优解7-8。1995 年,Kennedy 等9通过研究鸟类的群体行为提出了粒子群优化(PSO)算法,该算法参数较少,概念简单并且没有交叉变异等运算,更容易实现。Jahandideh-Tehrani 等10比较了 PSO 算法和GA 算法在日降雨径流建模中的性能,发现在 PSO算法在收敛速度、精度和适应度函数评估方面均显著优于 GA 算法;Fu 等11研究发现优化后的 PSO算法精度显著提高,收敛性和灵敏度较好,可为水文地质模型的构建和含水层参数的建立提供更好的算法依据。如何对流域径流过程进行精准刻画是当前水文模型应用的热点问题,而水文模型参数直接影响水文过程预报的精度和可靠性,准确且合理
12、地进行参数率定非常重要。不同的参数优化算法有各自的优缺点和适用范围,选取实用、稳健、高效的模型参数优化率定算法是破局的关键之一。分布式新安江模型相比集总式水文模型的优点在于其能够考虑各种水文参数的空间变异性,该模型以蓄满产流理论为基础,采取三分原则(分单元、分阶段、分水源)构建。基本物理过程包括流域蒸散发、坡地产流、分水源、坡地汇流、河道汇流。由此,本文以綦江流域五岔断面为研究对象,分别将GA、SCE-UA、CMA-ES、PSO 这 4 种典型优化算法应用于分布式新安江模型参数率定,着眼于汇流过程,对 20102019 年共 29 场次洪模型进行多目标参数优化率定,并最终评估 4 种自动率定算
13、法的有效性、稳定性、耗时和效率,以期为水文模型参数率定时算法优选提供参考。1 研究区概况与数据来源綦江流域(图 1)位于 10619E 10715E、2811N 2918N 范围内,干流全长 198 km,流域面积 7 020 km2。綦江流域属亚热带湿润季风气候区,多年平均降水量为1040.1mm,降雨多集中在510 月,沿干流河谷一带雨量较少,向左右两岸分水岭逐步增大;多年平均蒸发量为 1495.5 mm;多年平均径流深约499 mm,多年平均径流总量为 38.5 亿 m3。綦江流域水旱灾害严重,2020 年 6 月 22 日綦江遭受 80 年来最大洪水,洪峰超过保证水位近5 m,首次触发
14、了重庆红色预警。五岔水文站位于綦江干流上游的寿烈河与三溪河交汇处,其水流状况直接反映了綦江干流上游的洪水情况、水资源情况以及生态环境状况。五岔断面作为綦江流域出口断面,其水位和流量数据对于綦江干流上游的洪水防控非常重要,该断面的预报准确性决定了能否正确反馈水文数据,为綦江流域防洪调度提供重要依据。图 1 綦江流域概况Fig.1 Overview of the Qijiang River Basin选用五岔水文站 20102019 年实测日尺度径流、降水、蒸发数据以及逐时洪水要素数据,均摘录自长江流域水文年鉴,由水利部长江水利委员会观测、整 理、发 布;数 字 高 程 数 据(DEM)采 用SR
15、TMSLOPE 90 m 分辨率数字高程数据产品,来源于地理空间数据云(https:/)。将五岔站 20102019 年发生的洪水划分出多个历史场次洪水,遵循划分洪水过程完整以及起涨、退水过程连续的原则,从中挑选 29 场经分布式新安江模型率定结果为合格的洪水进行研究,次洪编码见表 1。表 1 29 场次洪编码Table 1 Numbers of 29 floods序号次洪编码序号次洪编码序号次洪编码11304090011150910082118062100213042808121605061622180917003130507121316061816231809232241306080014
16、1606261824190518005130622081517050108251905240061309020816170509222619062108713090918171706091827190628008140602211817090900281907070891408110319171010002919071700101408170820180505082 研究方法2.1 分布式新安江模型新安江模型12-14是20 世纪70 年代由赵人俊教02授提出的一种半分布式降雨 径流模型,该模型包含4 个层次计算模块:蒸散发模块、产流模块、水源划分模块和汇流模块。4 个模块的参数之间有较强的相
17、对独立性15-16,各层次针对需要采用不同的目标函数进行参数率定。第四层汇流是最高层,决定了流域出口断面流量过程,变化最为迅速灵敏,是提高洪水模拟精度的关键层,因此本文就汇流过程进行参数率定中优化算法的比较。分布式新安江模型17-18与新安江模型的区别于之处在于需要划分子流域单元,本文采用自然流域划分法进行流域划分19,以 DEM、流域内山脊线为参照,将流域划分为 117 个子流域,各个子流域内产汇流过程相互独立,更加接近实际产汇流过程。划分结果如图 2 所示,图中每个色块代表一个子流域。图 2 子流域划分结果Fig.2 Result of subwatershed division2.2 优
18、化算法GA 算法是受到生物进化规律启发提出的,将问题的求解过程转换为在遗传空间中染色体或个体选择、杂交、变异的过程搜索最优解20。在求解较复杂的组合优化问题时,GA 算法能够以较快的速度获得较优的运算结果,具有自组织性、自适应性及自学习性。算法步骤为:随机生成初始群体作为候选解;计算群体中每个个体的适应度;依次进行选择运算(群体中的个体优胜劣汰)、交叉运算(生物遗传基因重组)、变异运算(改变群体中个体的某些基因值);若进化代数与最大进化代数相等,则将进化过程中具有最大适应度个体作为最优解输出并终止计算。SC-EUA 算法结合了 SCE21(shuffled complexevolution)和
