CN111985106B - 一种基于多点并行校正的分布式水文模型参数率定方法 - Google Patents
一种基于多点并行校正的分布式水文模型参数率定方法 Download PDFInfo
- Publication number
- CN111985106B CN111985106B CN202010845453.XA CN202010845453A CN111985106B CN 111985106 B CN111985106 B CN 111985106B CN 202010845453 A CN202010845453 A CN 202010845453A CN 111985106 B CN111985106 B CN 111985106B
- Authority
- CN
- China
- Prior art keywords
- basin
- hydrological
- watershed
- sub
- rainfall
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 92
- 238000012937 correction Methods 0.000 title claims abstract description 11
- 238000011160 research Methods 0.000 claims abstract description 82
- 230000008569 process Effects 0.000 claims abstract description 63
- 230000006870 function Effects 0.000 claims description 62
- 238000004364 calculation method Methods 0.000 claims description 25
- 238000010586 diagram Methods 0.000 claims description 21
- 238000005457 optimization Methods 0.000 claims description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 238000004088 simulation Methods 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000009826 distribution Methods 0.000 abstract description 8
- 238000005259 measurement Methods 0.000 abstract description 8
- 238000010206 sensitivity analysis Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 235000010575 Pueraria lobata Nutrition 0.000 description 3
- 238000013480 data collection Methods 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 241000219781 Pueraria montana var. lobata Species 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 244000046146 Pueraria lobata Species 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/18—Testing or calibrating meteorological apparatus
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/17—Function evaluation by approximation methods, e.g. inter- or extrapolation, smoothing, least mean square method
-
- G01V20/00—
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/66—Subsurface modeling
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Abstract
本发明公开了一种基于多点并行校正的分布式水文模型参数率定方法,根据目标研究流域内干流和大支流上的水文站点位置,将目标研究流域划分为若干个子流域;在进行模型参数的时候,根据子流域的位置关系以及水文站点的数据情况,将目标研究流域划分为几个参数率定单元,通过多台电脑分别对不同的参数率定单元通过参数率定单元流域出口断面的水文站点的观测流量过程进行并行参数校正;将各参数率定单元的水文模型参数进行整合,得到整个流域的水文模型参数。优点是:将目标研究流域根据有实测资料的水文站点的分布情况划分为多个参数率定单元,并在多台计算机上对不同的参数率定单元根据其出口断面的水文站的实测流量过程进行校正率定,提高率定效率。
