发明名称 一种基于多目标优化抽样的水文模型不确定性分析方法
摘要 本发明提供一种基于多目标优化抽样的水文模型不确定性分析方法,具体包括:1)采用多个判别标准构造似然目标函数;2)明确水文模型参数的取值范围和先验分布形式,采用改进的非支配排序遗传算法ε‑NSGAII进行抽样;3)分析水文模型的不确定性;(4)估算水文模型预报不确定性范围。本发明的有益效果为:使用多准则作为抽样效果的评判标准,能全面反映抽样效果;采用ε‑NSGAII抽样,使用精英策略,只保留非支配和拥挤度小的样本,可有效提高抽样效率、参数不确定性和洪水预报结果;在防洪调度和风险控制过程中,该方法能够为决策者提供重要的参考信息。
申请公布号 CN105868534A 申请公布日期 2016.08.17
申请号 CN201610173231.1 申请日期 2016.03.24
申请人 大连理工大学 发明人 彭勇;李昱;刘海星;周如瑞
分类号 G06F19/00(2011.01)I 主分类号 G06F19/00(2011.01)I
代理机构 大连理工大学专利中心 21200 代理人 梅洪玉;潘迅
主权项 一种基于多目标优化抽样的水文模型不确定性分析方法,其特征在于,包括以下步骤:第一步,构造似然目标函数,将似然目标函数作为多目标优化抽样中遗传算法的评判标准;第二步,确定水文模型参数的取值范围和先验分布形式,采用改进的多目标优化抽样方法对参数进行抽样,得到符合评判标准的参数组;所述的改进的多目标优化抽样方法包括以下步骤:2.1)设定最大样本数或进化代数,随机初始化一个种群大小为n的父代种群P<sub>t</sub>;2.2)采用选择、交叉、变异算子产生子代种群Q<sub>t</sub>,种群大小为n;将子代种群Q<sub>t</sub>与父代P<sub>t</sub>合并组成新的种群R<sub>t</sub>=P<sub>t</sub>∪Q<sub>t</sub>,种群大小为2n;2.3)根据非支配排序法把R<sub>t</sub>分成不同的层级F<sub>i</sub>,则层级最高的F<sub>1</sub>的个体放入新的父代种群P<sub>t+1</sub>中;如果F<sub>1</sub>的大小小于n,则依次将下一层级的个体填充至P<sub>t+1</sub>,直到填充至F<sub>α</sub>时种群P<sub>t+1</sub>的大小超出n,对F<sub>α</sub>中的个体进行拥挤度排序,取F<sub>α</sub>前面的个体直到P<sub>t+1</sub>的个体数量达到n,形成新的精英父代种群P<sub>t+1</sub>;如果F<sub>1</sub>的大小不小于n,对F<sub>1</sub>中的个体进行拥挤度排序,形成新的精英父代种群P<sub>t+1</sub>;2.4)用改进的非支配方法对新的精英父代种群P<sub>t+1</sub>进行排序,将P<sub>t+1</sub>中的非支配解放入存档种群A<sub>t</sub>中;2.5)由存档种群A<sub>t</sub>的种群大小n<sub>p</sub>,增加随机生成样本成为4n<sub>p</sub>的种群P<sub>t+1</sub>,该种群P<sub>t+1</sub>将步骤2.3)得到的精英父代种群P<sub>t+1</sub>替代;其中4n<sub>p</sub>的种群P<sub>t+1</sub>中,1/4为A<sub>t</sub>,3/4为随机生成的新样本;2.6)循环步骤2.2)到2.5),至程序达到设定的最大样本数或进化代数为止;2.7)输出符合评判标准的存档种群A<sub>t</sub>对应的参数组;第三步,对第二步得到的参数组进行不确定性分析,绘制各参数的后验分布图,分析水文模型参数的不确定性;第四步,将第二步得到的参数组代入水文模型中得到似然值,根据似然值的大小排序,得到一定置信水平的水文模型预报的不确定性范围。
地址 116024 辽宁省大连市甘井子区凌工路2号