19、 CCE(competitive coevolutionary)的原理,能够高效地进行全局范围内搜索,得到优化参数。算法步骤为:在合理范围内随机生成 s 个样本点,计算每个样本点的目标函数值,将样本点根据目标函数值升序规则进行排序,存入到数列中,将数列中的样本点划分成 p 个复合形;设 s=pm(m 为每个复合形中的顶点数),对上述划分的每一个复合形采用 CCE 算法进行进化计算;将进化好的单个复合形混合到一起,并排序存入到数列 D 当中;如果此时算法已经收敛,则停止优化计算,否则重新划分复合形并计算。CMA-ES 算法是性能最优的进化策略之一,广泛应用于单目标中规模变量的复杂优化问题22-2
20、3。CMA-ES 算法的核心是依靠对参数(尤其是协方差矩阵和步长参数)的调整来处理变量间的依赖关系。算法步骤为:每一次迭代采样产生新解;计算新解对应的目标函数值并排序;利用最大似然估计法对分布参数进行更新,包括均值更新、协方差矩阵更新、补偿更新。PSO 算法基于对鸟类、鱼类群体的研究24-26。将鸟群中每只鸟的位置作为优化问题中的一个解,将鸟群中的个体称为粒子,每个粒子有其本身的速度和位置,在按自身速度惯性运动的同时,会根据群体的运动特征按一定规则做出相应改变,以达到最优位置。算法没有交叉变异运算,搜索速度快,结构简单且参数较少,易于实现。2.3 研究思路根据分布式新安江模型计算结果,分别从有
21、效性、稳定性、耗时和效率 4 个方面评价各优化算法的汇流参数率定性能,最终采用加权平均的方法对各算法性能进行综合评估。有效性的判断主要取决于算法在迭代足够次数并达到收敛后模型的拟合效果,拟合效果评价指标有确定性系数、径流深相对误差、洪峰流量、峰现时间;次洪合格率根据径流深相对误差、洪峰流量、峰现时间是否合格来判定,模拟结果根据预报项目精度等级表来评定精度等级。稳定性取决于算法能否在相同的迭代次数下,得到稳定分布的参数值;本文在足够的迭代次数下进行多次计算,根据参数的分布来评判参数是否稳定一致,并统计各参数计算结果的变差系数,通过数据的离散程度判别算法稳定性。耗时即各算法在相同的迭代次数下率定参
22、数所耗用时间,按从小到大的顺序选取不同迭代次数,在其他条件均一致的前提下使用各算法进行参数率定。为探究各算法的计算效率,从小到大设定多个迭代次数,比较不同算法最接近于收敛时的迭代次数,当参数值从某次迭代开始基本达到并维持优化终值不变时,说明算法目标函数基本收敛,此时迭代次数越小则表明该算法效率越高。4 个方面目标函数均设置为确定性系数,适应度阈值均设置为-0.05。最大迭代次数设置不尽相同,其中有效性检验设置为 5000 次;稳定性检验设置为 2000 次,且分别率定 10 次;耗时检验分别设12置为10、20、50、80、100、200、300、400、600 次;效率检验分别设置为 10、
23、20、30、40、50、100、200、500、700、1000、1500、2000、5000 次。3 结果与分析3.1 有效性表 2 为预报精度等级,表 3 为 4 种算法参数率定及评价结果。可见,4 种算法的确定性系数相差不大,其中 PSO 算法的确定性系数为 0.887,略高于另外 3 种算法。各算法次洪合格率相差较大,CMA-ES 算法的次洪合格率为 96.55%,远高于其他 3 种算法;GA 算法次洪合格率最低,仅为 65.52%,是唯一一个精度等级为丙等的,说明该算法洪水模拟效果较差。表 2 预报精度等级Table 2 Accuracy grades of forecasting等
24、级合格率/%确定性系数甲 850.9乙70,85)0.7,0.9)丙60,70)0.5,0.7)图 3 为 4 种算法 29 场洪水洪峰流量模拟值与实测值拟合效果,其中,SCE-UA 算法线性拟合函数为 y=0.8295x+41.7522,PSO 算法线性拟合函数为 y=0.8319x+36.9876,GA 算法线性拟合函数为 y=0.8007x+38.7375,CMA-ES 算法线性拟合函数为 y=0.8787x+41.2300。可见,大多数散点位于45线以下,说明 4 种算法的计算洪峰流量普遍小于实测洪峰流量。当洪峰流量为小于1000m3/s 的低水量时,4 种算法的模拟效果相对较好,当洪
25、峰流量大于1000m3/s 时,随着洪峰流量的增大,散点越发偏离45线,模拟流量小于实测流量,模拟效果变差。从线性拟合的效果可以看出,CMA-ES 算法的拟合效果最好,SCE-UA 算法和 PSO 算法的拟合线大致重合,较为偏离于45线下方,GA 算法的拟合线斜率最小,拟合效果最差,洪峰模拟结果不够准确。图 4 为 13060800、16050616、17101000、190628004 场洪水实测流量与模拟流量的过程线。可见,4 种算法模拟的洪峰流量普遍低于实测洪峰流量,但无论是哪场洪水,CMA-ES 算法的模拟洪峰流量都更接近 图3 4 种算法29 场洪水洪峰流量模拟值与实测值拟合效果Fi
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 不同 优化 算法 新安江 模型 参数 中的 效果 评估
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。