Description
技术领域
本发明涉及水文预报领域,尤其涉及一种基于多点并行校正的分布式水文模型参数率定方法。
背景技术
当前为研究水库调度、水资源管理等问题,流域水文模型的构建以及水文模型参数率定是必不可少的步骤之一。
现在广泛使用的水文模型参数率定的方法,是以流域出口断面流量过程为变量建立参数率定的目标函数,采用各种优化算法或者并行算法来对水文模型的参数进行率定。直接采用优化算法进行以流域出口断面流量过程为变量建立目标函数的方法,对计算机内存的需求较高,且计算优化的时间较长,如果流域面积很大的话,一般的计算机通常会由于内存不足,导致优化程序中断,不能得到流域的最优参数,且得到的模型参数仅仅是按照整个流域出口断面单点的实测流量过程进行校正,所以得到的参数可能不能够反映流域中各个子流域的真实产汇流特性。
发明内容
本发明的目的在于提供一种基于多点并行校正的分布式水文模型参数率定方法,从而解决现有技术中存在的前述问题。
为了实现上述目的,本发明采用的技术方案如下:
一种基于多点并行校正的分布式水文模型参数率定方法,包括如下步骤,
S1、收集目标研究流域内的雨量站和水文站的位置及其对应的观测数据,获取目标研究流域的DEM图和土地利用图;对目标流域的DEM图进行分析,获取目标研究流域的流域面文件;将目标研究流域划分为多个子流域,并分别获取各个子流域内雨量站及各个雨量站的权重;对目标研究流域的土地利用图进行分析,获取目标研究流域内的各个子流域的不透水率;
S2、在所述流域面文件中添加水文单元以生成流域模型,并为各个水文单元选择相应的计算方法;
S3、确定洪水降雨径流过程中各子流域的降雨过程以及各子流域内各水文站断面的流量过程;
S4、将目标研究流域划分为多个参数率定单元,并为参数率定单元制定计算规则;
S5、为每个参数率定单元选择相应的目标函数,并利用优化算法并行求取各个参数率定单元的目标函数的最小值,将各个参数率定单元获取的目标函数最小值汇总整合,即可获取目标流域的水文模型的最优参数。
优选的,步骤S1具体包括如下内容,
S11、收集目标研究流域内有观测资料的雨量站和水文站的位置信息以及雨量站和水文站对应的观测数据,将不等时间间隔的观测数据,通过插值的方法转化为逐小时的观测数据;并获取目标研究流域的DEM图和土地利用图;
S12、通过GIS软件对目标研究流域的DEM图进行水文分析,获取目标研究流域内的流域面文件;
S13、通过流域分割的方法将目标研究流域划分为若干个子流域;所述流域分割的方法保证目标研究流域的干流和大支流中有实测数据的水文站以及水库,都分布在各个子流域的出口位置;
S14、根据目标研究流域内的雨量站绘制泰森多边形,以获取目标研究流域内的各个子流域的雨量站及其各个雨量站的权重;
S15、通过GIS软件对目标研究流域的土地利用图进行分析,以获取目标研究流域内的各个子流域的不透水率。
优选的,在对目标研究流域进行子流域划分时,将水文站和/或水库作为子流域的出口断面。
优选的,步骤S2具体为,在所述流域面文件中添加水文单元生成流域模型,并为各个水文单元配置相应的计算方法,所述水文单元包括水库单元、河道单元、子流域单元和汇流点单元。
优选的,步骤S3具体包括如下内容,
S31、根据目标研究流域出口断面的径流过程以及各雨量站的降雨过程,确定降雨径流模拟的起止时间;
S32、各个子流域的径流过程以各个子流域的面雨量表示,所述子流域的面雨量根据该子流域中各雨量站的流量数据与各雨量站的泰森多边形权重之间的乘积确定;
S33、各水文站断面的流量过程采用逐小时的流量过程。
优选的,步骤S4具体包括如下内容,
S41、根据具有观测资料的水文站的位置,划分出若干个参数率定单元,各所述参数率定单元包括至少一个子流域;并确保各个参数率定单元的出口断面均为具有观测资料的水文站;
S42、对于出口断面为水库单元的子流域,其出流过程采用水库的实际出库流量代替;
S43、对于有其他参数率定单元流入的参数率定单元,则所述其他参数率定单元的出口断面流量采用观测的流量作为其对应的出流数据,也即为被流入的参数率定单元的入流数据。
优选的,步骤S5具体包括如下内容,
S51、各参数率定单元根据其各自的流域水文预报的需要,选择合适的水文模型参数率定目标函数,所述目标函数为峰值误差百分比函数或均值加权均方根误差函数,当需要对峰值流量进行限制规划和设计时,选择峰值误差百分比函数作为目标函数;当需要反映洪水过程整体情况并偏重于洪峰流量的模拟时,选择均值加权均方根误差函数作为目标函数;所述峰值误差百分比函数和均值加权均方根误差函数分别如下,
其中,f1为峰值误差百分比函数;qs(peak)为计算的峰值;qo(peak)为实测的峰值;f2为均值加权均方根误差函数;NQ为计算的过程线纵坐标数目;qo(i)为实测第i个时段末的流量;qs(i)为计算第i个时段末的流量;i为时序;
S52、各参数率定单元分别使用一台计算机使用优化算法并行求取各自所用目标函数的最小值,实现对目标研究流域的水文模型的参数率定;各所述目标函数的最小值即为各个参数率定单元率定的最优参数;将各个参数率定单元率定的最优参数汇总整合,即可获取目标研究流域的水文模型最优参数。
