[发明专利]降雨-径流模型参数率定方法、系统、设备及存储介质

说明书

本发明公开了一种降雨‑径流模型参数率定方法与系统，包括设计正交实验表，采用Fork/Join并行框架创建并行正交算法，并将正交实验表中的m个方案分配到不同的线程池中，根据模糊合格率创建多目标评价矩阵，并根据多目标评价矩阵确定各线程池中的最优方案，由主线程池确定当前最优计算结果，根据当前最优计算结果确定模型各个参数水平以为基准对模型各个参数水平进行检验，确定最优的参数水平组合；本发明针对模型特点设计正交实验表，选择具有“均匀分布，整齐可比”的部分实验方案，能在大幅度减少实验规模的同时全面反映客观实验结果随参数变化规律，在保证计算结果精度的同时大大降低了方案规模，极大地降低了计算工作量。

技术领域

本发明属于径流预报技术领域，尤其涉及一种降雨-径流模型参数率定方法、系统、设备及存储介质。

背景技术

概念性降雨径流模型是常用的洪水预报模型，新安江模型作为一种概念性降雨径流模型广泛应用于湿润地区与半湿润地区。三水源新安江模型是赵人俊教授于1980年提出的分散性水文模型，该模型各个参数具有明确物理意义。考虑到下垫面与降雨的不均匀性，将流域划分为若干个子单元，然后对模型进行产流计算、蒸散发计算、水源划分与汇流计算，得到各个子流域出口流量。其中产流模型通常采用蓄满产流，参数包括参数是WM，B和Im；蒸散发模型采用三层蒸散发模型，其参数包括UM，LM，K和C；水源划分，将水源分为三层包括地表径流、壤中流以及地下径流，其参数为SM，EX，Ki和Kg；汇流模型，分为坡地汇流与河网汇流两个阶段，其参数包括Cs，Ci，Cg，Ke，Xe，和L；最后流域的流量等于各个子单元的流量线性相加，即可得到总的流量。这些参数的更多细节如表1。在利用马斯京根进行河道演进时Xe与Ke必须满足如下条件：2KeXe≤Δt≤2Ke-2KeXe。其中，Δt为洪水过程的时间步长。

表1新安江模型的参数及取值范围

由此可知，新安江模型包含多个参数，并且这些参数是相互依赖的，这使得新安江模型参数率定十分困难，其推广与应用受到严峻挑战。

目前，常用的模型参数率定方法包括人工试错法与智能算法，其中人工试错法在计算机欠发达时常用的方法，然而由于其缺少判断参数优劣判断标准，缺少客观性，并且对个人经验要求较高，个人经验不足时很难得到理想的结果。随着计算机技术的发展，人工智能算法广泛应用于新安江模型参数率定，目前常用的智能方法主要有Rosenbrock、SCE-UA、遗传算法。然而Rosenbrock与SCE-UA法在搜索过程中很容易陷入局部最优。引入单纯型搜索算子及加速搜索算子的混合加速遗传算法和并行的遗传算法能够在新安江水文模型的参数优化中取得不错的应用效果，但这些操作仅仅提高了计算效率，未从根本上解决遗传算法所得结果不确定的影响，从而难以保证解的最优性。因此迫切需要寻求准确快速的参数率定方法，以满足实际需求。

正交实验设计(Orthogonal experimental design)是根据正交性从全面实验中选取具有代表性的水平进行实验，这些有代表性的水平具备了“均匀分散，整齐可比”的特点。当实验参数数目在3个或者3个以上，且各参数存在交互作用时，实验工作量会很大，有时甚至难以实施，此时正交实验无疑是一种更好的选择，从全面实验中挑选出部分有代表性的点进行实验，可实现以最少的实验次数达到与大量全面实验等效的结果，在提高效率的同时能保证全局最优解。因而正交实验设计在生物制药、材料制备、水库调度等领域得到了广泛应用，其实用性也得到了诸多实际工程的检验。然而将正交实验设计应用到新安江模型参数率定时发现，新安江模型具有17个参数，在参数率定过程中随着降雨资料的增加，正交实验仍然存在耗时较长，时效性较差等问题。

发明内容

本发明的目的在于提供一种降雨-径流模型参数率定方法、系统、设备及存储介质，以解决传统率定方法计算工作量大，耗时较长，计算结果具有不确定性，率定参数精度难以满足实际应用需求的问题。

第一方面，本发明提供一种降雨-径流模型参数率定方法，包括如下步骤：