發(fā)布時間：2020-07-19 18:54

【摘要】：水文模型是對現(xiàn)實(shí)世界中復(fù)雜水文過程的一種概化,模擬了降雨、匯流、蒸發(fā)等一系列水文現(xiàn)象。水文模型的研究是水文水資源科學(xué)研究領(lǐng)域中的重要部分,同時也是探究水文規(guī)律和模擬水文進(jìn)程的重要工具,對流域的降水、地表截留和入滲、蒸散發(fā)、地下水、產(chǎn)匯流等過程的計(jì)算有不可替代的作用,正逐步應(yīng)用于洪水分析與預(yù)測、水資源管理和水庫調(diào)度等領(lǐng)域。根據(jù)水文模型過程描述的不同,可以分為兩大類:概念性水文模型和基于物理機(jī)制的水文模型。每種水文模型都有很多表示水文過程的參數(shù),這些參數(shù)很難從實(shí)際工程中測量得到,但是其取值對水文模型洪水預(yù)測結(jié)果有十分重要的影響,從而引申出了水文模型參數(shù)校準(zhǔn)問題。在水文模型校準(zhǔn)領(lǐng)域,不同的目標(biāo)函數(shù)構(gòu)造側(cè)重描述了水文過程的不同方面,有的側(cè)重于洪水整體過程線的擬合,有的側(cè)重于大徑流值的擬合或小徑流值的擬合等,所以根據(jù)不同的需求,選擇不同的目標(biāo)函數(shù)對水文模型的洪水預(yù)報(bào)結(jié)果有不同程度的影響。同時,水文模型參數(shù)校準(zhǔn)在實(shí)際工程中的應(yīng)用表明,僅僅考慮單目標(biāo)優(yōu)化只能體現(xiàn)水文過程某一個方面的特征,而實(shí)際工程中需要考慮的方面比較多,因而水文模型參數(shù)校準(zhǔn)問題的多目標(biāo)優(yōu)化模型研究應(yīng)運(yùn)而生。目前對于水文模型參數(shù)校準(zhǔn)的研究主要集中在水文模型結(jié)構(gòu)的改進(jìn)和優(yōu)化算法的選擇與改進(jìn)上,多數(shù)為單目標(biāo)優(yōu)化,且目標(biāo)函數(shù)的選擇比較主觀,沒有一個可以參考的原則。因此,本文首先分析了水文模型參數(shù)校準(zhǔn)的誤差函數(shù),使目標(biāo)函數(shù)的選取有一個可以參考的原則,然后利用多目標(biāo)進(jìn)化算法優(yōu)化目標(biāo)函數(shù),接著采用集成學(xué)習(xí)的思想,提高了水文模型洪水的預(yù)測精度和泛化能力。本文的主要工作如下:1.水文模型誤差函數(shù)分析。目標(biāo)函數(shù)的選取是水文模型參數(shù)校準(zhǔn)的第一步,一般來說,利用輸出變量即預(yù)測徑流值和實(shí)測徑流值之間的差值來構(gòu)造水文模型的目標(biāo)函數(shù),可以通過數(shù)學(xué)模型的建立最終歸結(jié)為一個最優(yōu)化問題,第一個需要關(guān)注的問題就是目標(biāo)函數(shù)的選擇。本文選擇概念性水文模型:新安江模型,總結(jié)了新安江模型參數(shù)校準(zhǔn)常用的誤差函數(shù),因?yàn)樾掳步Ｐ蜕婕暗膮?shù)相對較多,屬于多決策因素實(shí)驗(yàn),所以選擇正交設(shè)計(jì)方法設(shè)計(jì)實(shí)驗(yàn),根據(jù)實(shí)驗(yàn)結(jié)果分析了這些誤差函數(shù)是否適合作為新安江模型參數(shù)校準(zhǔn)問題的目標(biāo)函數(shù)。同時利用對試驗(yàn)結(jié)果的進(jìn)一步處理,對目標(biāo)函數(shù)之間的相關(guān)性進(jìn)行了分析。研究工作對水文模型參數(shù)校準(zhǔn)問題的目標(biāo)函數(shù)選擇有一定的參考價值,并對后續(xù)多目標(biāo)優(yōu)化算法選擇目標(biāo)函數(shù)提供了可參考的依據(jù),同時研究方法也可以應(yīng)用到其它的水文模型中。2.基于Pareto的多目標(biāo)進(jìn)化算法和集成學(xué)習(xí)在新安江水文模型參數(shù)校準(zhǔn)上的應(yīng)用。多目標(biāo)進(jìn)化算法對單場洪水的預(yù)測徑流量和實(shí)測徑流量的擬合度很高,但是泛化能力仍然有提升的空間。集成學(xué)習(xí)可以有效的提高模型的泛化能力,考慮多目標(biāo)優(yōu)化問題中目標(biāo)函數(shù)之間互相沖突,由多目標(biāo)進(jìn)化算法產(chǎn)生的Pareto解集可以滿足集成學(xué)習(xí)中基學(xué)習(xí)器需要滿足多樣性和準(zhǔn)確性的要求。本文選用多目標(biāo)進(jìn)化算法NSGAII對目標(biāo)函數(shù)優(yōu)化得到Pareto解集,然后利用集成學(xué)習(xí)的思想,從多目標(biāo)進(jìn)化算法得到的Pareto解集中選取部分解作為基學(xué)習(xí)器,最后利用回歸預(yù)測方法對基學(xué)習(xí)器的結(jié)果進(jìn)行整合,實(shí)驗(yàn)結(jié)果表明多目標(biāo)進(jìn)化算法與集成學(xué)習(xí)相結(jié)合可以提高新安江模型洪水預(yù)測的泛化能力和預(yù)測精度。
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP18;P334.92
【圖文】：