本发明的有益效果是:1、将目标研究流域根据有实测资料的水文站点的分布情况划分为多个参数率定单元,在多台计算机上对不同的参数率定单元根据其出口断面的水文站的实测流量过程进行校正率定,提高率定效率。2、在计算机性能不是很高的情况下,通过简单的操作仍然能够得到能够较为真实的反映流域产汇流特性的水文模型参数。3、并行计算基于并行语言MPI编写敏感性分析和多目标率定程序,耦合水文模型的开源程序,根据全局敏感性分析法得到的敏感参数,用于模型参数多目标率定,获得最优解,并行计算的运用很大地提高了参数率定效率,大量的节约了参数优化运行的时间。
附图说明
图1是本发明实施例中方法的流程示意图;
图2是本发明实施例中临沂以上流域雨量站分布图;
图3是本发明实施例中临沂以上流域水文站分布图;
图4是本发明实施例中临沂以上流域水库分布图;
图5是本发明实施例中临沂以上流域子流域划分图;
图6是本发明实施例中临沂以上流域泰森多边形示意图;
图7是本发明实施例中临沂以上流域水文模型示意图;
图8是本发明实施例中葛沟以上流域参数率定单元的实测流量与计算流量对比图;
图9是本发明实施例中高里以上流域参数率定单元的实测流量与计算流量对比图;
图10是本发明实施例中角沂以上流域参数率定单元的实测流量与计算流量对比图;
图11是本发明实施例中临沂以上流域中除去其他三个参数率定单元的实测流量与计算流量对比图;
图12是本发明实施例中临沂以上流域总体率定效果图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施方式仅仅用以解释本发明,并不用于限定本发明。
实施例一
如图1所示,本实施例中,提供了一种基于多点并行校正的分布式水文模型参数率定方法,包括如下步骤,
S1、收集目标研究流域内的雨量站和水文站的位置及其对应的观测数据,获取目标研究流域的DEM图和土地利用图;对目标流域的DEM图进行分析,获取目标研究流域的流域面文件;将目标研究流域划分为多个子流域,并分别获取各个子流域内雨量站及各个雨量站的权重;对目标研究流域的土地利用图进行分析,获取目标研究流域内的各个子流域的不透水率;
S2、在所述流域面文件中添加水文单元以生成流域模型,并为各个水文单元选择相应的计算方法;
S3、确定洪水降雨径流过程中各子流域的降雨过程以及各子流域内各水文站断面的流量过程;
S4、将目标研究流域划分为多个参数率定单元,并为参数率定单元制定计算规则;
S5、为每个参数率定单元选择相应的目标函数,并利用优化算法并行求取各个参数率定单元的目标函数的最小值,将各个参数率定单元获取的目标函数最小值汇总整合,即可获取目标流域的水文模型的最优参数。
本实施例中,所述方法具体包括五部分,分别为资料收集与处理、生成流域模型、确定场次洪水降雨径流过程中各子流域的降雨过程以及流域内各水文站断面的流量过程、为研究流域划分并行参数率定单元并制定计算规则、选择优化目标函数并求取目标函数的最小值。
一、资料收集与处理
本实施例中,步骤S1对应第一部,具体包括如下内容,
S11、收集目标研究流域内有观测资料的雨量站和水文站的位置信息以及雨量站和水文站对应的观测数据,将不等时间间隔的观测数据,通过插值的方法转化为逐小时的观测数据;并获取目标研究流域的DEM图和土地利用图;
S12、通过GIS软件对目标研究流域的DEM图进行水文分析,获取目标研究流域内的流域面文件;
S13、通过流域分割的方法将目标研究流域划分为若干个子流域;所述流域分割的方法保证目标研究流域的干流和大支流中有实测数据的水文站以及水库,都分布在各个子流域的出口位置;
S14、根据目标研究流域内的雨量站绘制泰森多边形,以获取目标研究流域内的各个子流域的雨量站及其各个雨量站的权重;
S15、通过GIS软件对目标研究流域的土地利用图进行分析,以获取目标研究流域内的各个子流域的不透水率。
本实施例中,在对目标研究流域进行子流域划分时,将水文站和/或水库作为子流域的出口断面。
本实施例中,由于不透水率是水文模型的一个有物理意义的固定的参数;因此,步骤S15中需要计算各个子流域的不透水率,以便于后面求取水文模型的最优参数。
二、生成流域模型
本实施例中,步骤S2对应第二部分,具体为,在所述流域面文件中添加水文单元生成流域模型,并为各个水文单元配置相应的计算方法,所述水文单元包括水库单元、河道单元、子流域单元和汇流点单元等。
本实施例中,各水文单元有不同的计算方法;比如子流域单元需要设置产流计算的方法、汇流计算的方法、基流计算的方法;河道单元需要设置河道洪水演算的方法;水库单元需要设置水库出流的计算方法。这样每个不同的水文单元采用不同的计算方法进行相应的计算,以为步骤S3做好计算准备。
三、确定场次洪水降雨径流过程中各子流域的降雨过程以及流域内各水文站断面的流量过程
本实施例中,步骤S3对应第三部分,具体为,
S31、根据目标研究流域出口断面的径流过程以及各雨量站的降雨过程,确定降雨径流模拟的起止时间;
S32、各个子流域的径流过程以各个子流域的面雨量表示,所述子流域的面雨量根据该子流域中各雨量站的流量数据与各雨量站的泰森多边形权重之间的乘积确定;
S33、各水文站断面的流量过程采用逐小时的流量过程。
