[发明专利]基于FCM‑NSGA‑II的水文模型参数估计方法

权利要求书

1.一种基于FCM-NSGA-II的水文模型参数估计方法，其特征在于，包括以下步骤：

S1.采用模糊C-均值聚类法对未知的洪水过程进行分类，选用降雨资料和潜在蒸发量资料作为聚类指标，并对聚类指标进行归一化处理，然后根据FCM模型把流域资料分为丰水期和枯水期；

S2.分别针对丰水期和枯水期设置目标函数；

S3.基于丰水期和枯水期的目标函数，采用NSGA-II多目标参数优选算法估计半分布式水文模型TOPMODEL的最优参数组，得到对水文过程分类的预报结果；

S4.对整个水文时间序列设置单目标函数，采用采用SCE-UA单目标参数优选算法计算TOPMODEL水文模型的最优参数组，得到对水文过程不分类的预报结果；

S5.将S3步骤得到的预报结果与S4步骤得到的预报结果进行对比和相互验证。

2.根据权利要求1所述的一种基于FCM-NSGA-II的水文模型参数估计方法，其特征在于，所述的模糊C-均值聚类法包括以下步骤：

S11.设置数据集{x_n}，设目标函数：

Jm=Σi=1NΣj=1Cuijm||xi-cj||2,1≤m≤∞,]]>

式中，m是加权指数，也称平滑因子，控制不同类别之间的模糊分享程度，一般取值2；u_ij指第i个元素归属于第j类的隶属度；c_j是各类别的聚类中心；C是类别数目；||||表征任一元素与聚类中心的相似程度；

S12.分别求目标函数J_m中u_ij和c_j的偏导，并令函数等于0；其中求J_m极小值的必要条件是：

uij=(Σk=1C(||xr-cj||||xi-ck||)2m-1)-1,]]>

cj=Σi=1NuijmxiΣi=1Nuijm]]>

式中：J_m是迭代步数，上述迭代的终止条件是