全文预览

第10讲 swat模型参数率定和验证

上传者:随心@流浪 |  格式:ppt  |  页数:97 |  大小:10159KB

文档介绍
他参数值的选取?LH-OAT 分析?采用LH-OAT法可确保所有参数在取值范围内均被取样?两者优点,弥补不足Р参数敏感性分析РLH-OAT 分析?每次仅对1个参数进行敏感性分析,将其按固定比例调整大小(如取值范围的5%)?其他参数按Latin-ypercube采样方法随机变化,模拟m次并统计分析对模拟结果的影响,m为取值区间的个数?如对n个参数进行敏感性分析,把参数划分为m个空间,模型共需m*(n+1)次模拟Р参数敏感性分析Р敏感性分析对象为进行敏感性评判的数据对象:?流量(1) ?产沙量(2)?有机氮(3)?有机磷(4)?…Р最优化方法Р参数自动率定采用SCE-UA:?对于非线性复杂的分布式水文模型,采用随机搜索方法寻优,最为成功的方法之一?全局优化算法?基于以下4 种概念:?确定性和概率论方法结合?在全局优化及改善方向上,覆盖参数空间的复合形点的系统演化?竞争演化?混合复合形Р最优化方法РSCE-UA优化算法步骤:?第1步,运用随机抽样模型,在模型需要率定的参数的可行空间随机产生p×m 个点作为初始群体;该可行空间为由changepar.dat文件指定的参数及其变化范围?第2步,按目标函数增序将这p×m 个点分成p 个种群, 每个种群包含m 个成员?第3 步, 每个种群进行若干代独立竞争进化后,种群之间定期进行交叉形成新的种群,如此,种群之间可以共享信息?第4步,检查是否满足收敛要求,如果不满足回到第2步?该算法可以搜索全部参数的可行空间,找到全局最优参数的成功率是100%Р最优化方法РSCE-UA 算法的特点: ?结合了单纯形法、受控随机搜索、生物竞争进化和种群交叉等方法的优点?在多个吸引域内获得全局收敛点?能够避免陷入局部最小点?能有效地表达不同参数的敏感性与参数间的相关性?能够处理具有不连续响应表面的目标函数,即不要求目标函数与导数的清晰表达?能够处理高维参数问题

收藏

分享

举报
下载此文档