也就是说,步骤S3具体包括三个步骤,首先根据目标研究流域出口断面的径流过程以及各雨量站的降雨过程确定降雨径流模拟的起止时间;其次,使用子流域的面雨量表示各子流域的降雨过程,面雨量是根据之前得到的各雨量站的逐小时的降水数据乘以各个雨量站的泰森多边形权重确定;最后,各水文站的流量过程采用逐小时的流量过程。
四、为研究流域划分并行参数率定单元并制定计算规则
本实施例中,步骤S4对应第四部分,具体包括如下内容,
S41、根据具有观测资料的水文站的位置,划分出若干个参数率定单元,各所述参数率定单元包括至少一个子流域;并确保各个参数率定单元的出口断面均为具有观测资料的水文站;
S42、对于出口断面为水库单元的子流域,其出流过程采用水库的实际出库流量代替;
S43、对于有其他参数率定单元流入的参数率定单元,则所述其他参数率定单元的出口断面流量采用观测的流量作为其对应的出流数据,也即为被流入的参数率定单元的入流数据。
本实施例中,参数率定单元划分具体为:根据水文站的位置,将目标研究流域划分为几个参数率定单元,这些参数率定单元分别包含一个或多个子流域,这些参数率定单元的出口位置一定是有观测数据的水文站。
本实施例中,参数率定单元的计算规则为:对于出口断为水库单元的子流域,其出流过程采用水库的实际出库流量进行处理。对于有其他参数率定单元流入的参数率定单元,则所述其他参数率定单元的出口断面流量采用观测的流量作为其对应的出流数据,也即为被流入的参数率定单元的入流数据。
五、选择优化目标函数并求取目标函数的最小值
本实施例中,步骤S5对应第五部分,具体包括如下内容,
S51、各参数率定单元根据其各自的流域水文预报的需要,选择合适的水文模型参数率定目标函数,所述目标函数为峰值误差百分比函数或均值加权均方根误差函数,当需要对峰值流量进行限制规划和设计时,选择峰值误差百分比函数作为目标函数;当需要反映洪水过程整体情况并偏重于洪峰流量的模拟时,选择均值加权均方根误差函数作为目标函数;所述峰值误差百分比函数和均值加权均方根误差函数分别如下,
其中,f1为峰值误差百分比函数;qs(peak)为计算的峰值;qo(peak)为实测的峰值;f2为均值加权均方根误差函数;NQ为计算的过程线纵坐标数目;qo(i)为实测第i个时段末的流量;qs(i)为计算第i个时段末的流量;i为时序;
S52、各参数率定单元分别使用一台计算机使用优化算法并行求取各自所用目标函数的最小值,实现对目标研究流域的水文模型的参数率定;各所述目标函数的最小值即为各个参数率定单元率定的最优参数;将各个参数率定单元率定的最优参数汇总整合,即可获取目标研究流域的水文模型最优参数。
本实施例中,对个参数率定单元,采用步骤S4中确定的计算规则,通过几台电脑应用优化算法并行求取各个目标函数的最小值,对水文模型进行并行参数率定;之后汇总各参数率定单元率定的最优参数,得到目标研究流域的水文模型最优参数集。
本实施例中,本方法基于并行语言MPI编写敏感性分析和多目标率定程序,耦合水文模型的开源程序,根据全局敏感性分析法得到的敏感参数,用于模型参数多目标率定,获得最优解;在多台计算机上并行计算,提高参数率定效率。
实施例二
本实施例中,以山东沂河临沂水文站以上流域的水文模型参数率定为例,具体说明本发明的参数率定方法的实施过程和达到的效果。
临沂站集水面积10315km2,河道长227.8km。地势西北高,向东南平原倾斜。由于沂河上游地势复杂,形成了众多支流。临沂站以上集水面积大于200km2的一级支流有东汶河、蒙河、祊 河、涑河、柳青河。流域内山区面积约占68%,平原区约占32%。沂河流域属温带季风性大陆气候,流域多年平均年降水量813mm,汛期降雨量600mm,约占年降水量的73.9%。临沂以上流域有21个雨量站,位于干流和较大支流上的水文站6个,5座大型水库。临沂以上流域雨量站分布图如附图2所示,水文站分布图如图3所示,水库分布图如附图4所示。实施例以起止时间为2017年7月14日凌晨1点至2017年7月20日15点的临沂以上流域21个雨量站的降雨量资料以及临沂、葛沟、角沂、高里4个水文站的流量资料为基础,对临沂以上流域的水文模型进行参数率定。则基于多点并行校正的水文模型参数率定方法的步骤如下:
一、资料收集与处理
临沂以上流域作为目标研究流域,收集2017年7月14日凌晨1点至2017年7月 20日15点临沂以上流域21个雨量站的降雨量资料以及临沂、葛沟、角沂、高里4 个水文站的流量资料,并将这些数据由不等时间间隔数据插值成逐小时的数据;收集该目标研究流域的DEM图以及土地利用图,通过GIS软件对DEM图进行水文分析,得到目标研究流域的流域面文件,通过流域分割的方法将目标研究流域划分为若干个子流域,确保目标研究流域中的干流和较大支流的有实测数据的水文站以及水库都分布在各个子流域的出口位置。子流域划分图见附图5;通过GIS 软件对土里利用图进行分析,得到目标研究流域各个子流域的不透水率;基于目标研究流域内的雨量站绘制泰森多边形,获取目标研究流域各个子流域的影响雨量站以及各自的权重;目标研究流域的泰森多边形见附图6。
二、生成流域模型
在流域面文件中添加水文单元生成流域模型,并为各自的水文单元选择相应的计算方法,所述水文单元包括水库单元、河道单元、子流域单元、汇流点单元等等。构建的临沂以上流域模型见附图7。
三、确定场次洪水降雨径流过程中各子流域的降雨过程以及流域内各水文站断面的流量过程
1、根据目标研究流域出口断面的径流过程以及各雨量站的降雨过程确定降雨径流模拟的起止时间为2017年7月14日凌晨1点到2017年7月20日15点。