練集的數(shù)據(jù)相對于整個假設(shè)空間太少時就反映成了一個統(tǒng)，學(xué)習(xí)算法能夠在假設(shè)空間 H 中可以發(fā)現(xiàn)很多具有相同，外層曲線表示假設(shè)空間 H，內(nèi)層曲線表示在給定的訓(xùn)練的、準(zhǔn)確性的假設(shè)集合，h1，h2，h3，h4是我們得到的 4的假設(shè)。因而可以通過構(gòu)造一個集成假設(shè)來平均假設(shè)結(jié)果正確假設(shè) h。計(jì)算角度分析：很多利用局部搜索的方法常常陷入局部最梯度下降法最小化訓(xùn)練數(shù)據(jù)的誤差函數(shù)，決策樹算法利用情況下，盡管有足夠多的訓(xùn)練數(shù)據(jù)，滿足了上述第一個條設(shè)，如圖 2.3 所示。集成利用整合多個從不同初始點(diǎn)出發(fā)更好的假設(shè)逼近真實(shí)假設(shè) f。表示角度分析：在實(shí)際應(yīng)用中，通常很難通過數(shù)據(jù)訓(xùn)練在和真實(shí)假設(shè)f完全相同，通過對訓(xùn)練得到的多個假設(shè)進(jìn)行或許可以擴(kuò)展假設(shè)空間的范圍，從而接近真實(shí)假設(shè) f，如

西安電子科技大學(xué)碩士學(xué)位論文20圖3.2 東洋河流域圖3.4.1 正交設(shè)計(jì)方法通常在實(shí)驗(yàn)設(shè)計(jì)中，對于決策因素比較少的實(shí)驗(yàn)，我們可以通過窮舉的方法來研究實(shí)驗(yàn)在決策因素所有組合情況下的表現(xiàn)，但是當(dāng)決策因素個數(shù)比較多且取值范圍比較廣時，若仍采取全面試驗(yàn)的方法，其規(guī)模將是十分龐大的，所花費(fèi)的時間和精力也將難以估計(jì)。而且很多時候我們不需要窮盡所有可能的組合，因?yàn)楹芏鄬?shí)驗(yàn)結(jié)果是重復(fù)的，只需要找到具有代表性的組合來進(jìn)行實(shí)驗(yàn)即可。正交設(shè)計(jì)方法就是一種解決多決策因素實(shí)驗(yàn)的設(shè)計(jì)方法，即在決策空間均勻的選擇決策因素組合進(jìn)行實(shí)驗(yàn)，當(dāng)在決策空間選取的點(diǎn)足夠多時就可以認(rèn)為接近全面試驗(yàn)的結(jié)果了。若選擇隨機(jī)取樣的方法，可能會使得樣本集中聚集在決策空間的某一部分

【參考文獻(xiàn)】

相關(guān)期刊論文 前7條

1 Si-min QU;Han LIU;Yan-ping CUI;Peng SHI;Wei-min BAO;Zhong-bo YU;;Test of newly developed conceptual hydrological model for simulation of rain-on-snow events in forested watershed[J];Water Science and Engineering;2013年01期

2 Xiao-meng SONG;Fan-zhe KONG;Che-sheng ZHAN;Ji-wei HAN;Xin-hua ZHANG;;Parameter identification and global sensitivity analysis of Xin'anjiang model using meta-modeling approach[J];Water Science and Engineering;2013年01期

3 郭俊;周建中;周超;王光謙;張勇傳;;概念性流域水文模型參數(shù)多目標(biāo)優(yōu)化率定[J];水科學(xué)進(jìn)展;2012年04期

4 張剛;解建倉;羅軍剛;;基于免疫克隆選擇算法的新安江模型參數(shù)率定[J];水力發(fā)電學(xué)報(bào);2011年04期

5 公茂果;焦李成;楊咚咚;馬文萍;;進(jìn)化多目標(biāo)優(yōu)化算法研究[J];軟件學(xué)報(bào);2009年02期

6 王宇平,焦永昌,張福順;解多目標(biāo)優(yōu)化的均勻正交遺傳算法[J];系統(tǒng)工程學(xué)報(bào);2003年06期

7 王建群,盧志華,哈布哈琪;求解約束非線性優(yōu)化問題的群體復(fù)合形進(jìn)化算法[J];河海大學(xué)學(xué)報(bào)(自然科學(xué)版);2001年03期

本文編號：2762823