基于MCMC方法的概念性流域水文模型參數(shù)優(yōu)選及不確定性研究.pdf

1、概念性流域水文模型不僅在水循環(huán)研究領(lǐng)域有著重要的地位，在與水循環(huán)相關(guān)的其它領(lǐng)域也發(fā)揮著越來(lái)越重要的作用。無(wú)論是水文與水資源、環(huán)境和生態(tài)等重大問(wèn)題的決策，還是防洪抗旱等均離不開(kāi)水文模型的支撐。概念性流域水文模型的預(yù)報(bào)精度與模型結(jié)構(gòu)及模型參數(shù)取值密切相關(guān)，因此，如何選取適用于指定研究區(qū)域的模型結(jié)構(gòu)及模型參數(shù)是確保概念性流域水文模型預(yù)報(bào)精度的重要前提。鑒于此，本文在研究模型結(jié)構(gòu)適用性的基礎(chǔ)上，針對(duì)復(fù)雜非線性流域水文模型參數(shù)優(yōu)選問(wèn)題的難解性，引

2、入融合馬爾可夫鏈蒙特卡羅方法的優(yōu)化算法，系統(tǒng)開(kāi)展了模型參數(shù)優(yōu)選、參數(shù)不確定性及模型輸出的不確定性等研究，主要研究?jī)?nèi)容和結(jié)論如下：
　　 (1)選取RRMT中9個(gè)降雨-徑流模型組合，并采用SCE-UA優(yōu)化算法及3個(gè)模型評(píng)價(jià)目標(biāo)函數(shù)，對(duì)長(zhǎng)江流域的岷江、嘉陵江及烏江流域開(kāi)展模型結(jié)構(gòu)適用性研究。根據(jù)模型結(jié)構(gòu)的復(fù)雜度以及模型的預(yù)報(bào)能力對(duì)模型結(jié)構(gòu)進(jìn)行綜合評(píng)價(jià)，選出適用于指定研究區(qū)域的模型結(jié)構(gòu).
　　 (2)在系統(tǒng)研究SCEM-UA算

3、法基礎(chǔ)上，采用自適應(yīng)Metropolis采樣替代SCEM-UA算法中的Metropolis-annealing采樣，提出了新的SCEAM-UA算法，該算法能在每一次迭代過(guò)程后自適應(yīng)地調(diào)整協(xié)方差和接受率策略。通過(guò)實(shí)例研究發(fā)現(xiàn)，SCEAM-UA算法較好地克服了“早熟收斂”問(wèn)題，搜索性能要優(yōu)于傳統(tǒng)SCEM-UA算法。此外，基于改進(jìn)SCEAM-UA算法采樣，對(duì)岷江、嘉陵江及烏江流域CMD-3PAR模型參數(shù)進(jìn)行了敏感性分析，為模型參數(shù)的準(zhǔn)確取值奠

4、定基礎(chǔ)。
　　 (3)從算法的搜索效率、求解質(zhì)量、算法穩(wěn)定性等方面對(duì)SCE-UA、SCEM-UA、SCEAM-UA、DE-MC及DREAM等算法進(jìn)行了比較分析，得出：DREAM和SCEAM-UA算法的優(yōu)化性能優(yōu)于DE-MC和SCEM-UA算法。在分析比較不同算法的性能基礎(chǔ)上，初步建立了流域水文模型參數(shù)優(yōu)選方法的評(píng)價(jià)指標(biāo)體系，為選擇高效的流域水文模型參數(shù)優(yōu)選算法提供了科學(xué)依據(jù)。此外，對(duì)RRMT的優(yōu)化模塊進(jìn)行拓展開(kāi)發(fā)，嵌入新的SCE

5、M-UA、SCEAM-UA、DE-AM、DREAM及MODREAM等算法，進(jìn)一步增強(qiáng)了RRMT優(yōu)化模塊的功能。
　　 (4)將DREAM算法應(yīng)用于岷江、嘉陵江及烏江流域CMD-3PAR模型的參數(shù)優(yōu)選，研究發(fā)現(xiàn)：DREAM算法能有效推求模型參數(shù)后驗(yàn)分布，適用于參數(shù)先驗(yàn)信息較少的復(fù)雜流域水文模型參數(shù)優(yōu)選及不確定性分析。在DREAM算法基礎(chǔ)上引入多目標(biāo)優(yōu)化思想，綜合考慮水量平衡、水文特征曲線、洪峰流量等水文過(guò)程的不同要素，提出了一種基

6、于改進(jìn)適應(yīng)度分配策略和外部存檔方案的多目標(biāo)DREAM算法，并以岷江、嘉陵江及烏江流域?yàn)槔?，?duì)CMD-3PAR模型進(jìn)行了自動(dòng)參數(shù)優(yōu)選，通過(guò)對(duì)比單目標(biāo)優(yōu)選與多目標(biāo)優(yōu)選結(jié)果發(fā)現(xiàn)：MODREAM算法可在較短時(shí)間內(nèi)生成大量的非劣解供決策者評(píng)價(jià)優(yōu)選，更能反映流域?qū)嶋H水文特征，使得模型計(jì)算流量與實(shí)測(cè)流量過(guò)程更加吻合，優(yōu)于傳統(tǒng)的單目標(biāo)DREAM算法。
　　 綜上所述，融合MCMC方法的優(yōu)化算法能較好地處理復(fù)雜非線性流域水文模型參數(shù)優(yōu)選問(wèn)題，適用