2、各子流域的降雨过程以子流域的面雨量表示,根据步骤一中得到的各雨量站的逐小时的降水数据乘以各个雨量站的泰森多边形权重确定。
3、各水文站的流量过程采用逐小时的流量过程。
四、为研究流域划分并行参数率定单元并制定计算规则
1、参数率定单元划分:
根据有观测数据的水文站点的位置,划分四个参数率定单元,分别为葛沟以上流域,高里以上流域,角沂以上流域,以及临沂以上流域中除去以上三个参数率定单元的流域部分,即W1710子流域。
2、参数率定单元计算规则:
A、对于出口断面为水库单元(分别为田庄水库、跋山水库、岸堤水库、唐村水库、许家崖水库)的五个子流域,其出流过程采用水库的实际出库流量进行处理。
B、率定W1710子流域的参数时,葛沟、高里、角沂的来水按照这三个水文站的观测出流进行处理。
五、选择优化目标函数并求取目标函数的最小值
本实施例中,选择均值加权均方根误差函数对四个参数率定单元进行率定;对四个参数率定单元,通过4台电脑应用优化算法分别并行求取目标函数的最小值,对水文模型进行并行率定。葛沟以上流域参数率定单元的实测流量与计算流量对比见图8;高里以上流域参数率定单元的实测流量与计算流量对比图见图 9;角沂以上流域参数率定单元的实测流量与计算流量对比图见图10;临沂以上流域除去其他三个参数率定单元的实测流量与计算流量对比图见图11;目标研究流域总体率定效果见附图12;汇总整合各参数率定单元率定的最优参数,得到目标研究流域的水文模型最优参数。
通过采用本发明公开的上述技术方案,得到了如下有益的效果:
本发明提供了一种基于多点并行校正的分布式水文模型参数率定方法,本发明将目标研究流域根据有实测资料的水文站点的分布情况划分为多个参数率定单元,在多台计算机上对不同的参数率定单元根据其出口断面的水文站的实测流量过程进行校正率定,提高率定效率。在计算机性能不是很高的情况下,通过简单的操作仍然能够得到能够较为真实的反映流域产汇流特性的水文模型参数。并行计算基于并行语言MPI编写敏感性分析和多目标率定程序,耦合水文模型的开源程序,根据全局敏感性分析法得到的敏感参数,用于模型参数多目标率定,获得最优解,并行计算的运用很大地提高了参数率定效率,大量的节约了参数优化运行的时间。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视本发明的保护范围。
Claims (1)
1.一种基于多点并行校正的分布式水文模型参数率定方法,其特征在于:包括如下步骤,
S1、收集目标研究流域内的雨量站和水文站的位置及其对应的观测数据,获取目标研究流域的DEM图和土地利用图;对目标流域的DEM图进行分析,获取目标研究流域的流域面文件;将目标研究流域划分为多个子流域,并分别获取各个子流域内雨量站及各个雨量站的权重;对目标研究流域的土地利用图进行分析,获取目标研究流域内的各个子流域的不透水率;
S2、在所述流域面文件中添加水文单元以生成流域模型,并为各个水文单元选择相应的计算方法;
S3、确定洪水降雨径流过程中各子流域的降雨过程以及各子流域内各水文站断面的流量过程;
S4、将目标研究流域划分为多个参数率定单元,并为参数率定单元制定计算规则;
S5、为每个参数率定单元选择相应的目标函数,并利用优化算法并行求取各个参数率定单元的目标函数的最小值,将各个参数率定单元获取的目标函数最小值汇总整合,即可获取目标流域的水文模型的最优参数;
步骤S1具体包括如下内容,
S11、收集目标研究流域内有观测资料的雨量站和水文站的位置信息以及雨量站和水文站对应的观测数据,将不等时间间隔的观测数据,通过插值的方法转化为逐小时的观测数据;并获取目标研究流域的DEM图和土地利用图;
S12、通过GIS软件对目标研究流域的DEM图进行水文分析,获取目标研究流域内的流域面文件;
S13、通过流域分割的方法将目标研究流域划分为若干个子流域;所述流域分割的方法保证目标研究流域的干流和大支流中有实测数据的水文站以及水库,都分布在各个子流域的出口位置;
S14、根据目标研究流域内的雨量站绘制泰森多边形,以获取目标研究流域内的各个子流域的雨量站及其各个雨量站的权重;
S15、通过GIS软件对目标研究流域的土地利用图进行分析,以获取目标研究流域内的各个子流域的不透水率;
在对目标研究流域进行子流域划分时,将水文站和/或水库作为子流域的出口断面;
步骤S2具体为,在所述流域面文件中添加水文单元生成流域模型,并为各个水文单元配置相应的计算方法,所述水文单元包括水库单元、河道单元、子流域单元和汇流点单元;
步骤S3具体包括如下内容,
S31、根据目标研究流域出口断面的径流过程以及各雨量站的降雨过程,确定降雨径流模拟的起止时间;
S32、各个子流域的径流过程以各个子流域的面雨量表示,所述子流域的面雨量根据该子流域中各雨量站的流量数据与各雨量站的泰森多边形权重之间的乘积确定;
S33、各水文站断面的流量过程采用逐小时的流量过程;
步骤S4具体包括如下内容,
S41、根据具有观测资料的水文站的位置,划分出若干个参数率定单元,各所述参数率定单元包括至少一个子流域;并确保各个参数率定单元的出口断面均为具有观测资料的水文站;
S42、对于出口断面为水库单元的子流域,其出流过程采用水库的实际出库流量代替;
