目前,水文模型通常包含一些不能被實測獲得的參數(shù),分布式水文模型參數(shù)也需要一定的調(diào)整。手動調(diào)參過程繁復(fù),并且需要建模者對模型參數(shù)意義有深入的了解。因此,研究引入水文模型參數(shù)自動優(yōu)選方法,借助計算機高速迭代優(yōu)勢,自...[繼續(xù)閱讀]
海量資源,盡在掌握
目前,水文模型通常包含一些不能被實測獲得的參數(shù),分布式水文模型參數(shù)也需要一定的調(diào)整。手動調(diào)參過程繁復(fù),并且需要建模者對模型參數(shù)意義有深入的了解。因此,研究引入水文模型參數(shù)自動優(yōu)選方法,借助計算機高速迭代優(yōu)勢,自...[繼續(xù)閱讀]
為測試敏感性分析和參數(shù)優(yōu)化方法性能,研究選用長江上游地區(qū)朱巴水文站以上集水區(qū)作為研究區(qū)域。本章采用EasyDHM分布式流域水文模型作為敏感性方法和率定技術(shù)的驗證模型,在EasyDHM模型中,總計29個參數(shù)。表3-1和表3-2是模型匯流參...[繼續(xù)閱讀]
3.4.1LH分層抽樣測試抽樣層數(shù)N對參數(shù)敏感性分析結(jié)果有一定的影響,為得到合理的LH抽樣層數(shù),在模型全參數(shù)參與下分別采用5~30層抽樣方案對模型29個參數(shù)進行分層抽樣。抽樣后模型參數(shù)進行歸一化,并取其平均值。如圖3-4所示,在理想...[繼續(xù)閱讀]
3.5.1高敏感度參數(shù)多目標(biāo)優(yōu)化在參數(shù)優(yōu)化過程中,參數(shù)維數(shù)過高會影響優(yōu)化算法的收斂性能。因此,在LH-OAT敏感性分析后,挑選對模型目標(biāo)敏感度高的參數(shù)進行優(yōu)化,可以大大降低模型參數(shù)優(yōu)化維數(shù),提高算法的優(yōu)化性能。研究選取高敏感...[繼續(xù)閱讀]
4.1.1地理位置三峽庫區(qū)位于長江上游,跨四川、湖北、重慶三省市,庫區(qū)流域面積5.6×104km2。按照水文計算分區(qū)劃分,涉及的區(qū)縣共有28個。其中,湖北省6個:夷陵區(qū)、秭歸縣、興山縣、利川市、神農(nóng)架林區(qū)和巴東縣;重慶市19個:巫山縣、巫...[繼續(xù)閱讀]
4.2.1人口統(tǒng)計分布據(jù)統(tǒng)計,三峽庫區(qū)28個區(qū)縣2003年總?cè)丝跒?987萬人,農(nóng)村人口占81%。至2007年,總?cè)丝谏仙?066萬人。其中,農(nóng)村人口占77%,較2003農(nóng)村人口比例有所下降(見圖4-5)。5年內(nèi)平均年總?cè)丝谧匀辉鲩L率為0.76%。其中,農(nóng)村人口增長自...[繼續(xù)閱讀]
三峽庫區(qū)按污染源分,年污染物總流失量如表4-2所示。其中,庫區(qū)污染物流失總量為37.41萬t,點源工業(yè)生產(chǎn)和城鎮(zhèn)生活占總體污染流失量的18.13%;農(nóng)村生活與畜禽養(yǎng)殖所占負(fù)荷比例最大,分別占33.25%和30.38%。按污染物分,COD和總氮的負(fù)荷量...[繼續(xù)閱讀]
4.4.1水文模擬結(jié)果三峽庫區(qū)水文模擬考慮上游長江干流以及嘉陵江、烏江來水(參數(shù)分區(qū)14和15位于三峽壩址以下,不納入計算范圍),并將2006年11~12月作為模型預(yù)熱期。整體上,三峽庫區(qū)月流量過程模擬效果理想,對13個水文站2007年月平均...[繼續(xù)閱讀]
密云水庫建成于1960年,位于北京市東北部,連接潮河和白河兩條主要支流,最大庫容約為43.75億m3,最大水域面積188km2左右,如圖5-1所示的是密云水庫上游及庫區(qū)概況。區(qū)域有5個水質(zhì)監(jiān)測站、2個入流和2個出流。1981年起,密云水庫成為北京...[繼續(xù)閱讀]
5.2.1分布式水文模型建模密云水庫上游流域位于北京市東北部,潮白河密云水庫以上集水面積約為1.57萬km2,如圖5-2所示。該流域共涉及8個區(qū)縣。其中,北京市3個,分別為懷柔區(qū)、延慶縣和密云縣;河北省5個縣,分別為沽源縣、灤平縣、興...[繼續(xù)閱讀]