PA-DDS算法在HBV模型参数优化中的应用

2017-03-21陈元芳

中国农村水利水电 2017年12期

代旭, 陈元芳

(河海大学水文水资源学院，南京 210098)

0 引言

水文模型是模拟降雨径流关系的工具，这些模型在结合流域产汇流机制的基础上定量分析了出流过程线[1]。模型模拟的精度跟许多因素有关，比如资料的误差，模型结构，参数的相关性及其准确性等。模型参数优化在确定了模型的结构以后对模型的模拟结果起重大作用。

在水文模型参数率定的两种方法中，试错法是人工率定的主要方法，简单易行，但需要大量的计算时间[2]。自动率定方法是目前发展较快且应用广泛的参数率定方法。自动率定法包括局部寻优和全局寻优两种方法。针对单峰函数，局部寻优法可以有效快速地找到最优解，而全局寻优法通过全局寻优避免最优解限制于局部空间内。

水文模型参数率定方法分为单目标[3]和多目标率定两种[4]。多目标优化算法作为全局优化的重要组成部分，其目的在于搜寻可行的参数空间并找出其Pareto最优解集[5]。目前多目标优化算法有NSGA-Ⅱ[6]法、MOGA法[7]、PAES法[8]、AMALGAM法[9]等。其中NSGA-Ⅱ算法作为其他多目标寻优算法性能检验的标准，具有寻优速度快，解集分布广泛且均匀的优点。AMALGAM算法通过对四种相关算法分配权重从而实现信息交换同时寻优，解的收敛性能较好。本文将PA-DDS算法与NSGA-Ⅱ算法和AMALGAM算法在收敛性能方面进行了对比，比较了PA-DDS算法与AMALGAM算法的Pareto前沿，并将其用于HBV参数优化中，结合巴格玛蒂河流域相关资料验证了该方法的可行性和适用性。