S43、对于有其他参数率定单元流入的参数率定单元,则所述其他参数率定单元的出口断面流量采用观测的流量作为其对应的出流数据,也即为被流入的参数率定单元的入流数据;
步骤S5具体包括如下内容,
S51、各参数率定单元根据其各自的流域水文预报的需要,选择合适的水文模型参数率定目标函数,所述目标函数为峰值误差百分比函数或均值加权均方根误差函数,当需要对峰值流量进行限制规划和设计时,选择峰值误差百分比函数作为目标函数;当需要反映洪水过程整体情况并偏重于洪峰流量的模拟时,选择均值加权均方根误差函数作为目标函数;所述峰值误差百分比函数和均值加权均方根误差函数分别如下,
其中,f1为峰值误差百分比函数;qs(peak)为计算的峰值;qo(peak)为实测的峰值;f2为均值加权均方根误差函数;NQ为计算的过程线纵坐标数目;qo(i)为实测第i个时段末的流量;qs(i)为计算第i个时段末的流量;i为时序;
S52、各参数率定单元分别使用一台计算机使用优化算法并行求取各自所用目标函数的最小值,实现对目标研究流域的水文模型的参数率定;各所述目标函数的最小值即为各个参数率定单元率定的最优参数;将各个参数率定单元率定的最优参数汇总整合,即可获取目标研究流域的水文模型最优参数。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010845453.XA CN111985106B (zh) | 2020-08-20 | 2020-08-20 | 一种基于多点并行校正的分布式水文模型参数率定方法 |
PCT/CN2021/088985 WO2022016931A1 (zh) | 2020-08-20 | 2021-04-22 | 一种基于多点并行校正的分布式水文模型参数率定方法 |
GB2203415.1A GB2601282B (en) | 2020-08-20 | 2021-04-22 | Method for calibrating parameters of distributed hydrological model based on multipoint parallel correction |
JP2022517315A JP7337361B2 (ja) | 2020-08-20 | 2021-04-22 | 多点並行修正に基づく分布型水文モデルパラメータの較正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010845453.XA CN111985106B (zh) | 2020-08-20 | 2020-08-20 | 一种基于多点并行校正的分布式水文模型参数率定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111985106A CN111985106A (zh) | 2020-11-24 |
CN111985106B true CN111985106B (zh) | 2021-10-15 |
Family
ID=73442334
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010845453.XA Active CN111985106B (zh) | 2020-08-20 | 2020-08-20 | 一种基于多点并行校正的分布式水文模型参数率定方法 |
Country Status (4)
Country | Link |
---|---|
JP (1) | JP7337361B2 (zh) |
CN (1) | CN111985106B (zh) |
GB (1) | GB2601282B (zh) |
WO (1) | WO2022016931A1 (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111985106B (zh) * | 2020-08-20 | 2021-10-15 | 三峡大学 | 一种基于多点并行校正的分布式水文模型参数率定方法 |
CN113128055B (zh) * | 2021-04-22 | 2021-10-26 | 中国水利水电科学研究院 | 一种基于产流系数的分布式水文模型空间率定方法 |
CN114091277B (zh) * | 2021-11-25 | 2022-09-30 | 三峡大学 | 一种考虑初始状态变量影响的新安江模型参数率定方法 |
CN114580711B (zh) * | 2022-01-29 | 2023-06-27 | 国家气候中心 | 一种基于模式关键环流系统的华北雨季开始日期预测方法 |
CN115358086B (zh) * | 2022-09-05 | 2023-03-28 | 中国科学院地理科学与资源研究所 | 考虑过程间作用的流域水循环多过程模拟误差量化方法 |
CN115964855B (zh) * | 2022-11-22 | 2023-11-17 | 水利部信息中心 | 一种基于水工程及水文站的子流域划分方法 |
CN115866037A (zh) * | 2023-03-02 | 2023-03-28 | 江西昌大清科信息技术有限公司 | 多技术融合的水文站实时推流平台 |
