基于遗传算法的江西七一水库来水流量新安江预报模型参数优化

发布时间：2021-10-08 06:38

　　利用江西七一水库水电站2016—2017年水文资料,基于遗传算法对七一水库来水流量新安江模型进行了参数优化率定,并采用参数率定前后2种来水流量模型对七一水库2018年的预报结果进行检验,重点分析了水库来水流量预报结果的日误差、月误差和年误差以及强降水过程流量预报误差等。结果表明:1)遗传算法参数优化后的模型流量预报误差减小;2)日误差在7月中旬以后明显减小;3)月误差在7月之前以正偏差为主,7月以后以负偏差为主;4)参数优化后的年误差整体好于优化前;5)在强降水过程实例流量预报误差分析中,参数优化后的误差明显减小,但不同强降水过程误差程度相差较大,可能与降水空间分布的不连续性、面雨量计算方法的局限性以及降水的天气类型有关。 

【文章来源】：气象与减灾研究. 2020,43(02)

【文章页数】：6 页

【部分图文】：

遗传算法基本流程

针对2018年七一水库新安江模型参数率定前后全年日流量预报误差进行对比检验，通过计算水库全年的模拟入库日流量和实际入库日流量的误差，进而分析全年的日误差、月误差和年误差等。对2018年参数率定前后模型的全年日流量预报结果与实况结果进行误差对比分析。并对每日的相对误差进行了对比分析（图3a），发现，率定参数前后日流量的误差起伏都比较大，7月中旬前两者的误差相差不大，但是7月中旬以后率定参数后的模型预报误差明显减小。从全年月误差结果检验分析（图3b）来看，7月份之前，率定参数前后模型预报的误差以负偏差为主，率定后的模型预报负偏差较小，预报的效果较好；7月份之后率定参数前后模型预报的误差以正偏差为主，率定后的模型预报正偏差小，预报的效果好。从月预报误差检验来看，率定参数后的模型预报误差明显减少。

选取2018年7个强降水过程实例来检验七一水库新安江模型率定参数后的预报效果。表4、5给出了7个强降水过程率定参数前后的观测累积流量、模拟累积流量、流量误差和流量相对误差的数值对比。图4为率定前后强降水过程模型预报月流量相对误差对比结果，分析可见，率定参数后模型预报误差明显减小，其中5个过程预报误差明显减小，1个过程预报误差略有减小，另外一个过程预报误差比较接近。从强降水过程实例模型预报效果检验来看，率定参数后的模型预报能力明显优于率定参数前。从误差的分析结果来看，每一个过程的误差不尽相同，这可能是由于降水空间分布的不连续性，七一水库周边复杂的地形地貌以及面雨量算法的局限性引起，因此模型模拟的面雨量很难完全反映实际情况，从而导致了误差大小的差异。另外，季节性降水对误差也有影响，表4可见3月份的误差较大，可能是由于3月份对流性天气较多，降水的局地性导致的。图4 2018年率定前后强降水过程模型预报流量相对误差

【参考文献】：
期刊论文
[1]PA-DDS算法在新安江模型参数优化中的应用[J]. 余胜男,张雪,邵年华,吕海强.  人民珠江. 2019(12)
[2]重要天气过程概述[J]. 陈娟.  气象与减灾研究. 2018(03)
[3]基于复合形遗传算法的新安江模型参数优化率定研究[J]. 周瑜佳,陈一帆,淡娇娇,刘立军.  中国农村水利水电. 2018(05)
[4]基于SCE-UA算法新安江模型在沣河流域的应用[J]. 邓元倩,李致家,刘甲奇,张汉辰,童冰星.  水资源与水工程学报. 2017(03)
[5]基于多目标GLUE算法的新安江模型参数不确定性研究[J]. 任政,盛东.  水电能源科学. 2016(03)
[6]概念性水文模型参数多目标率定及参数组合预报[J]. 欧阳硕,徐高洪,戴明龙,周建中.  四川大学学报(工程科学版). 2014(06)
[7]随机梯度法在新安江模型参数优选中的应用[J]. 杜富慧.  水利水电技术. 2013(07)
[8]江西2012年5月12日大暴雨过程水汽输送分析[J]. 肖安,陈云辉,薛谌彬.  气象与减灾研究. 2013(01)
[9]气候变化下石羊河流域径流模拟与影响量化[J]. 张永勇,张士锋,翟晓燕,孟秀敬,王中根.  资源科学. 2013(03)
[10]基于SCE-UA算法的新安江模型参数优化及应用[J]. 董洁平,李致家,戴健男.  河海大学学报(自然科学版). 2012(05)

硕士论文
[1]水文模型参数率定方法及异参同效特征研究[D]. 王欣.东北农业大学 2018



本文编号：3423616