[发明专利]一种基于替代模型的VIC参数多目标方法

权利要求书

1.一种基于替代模型的VIC参数多目标方法，其特征在于，将所研究流域划分网格，结合SRTM3数字地形高程模型、WESTDC系列土地覆盖数据产品、HWSD世界土壤数据库的地理信息、该流域及周围气象站点降雨、辐射、湿度、气压、温度的气象数据，建立大尺度分布式水文模型--VIC模型，将所研究流域历年日径流量序列用于模型参数率定，其中部分日径流量序列用作模型参数验证，模型中待率定的参数主要有7个参数，包括：基流分割比(Ds)、基流最大速度(Dsmax)、非线性基流发生时的最大土壤蓄水容量因子(Wx)、下渗参数(binfil)、第二层土壤深度(d2)、第三层土壤深度(d3)、雪糙率(Sr)；率定的目标函数为所研究流域的模拟径流序列与实际径流序列的纳西效率系数(NSE)和偏离度(Bias)；包含以下步骤：

(1)利用ε-NSGAII多目标优化算法收敛VIC模型参数以选取神经网络训练样本；

(2)以生成的样本，采用Adaboost-BPNN方法构造替代模型；

(3)利用ε-NSGAII多目标优化算法优化对替代模型参数进行优化，所得结果即最终模型率定结果；

步骤(1)中所述的选取神经网络训练样本具体为：采用ε-NSGAII算法对VIC模型进行参数优化，优化算法每计算完一代结果后，提取样本结果并去除其中的重复结果，作为替代模型训练和验证的样本；

步骤(2)中采用Adaboost-BPNN方法构造替代模型，具体为：

在获得样本后，提取较优范围内的样本，随机抽取其中70％作为第二阶段的模型训练样本，30％作为第二阶段的验证样本；如果第二阶段替代模型的验证结果小于给定误差，则终止优化，第二阶段替代模型建立成功，进入第一阶段模型训练；如果替代模型的验证结果未达到要求，则回到步骤(1)采用ε-NSGAII算法对VIC模型进行下一代优化，继续循环；所述的较优范围是指：序列的纳西效率系数(NSE)集中在0.8-1范围内，偏离度(Bias)集中在0-0.2范围内；

利用步骤(1)中产生的样本，抽取其中70％作为第一阶段的模型训练样本以及30％作为第一阶段的模型验证样本，如果第一阶段替代模型的验证结果小于给定误差，则模型完成；如果第一阶段替代模型的验证结果不满足要求，则通过蒙特卡洛统计方法产生N组样本，随机选取其中70％加入训练样本，剩余30％加入验证样本，再一次训练并验证模型，如此重复直至模型验证通过为止。

2.根据权利要求1所述的基于替代模型的VIC参数多目标方法，其特征在于，第二阶段替代模型的验证方式，具体为：

第二阶段模型训练结果优劣以标准误差判断，公式如下所示：

其中n为序列长度，S_i为替代模型计算的纳西效率系数/偏离度，即模拟值；O_i为同一参数条件下VIC模拟序列与实际观测序列的纳西效率系数/偏离度，即真实值。

3.根据权利要求1所述的基于替代模型的VIC参数多目标方法，其特征在于，第一阶段替代模型的验证方式，具体为：

第一阶段模型的评估将以分类的错误率来判断，公式如下所示：

其中e₁表示将非较优范围内的结果判断为较优范围内结果的次数，e₂表示将较优范围内的结果判断为非较优范围内结果的次数，N_e为落在较优范围内的样本长度。