CN117408173B (zh) * | 2023-12-16 | 2024-03-01 | 长江水利委员会水文局长江中游水文水资源勘测局 | 一种基于机器学习的水文流量整编智能模型构建方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109711095A (zh) * | 2019-01-18 | 2019-05-03 | 三峡大学 | 一种基于水文模型获取河段区间入流的方法 |
CN110689193A (zh) * | 2019-09-25 | 2020-01-14 | 中国水利水电科学研究院 | 河道生态需水量的确定方法 |
CN111339711A (zh) * | 2020-02-24 | 2020-06-26 | 三峡大学 | 一种小流域设计洪水推求方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4068023A (en) * | 1976-05-20 | 1978-01-10 | Union Oil Company Of California | Rubberized asphalt paving composition and use thereof |
JP4185910B2 (ja) | 2004-12-28 | 2008-11-26 | 三井共同建設コンサルタント株式会社 | 分布型流出予測システム及び分布型流出予測プログラム |
JP2007011582A (ja) | 2005-06-29 | 2007-01-18 | Information & Science Techno-System Co Ltd | 洪水予測システム |
US10962682B2 (en) * | 2015-12-15 | 2021-03-30 | Wuhan University | System and method for forecasting floods |
AR109623A1 (es) | 2018-02-16 | 2019-01-09 | Pescarmona Enrique Menotti | Proceso y sistema de análisis y gestión hidrológica para cuencas |
CN109086479A (zh) * | 2018-06-20 | 2018-12-25 | 浙江大学 | 一种基于并行计算的分布式水文模型参数多目标率定方法 |
CN111539114A (zh) * | 2020-04-27 | 2020-08-14 | 中山大学 | 一种基于水文气象时间序列的径流模拟方法及系统 |
CN111985106B (zh) * | 2020-08-20 | 2021-10-15 | 三峡大学 | 一种基于多点并行校正的分布式水文模型参数率定方法 |
-
2020
- 2020-08-20 CN CN202010845453.XA patent/CN111985106B/zh active Active
-
2021
- 2021-04-22 WO PCT/CN2021/088985 patent/WO2022016931A1/zh active Application Filing
- 2021-04-22 GB GB2203415.1A patent/GB2601282B/en active Active
- 2021-04-22 JP JP2022517315A patent/JP7337361B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109711095A (zh) * | 2019-01-18 | 2019-05-03 | 三峡大学 | 一种基于水文模型获取河段区间入流的方法 |
CN110689193A (zh) * | 2019-09-25 | 2020-01-14 | 中国水利水电科学研究院 | 河道生态需水量的确定方法 |
CN111339711A (zh) * | 2020-02-24 | 2020-06-26 | 三峡大学 | 一种小流域设计洪水推求方法 |
Non-Patent Citations (2)
Title |
---|
分布式水文模型EasyDHM(Ⅰ):理论方法;雷晓辉等;《水利学报》;20100731;第41卷(第7期);第1、2、4章 * |
基于HEC_HMS与新安江模型洪水预报研究与应用;冯世伟;《中国优秀硕士学位论文全文数据库基础科学辑(月刊)》;20170215(第02期);第3.2.5、3.2.6节 * |
Also Published As
Publication number | Publication date |
---|---|
JP7337361B2 (ja) | 2023-09-04 |
JP2022548294A (ja) | 2022-11-17 |
CN111985106A (zh) | 2020-11-24 |
WO2022016931A1 (zh) | 2022-01-27 |
GB202203415D0 (en) | 2022-04-27 |
GB2601282B (en) | 2022-10-26 |
