[发明专利]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。

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_t；2.2)采用选择、交叉、变异算子产生子代种群Q_t，种群大小为n；将子代种群Q_t与父代P_t合并组成新的种群R_t＝P_t∪Q_t，种群大小为2n；2.3)根据非支配排序法把R_t分成不同的层级F_i，则层级最高的F₁的个体放入新的父代种群P_t+1中；如果F₁的大小小于n，则依次将下一层级的个体填充至P_t+1，直到填充至F_α时种群P_t+1的大小超出n，对F_α中的个体进行拥挤度排序，取F_α前面的个体直到P_t+1的个体数量达到n，形成新的精英父代种群P_t+1；如果F₁的大小不小于n，对F₁中的个体进行拥挤度排序，形成新的精英父代种群P_t+1；2.4)用改进的非支配方法对新的精英父代种群P_t+1进行排序，将P_t+1中的非支配解放入存档种群A_t中；2.5)由存档种群A_t的种群大小n_p，增加随机生成样本成为4n_p的种群P_t+1，该种群P_t+1将步骤2.3)得到的精英父代种群P_t+1替代；其中4n_p的种群P_t+1中，1/4为A_t，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_t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。