[發明專利]一種基于替代模型的VIC參數多目標方法

有效

• 申請號: 201810701205.0
• 申請日: 2018-06-29
• 公開（公告）號: CN109086245B
• 公開（公告）日: 2020-09-04
• 發明（設計）人: 顧海挺;許月萍
• 申請（專利權）人: 浙江大學
• 主分類號: G06F17/10
• 分類號: G06F17/10
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 萬尾甜;韓介梅

1.一種基于替代模型的VIC參數多目標方法，其特征在于，將所研究流域劃分網格，結合SRTM3數字地形高程模型、WESTDC系列土地覆蓋數據產品、HWSD世界土壤數據庫的地理信息、該流域及周圍氣象站點降雨、輻射、濕度、氣壓、溫度的氣象數據，建立大尺度分布式水文模型--VIC模型，將所研究流域歷年日徑流量序列用于模型參數率定，其中部分日徑流量序列用作模型參數驗證，模型中待率定的參數主要有7個參數，包括：基流分割比(Ds)、基流最大速度(Dsmax)、非線性基流發生時的最大土壤蓄水容量因子(Wx)、下滲參數(binfil)、第二層土壤深度(d2)、第三層土壤深度(d3)、雪糙率(Sr)；率定的目標函數為所研究流域的模擬徑流序列與實際徑流序列的納西效率系數(NSE)和偏離度(Bias)；包含以下步驟：

(1)利用ε-NSGAII多目標優化算法收斂VIC模型參數以選取神經網絡訓練樣本；

(2)以生成的樣本，采用Adaboost-BPNN方法構造替代模型；

(3)利用ε-NSGAII多目標優化算法優化對替代模型參數進行優化，所得結果即最終模型率定結果；

步驟(1)中所述的選取神經網絡訓練樣本具體為：采用ε-NSGAII算法對VIC模型進行參數優化，優化算法每計算完一代結果后，提取樣本結果并去除其中的重復結果，作為替代模型訓練和驗證的樣本；

步驟(2)中采用Adaboost-BPNN方法構造替代模型，具體為：

在獲得樣本后，提取較優范圍內的樣本，隨機抽取其中70％作為第二階段的模型訓練樣本，30％作為第二階段的驗證樣本；如果第二階段替代模型的驗證結果小于給定誤差，則終止優化，第二階段替代模型建立成功，進入第一階段模型訓練；如果替代模型的驗證結果未達到要求，則回到步驟(1)采用ε-NSGAII算法對VIC模型進行下一代優化，繼續循環；所述的較優范圍是指：序列的納西效率系數(NSE)集中在0.8-1范圍內，偏離度(Bias)集中在0-0.2范圍內；

利用步驟(1)中產生的樣本，抽取其中70％作為第一階段的模型訓練樣本以及30％作為第一階段的模型驗證樣本，如果第一階段替代模型的驗證結果小于給定誤差，則模型完成；如果第一階段替代模型的驗證結果不滿足要求，則通過蒙特卡洛統計方法產生N組樣本，隨機選取其中70％加入訓練樣本，剩余30％加入驗證樣本，再一次訓練并驗證模型，如此重復直至模型驗證通過為止。

2.根據權利要求1所述的基于替代模型的VIC參數多目標方法，其特征在于，第二階段替代模型的驗證方式，具體為：

第二階段模型訓練結果優劣以標準誤差判斷，公式如下所示：

其中n為序列長度，S_i為替代模型計算的納西效率系數/偏離度，即模擬值；O_i為同一參數條件下VIC模擬序列與實際觀測序列的納西效率系數/偏離度，即真實值。

3.根據權利要求1所述的基于替代模型的VIC參數多目標方法，其特征在于，第一階段替代模型的驗證方式，具體為：

第一階段模型的評估將以分類的錯誤率來判斷，公式如下所示：

其中e₁表示將非較優范圍內的結果判斷為較優范圍內結果的次數，e₂表示將較優范圍內的結果判斷為非較優范圍內結果的次數，N_e為落在較優范圍內的樣本長度。