GB2601282A (en) | 2022-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111985106B (zh) | 一种基于多点并行校正的分布式水文模型参数率定方法 | |
CN109815305B (zh) | 一种无资料地区场次洪水径流过程反演的方法 | |
Schwanenberg et al. | Short-term reservoir optimization for flood mitigation under meteorological and hydrological forecast uncertainty | |
Shrestha et al. | Impact of climate change on sediment yield in the Mekong River basin: a case study of the Nam Ou basin, Lao PDR | |
Jajarmizadeh et al. | Application of SVM and SWAT models for monthly streamflow prediction, a case study in South of Iran | |
CN110598290B (zh) | 考虑气候变化的流域未来水电发电能力预测方法和系统 | |
Pellicer-Martínez et al. | Climate change effects on the hydrology of the headwaters of the Tagus River: implications for the management of the Tagus–Segura transfer | |
CN111914432A (zh) | 一种基于大数据的水文预报方法 | |
CN114254561A (zh) | 一种内涝预测方法、系统及存储介质 | |
Jiang et al. | Quantifying multi-source uncertainties in multi-model predictions using the Bayesian model averaging scheme | |
CN111898303A (zh) | 基于气象预报及水动力模拟的流域水位及内涝预报方法 | |
CN108614915B (zh) | 基于情景驱动的水文模型自由组建策略方法 | |
KR20140140361A (ko) | 앙상블 유출 예측기법을 적용한 하천 수질예측 시스템 | |
CN108491974B (zh) | 一种基于集合卡尔曼滤波的洪水预报方法 | |
Sahu et al. | State-of-the-art hydrological models and application of the HEC-HMS model: a review | |
CN115048354A (zh) | 一种水文模型的创建及径流预测方法、装置及计算机设备 | |
CN114091277B (zh) | 一种考虑初始状态变量影响的新安江模型参数率定方法 | |
CN112381337A (zh) | 一种多源气象数据融合处理方法、系统、终端及介质 | |
CN115640956A (zh) | 一种未来水资源供需平衡分析方法 | |
CN106598918A (zh) | 基于分位数回归的非一致性设计洪水计算方法 | |
Yang et al. | Future changes in water resources, floods and droughts under the joint impact of climate and land-use changes in the Chao Phraya basin, Thailand | |
Xue et al. | Evaluating the impact of spatial variability of precipitation on streamflow simulation using a SWAT model | |
Reshma et al. | Assessment of impact of climate change on the streamflow of Idamalayar River Basin, Kerala | |
Singh et al. | Unsteady high velocity flood flows and the development of rating curves in a Himalayan basin under climate change scenarios | |
Lee et al. | Combining rainfall–runoff and hydrodynamic models for simulating flow under the impact of climate change to the lower Sai Gon-Dong Nai River basin |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |