新安江模型参数不确定性分析

新安江模型参数率定方法新安江模型参数率定1. 参数的物理意义新安江(三水源) 模型的参数一般具有明确的物理意义，可以分为如下四类:1) 蒸散发参数: K、WUM、WLM、CK 为蒸散发能力折算系数，是指流域蒸散发能力与实测水面蒸发值之比。

此参数控制着总水量平衡，因此，对水量计算是十分重要的。

WUM 为上层蓄水容量，它包括植物截留量。

在植被与土壤比较发育的流域，约为20mm;在植被与土壤颇差的流域，约为5,6mm。

WLM 为下层蓄水容量。

可取60,90mm。

C 为深层蒸散发系数。

它决定于深根植物占流域面积的比数，同时也与WUM+WLM值有关，此值越大，深层蒸散发越困难。

一般经验，在江南湿润地区C值约为0.15,0.20左右，而在华北半湿润地区则在0.09,0.12左右。

2) 产流量参数: WM、B、IMPWM 为流域蓄水容量，是流域干湿程度的指标。

一般分为上层WUM、下层WLM和深层WDM，约为120,180mm。

B 为蓄水容量曲线的指数。

它反映流域上蓄水容量分布的不均匀性。

一般经验，流域越大，各种地质地形配置越多样，B值也越大。

在山丘区域，很小面积(几平方公里)的B值为0.1左右，中等面积(300平方公里以内)的B值为0.2,0.3左右，较大面积(数千平方公里)的B值为0.3,0.4左右。

IMP 为不透水面积占全流域面积之比，一般较小，取为0.01,0.05。

3) 水源划分参数: SM、EX、KSS、KGSM 为流域平均自由水蓄水容量，本参数受降雨资料时段均化的影响，当以日为计算时段长时，一般流域的SM值约为10,50mm，当所选取的计算时段长较小时，SM要增大，这个参数对地面径流的多少起着决定性作用，因此十分重要。

EX 为自由水蓄水容量曲线指数，它表示自由水容量分布不均匀性。

通常EX取值在1,1.5之间。

KSS 为自由水蓄水库对壤中流的出流系数，KG为自由水蓄水库对地下径流出流系数，这两个出流系数是并联的，其和代表着自由水出流的快慢。

基于多目标GLUE算法的新安江模型参数不确定性研究曹虎【摘要】文章以辽河流域为例对新安江水文模型进行研究分析,利用新安江日模型模拟径流过程对辽河流域进行模拟分析,然后对模型参数利用SCE-UA最优法和两个目标函数进行率定,分别对不同目标函数的径流过程模仿能力进行分析;对径流模拟的不确定性区间分别采用NSGA-Ⅱ多目标优化法和GLUE法进行分析,并给出了多目标GLUE法.研究表明:径流模拟性能随目标函数的不同而存在较大差异;对于多目标较小的不确定性区间可利用NSGA-Ⅱ法进行优化,然而实测值对区间的覆盖率程度较低;多目标GLUE算法相对于单目标算法表现出更好的区间覆盖率.【期刊名称】《黑龙江水利科技》【年(卷),期】2018(046)010【总页数】5页(P13-17)【关键词】多目标GLUE算法;模型参数;新安江模型;不确定性【作者】曹虎【作者单位】辽宁省铁岭水文局,辽宁铁岭112000【正文语种】中文【中图分类】P333.90 引言基于参数先验分布的GLUE其本质是对参数的后验概率分布利用参数似然函数值阈值的主观判断进行推导，从而可对水文模型在一定置信区间的不确定范围进行确定[1]，并对模拟区间特征可利用覆盖率、对称性以及和区间宽度等参数要素进行描述。

然而，水文过程模拟的不确定性区间可由目标函数的不同而存在显著差异，因此在水文过程中的某些特定状态可利用单目标函数促进其聚集，并因此造成对其他状态的忽视，如Yapo等[2]认为需要从不同角度并利用各种观测数据对水文过程特性进行度量，即对水文模型参数利用多目标进行率定。

多目标参数率定往往存在帕累托最优解集而非唯一解，率定结果通常为某一不确定性区间范围。

当前，对多目标模型的求解方法研究较多如AMALCAM、MOCOM-UA以及NSGA-Ⅱ法等，而对多目标不确定性区间特性的研究分析相对较少。

据此，文章利用新安江日模型模拟径流过程对辽河流域进行模拟分析，然后对模型参数利用SCE-UA最优法和两个目标函数进行率定，分别对不同目标函数的径流过程模仿能力进行分析；对径流模拟的不确定性区间分别采用NSGA-Ⅱ多目标优化法和GLUE法进行分析，并给出了多目标GLUE法；通过对比分析多目标和单目标GLUE法，给出了模型参数不确定性的多目标GLUE法优势和特征[3-7]。

新安江模型中河网汇流参数cs的一种计算方
法
《河网汇流参数cs的新安江模型计算方法》
新安江模型是一种用于预测河网汇流容量参数cs的模型。

它可以将复杂的水文过程减少到简单的坐标计算，并得到精确的汇流量估计。

本文介绍了新安江模型中河网汇流参数cs的计算方法。

新安江模型的主要理论依据是由新安江大学博士王元开发的“蒙特卡罗”（MonteCarlo）数学方法，该方法克服了水文模型中的复杂性，可以将水流率的复杂度降低到简单的坐标计算中。

在新安江模型中，汇流量容量参数（cs）可以通过以下计算方法计算：
1、确定该流域区域内各支流所汇集的汇流体积（V），即：
V=∑V，其中V表示支流的汇集体积；
2、根据支流汇集的总体积V计算流域的汇流量参数（cs），即：cs=V/A，其中A表示流域总面积；
3、在汇流量参数cs计算出来后，根据新安江模型可以估算出具体汇流量。

新安江模型是一种非常有用的模型，它可以为河网汇流参数的精确估算提供可靠的方法。

借助该模型，我们可以精确地分析和评估河网汇流参数的变化情况，为河网调度和维护提供重要的指导。

新安江模型参数不确定性分析戴健男;李致家;黄鹏年;黄迎春【摘要】In this study, the uncertainties of the Xin' anjiang model parameters were analyzed with the GLUE method based on the Bayesian theory, through application to the Dongtiaoxi and Xixian catchments. Hie study results show that there is a large number of equivalent parameters for both catchments, verifying the argument in the GLUE method that the simulation results are determined by the combination of the parameters. According to scatter plots of the likelihood values of the behavioral parameters, the Xin'anjiang model parameters can be classified into three groups: the non-sensitive parameters (KG, K1, CG, and C1), the sensitive parameter (Cs), and the regionally sensitive parameters ( K and Sm) . The probability prediction for floods can be made through the calculation of the uncertainty ranges at a 90% confidence level.%以东苕溪流域和息县流域为例,运用基于贝叶斯理论的GLUE方法对新安江模型参数不确定性进行分析评价.结果表明,两个流域都存在大量“等效性”参数,不同的参数组能模拟出相同的效果,验证了GLUE方法的重要观点:模型模拟结果的好坏是由参数组合决定的.根据参数与似然值散点分布图,可将研究的7个参数分为不敏感参数(KG,KI,CG,CI)、敏感参数(CS)和区域敏感参数(K,SM)3类,通过计算90％置信度的不确定范围,可实现洪水概率预测的目的.【期刊名称】《河海大学学报（自然科学版）》【年(卷),期】2011(039)006【总页数】5页(P618-622)【关键词】水文预报;新安江模型;不确定性分析;GLUE方法【作者】戴健男;李致家;黄鹏年;黄迎春【作者单位】河海大学水文水资源学院,江苏南京210098;河海大学水文水资源学院,江苏南京210098;河海大学水文水资源学院,江苏南京210098;河海大学水文水资源学院,江苏南京210098【正文语种】中文【中图分类】P333.2水文系统的不确定性是水文科学研究的难点问题之一,也是水文系统复杂性的主要体现,客观的水文过程则是确定性与不确定性各种成分共同作用的结果.水文模拟和预报的不确定性越来越受到国内外水文界的重视,国际水文科学协会(IAHS)于2003年正式启动了名为“Prediction in Ungauged Basins(PUB)”的国际水文计划,大力开展无资料地区和资料缺乏地区的水文研究[1].众多的国内外学者都分析和讨论了水文模型的不确定性问题[2-7].Beven等于1992年提出的GLUE方法代表了水文模型不确定性研究领域的最新进展.Freek等[8]将该法应用于法国Ringelbach流域的TOPMODEL模型不确定性分析.Franks等[9]在无水文资料情况地区进行模型不确定性研究,采用GLUE方法根据贝叶斯公式由新的资料对原似然值进行更新,通过比较更新前后的不确定性估计来评价新增信息的价值.新安江模型是由河海大学赵人俊教授于1970年提出和建立的概念性降雨径流模型[10],在我国南方湿润地区具有广泛的适用性.本文以太湖东苕溪流域和淮河息县流域为例,运用GLUE方法,研究该模型参数的不确定性问题,分析模型“异参同效”现象以及洪水模拟的概率分布.1 GLUE方法基本原理GLUE方法有个很重要的观点:导致模型模拟结果好与差的不是模型单个参数,而是参数组合.GLUE方法首先设定模型参数的分布取值范围,利用Monte-Carlo随机采样方法获取参数值组合,放入模型中进行模拟.选定似然目标函数,计算模型模拟结果与观测值之间的似然函数值,再通过计算函数值的权重得到各参数组合的似然值.在所有的似然值中,设定一个临界值,低于这个临界值的参数组似然值被赋为零,表示这些参数组不能表征模型在研究流域的功能特征;高于该临界值则表示这些参数组能够表征模型在研究流域的功能特征.对高于临界值的所有参数组似然值重新归一化,按照似然值的大小,求出在某置信度下模型预报的不确定性范围.2 新安江模型敏感参数新安江模型有两大核心理论:蓄满产流和张力水蓄水容量曲线[11].关于新安江模型的原理及应用情况可以参考相关文献,这里不再赘述.根据文献[12-13]和前期的参数敏感性分析工作,选择蒸散发折算系数K、表层土自由水蓄水容量SM、地下水出流系数KG、壤中流出流系数KI、地下水消退系数CG、壤中流消退系数CI和河网水流消退系数CS这7个较为敏感、对模型模拟结果影响较大的参数来研究其对模型模拟结果不确定性的影响.因参数的先验分布形式不易确定,采用了均匀分布来代替.敏感参数的取值范围见表1.表1 新安江次洪模型敏感参数取值范围Table 1 Ranges and distributions of sensitive parameters in Xin'anjiang hourly model取值 K S M/m m K G K I CG C I C S最小值 0 0 0 0 0.5 0 0最大值 2 2 0 0 0.7 0.7 1.0 1 13 参数不确定性实例分析3.1 流域概况选取东苕溪和息县两个水文特征差别较大的流域进行研究.东苕溪流域位于太湖区,属于我国中亚热带向北亚热带的过渡流域,受大陆与海洋气候的影响,季风盛行,四季分明,雨量充沛,年平均降水量1553mm左右,多年平均水面蒸发量为800～900mm.丰枯年际变幅及年内时空分布不均匀,丰水年如1954年降水量达2103mm,枯水年如1978年全年降水量仅728mm.年内分配按降雨特性大致可分为梅汛、台汛和非汛期3期,汛期雨量常占全年降水量的75%左右.息县流域位于河南省南部,居淮河上游,流域面积8826km2(扣除南湾和石山口两座大型水库面积).该流域处于北亚热带和暖温带的过渡地带,在气候上具有过渡特征.流域多年平均年降水量1145 mm,其中50%左右集中在汛期(6—9月),最大年降水量1 486.6mm,最小年降水量512.9 mm,多年平均蒸发量为1258.5mm.3.2 参数组“异参同效性”将Monte-Carlo随机采样得到的10万组参数代入两个流域的新安江模型中进行模拟,分别得到10万个模拟流量过程和特征值.从这10万个模拟流量过程和特征值中发现,模拟流量过程线的整体趋势是相同的,其中有些和观测流量过程线拟合得很好,有些则或高或低地偏离观测值,充分体现出水文模型的不确定性[14-15].同时,不同参数组合可以得到十分相似的模拟似然值,即所谓的“异参同效“现象,很好地印证了GLUE方法的中心观点:导致模型模拟结果好与坏的关键并不是单个参数,而在于模型的参数组合[4].由此可见,由人工率定而来的“最优”参数组是不可靠的,具有高不确定性.表 2和表3列出了东苕溪流域1983062308号洪水和息县流域2002062120号洪水高似然值区域中的5组“等效性”参数组.表2 东苕溪流域1983062308号洪水5组“等效性”参数组Table 2 Five groups of equivalent parameters of flood(No.1983062308)in Dongtiaoxi Catchment参数组 K SM/mm KG KI CG CI CS 确定性系数1 1.8572.090.37 0.33 0.78 0.08 0.09 0.85 2 1.5855.030.43 0.27 0.82 0.07 0.17 0.85 31.9911.080.49 0.21 0.63 0.27 0.54 0.85 4 1.1482.700.36 0.34 0.89 0.02 0.15 0.85 5 1.9220.400.53 0.17 0.76 0.24 0.43 0.85表3 息县流域2002062120号洪水5组“等效性”参数组Table 3 Five groups of equivalent parameters of flood(No.2002062120)in Xixian Catchment参数组 K SM/mm KG KI CG CI CS 确定性系数1 1.4877.640.37 0.33 0.890.160.008 0.85 2 1.4055.710.28 0.42 0.97 0.340.014 0.85 3 0.65 141.11 0.330.37 0.96 0.080.001 0.85 4 1.2256.840.39 0.31 0.88 0.240.011 0.85 51.3246.100.32 0.38 0.96 0.330.088 0.85从表1和表2均可明显看出,同类参数在相同模拟似然值中的取值不同,有些参数如SM,CS变化很大,有些参数如K,KG,CG则变化较小,说明模型中每类参数的不确定性程度存在一定的差异.3.3 参数不确定性分析利用新安江模型对两个流域的洪水进行模拟,以确定性系数作为似然目标函数,得到参数与似然值散点分布图,据此可将参数归纳为以下3类.第1类:不敏感参数.KG,KI,CG和CI这4个参数的似然值散点分布图在两个流域表现非常相似,都分布均匀,无明显的变化趋势,对确定性系数影响很小,属于不敏感参数.以KG为例,见图1.第2类:敏感参数.从图2可以明显看出,参数CS的似然值散点分布图在两个流域分布区域的变化趋势相同,有明显的高值区,随着CS的增大确定性系数迅速下降,该参数对确定性系数影响较大,为敏感参数.图1 不敏感参数与似然值散点分布Fig.1 Scatter distribution of likelihood values of non-sensitive parameters图2 敏感参数与似然值散点分布Fig.2 Scatter distribution of likelihood values of sensitive parameters第3类:区域敏感参数.K和SM的似然散点分布图在两个流域分布趋势有较大差别,同样的参数组合,在东苕溪流域分布均匀,在息县流域却有较明显的起伏变化.这体现了模型参数对流域水文特征不同的响应,东苕溪流域雨量丰沛,土壤水系发达,而息县流域土壤调蓄功能较差,由于面积较大,蒸发是水量平衡的主要因素.说明K和SM属于流域性敏感参数,敏感程度与流域水文气象特性密切相关.以SM为例见图3.图3 区域敏感参数与似然值散点分布Fig.3 Scatter distribution of likelihood values of regionally sensitive parameters3.4 模型预报的不确定性范围设定似然判据确定性系数的临界值为0.8,低于该临界值的参数组似然值被赋为零,高于该临界值的所有参数组似然值重新归一化,然后,将模拟流量按大小排序,估算出一定置信度的模型预报不确定性的时间序列,求出90%置信度下新安江模型模拟的不确定性范围,即用累计似然分布的5%和95%两个分位点作为预测不确定性的界限.图4列出了东苕溪流域1983062308号洪水模拟的不确定性范围,其中包括实测值和不确定性的上限和下限.从图4可以看出,不确定性范围与流量大小密切相关,在高流量区较大,低流量区较小.模型能够较好地模拟出流域出口断面的流量过程.同时,该场洪水模拟得到的90%置信度的流量过程未能包含所有的实测流量过程,说明参数的先验分布为均匀分布的假定不能满足要求,还需继续扩大参数的分布范围.在GLUE方法中,使用贝叶斯公式更新似然值分布,参数组的数量逐渐减少,似然值的分布趋于稳定,可以得到稳定的似然值分布.初始经验揭示贝叶斯公式更新过程是逐渐减少那些后验似然值大于临界值的参数组数量,这说明随着考虑的实测资料越来越多,研究流域接受的参数组空间变得更加受约束,即参数不确定性因素会越来越小.在传统的模型参数率定中,一般率定出的参数组是唯一的,代表所有参数组收敛于一个最优参数组.而在GLUE方法中最优参数组不是唯一的,出现了最优模型参数解的集合.这是因为GLUE方法允许“最优”参数组可以随着观测值时刻变化,并且会反映在后验似然值分布的过程中.同时,GLUE方法允许在参数分布空间上存在不止一个区域的高似然值区,虽然总体趋势是由低似然值区域向高似然值收敛,但存在高似然值的却可以是多个区域,这同样也反映了模型的“异参同效”性.GLUE方法允许使用者结合自己的模型来进行不确定性分析,后验似然分布可以直接用来评估没有实测值洪水事件的不确定性范围,本文利用没有用来更新似然分布的东苕溪流域1987071908号洪水对所构建的模型进行验证.由模拟结果图5可以看出,大部分的观测流量都落在了不确定范围之内,表明可以运用后验分布参数组来进行洪水预报,得到洪水发生概率及洪峰预报区间,这对于洪水概率预报具有较大的实践意义.图4 东苕溪流域1983062308号洪水先验分布得到的不确定性范围Fig.4 Uncertainty ranges based on prior distribution of flood(No.1983062308)in Dongtiaoxi Catchment图5 东苕溪流域1987071908号洪水后验分布得到的不确定性范围Fig.5 Uncertainty ranges based on posterior distribution offlood(No.1987071908)in Dongtiaoxi Catchment4 结语以水文特性差异较大的东苕溪流域和息县流域为实例,运用GLUE方法对所购建的新安江模型参数不确定性进行了较为详细的分析.研究结果表明,两个流域都存在大量“等效性”参数,不同的参数组合能够模拟出相似的效果,充分验证了GLUE方法的中心观点:模型模拟效果是由参数组合决定的.根据两个流域的参数与似然值散点分布图,可将所研究的7个参数分为不敏感参数(KG,KI,CG,CI)、敏感参数(CS)和区域敏感参数(K,SM)3类.通过计算90%置信度的模型预报不确定范围,为进一步进行洪水概率预测提供技术支持.研究中发现,在给定参数分布和取值区间的条件下,实测流量并不能完全包含在该流量界限内,这是不确定性的表现,说明了参数的取值范围还需进一步扩大,同时也表明GLUE方法存在某些方面上的不足,需要对模型结构的不确定性进行更加细致的研究,以便完善和改进流域水文模型.参考文献:【相关文献】[1]夏军.现代水文学的发展与水文复杂性问题的研究[C]//第二届全国水问题研究学术研讨会论文集.北京:中国水利水电出版社,2004:3-18.[2]KUCZER A G.Improved parameter inference in catchment models:1.evaluating parameter uncertainty[J].Water Resource Research,1983,19(5):1151-1162.[3]赵人俊.流域水文模型的比较分析研究[J].水文,1989(6):1-5.(ZHAO parative analysis of hydrologic modelof basin[J].Journal of China Hydrology,1989(6):1-5.(in Chinese))[4]BEVEN K,BINLEY A.The future of distributed models:model calibration and uncertainty prediction[J].Hydrological Processes,1992(6):279-298.[5]郭生练,李兰,曾光明.气候变化对水文水资源影响评价的不确定分析[J].水文,1995(6):1-5.(GUO Sheng-lian,LI Lan,ZENG Guang-ming.Uncertainty analysis of impact of climate change on hydrology and water resources[J].Journal of China Hydrology,1995(6):1-5.(in Chinese)) [6]李向阳,程春田,林剑艺.基于BP神经网络的贝叶斯概率水文预报模型[J].水利学报,2006,37(3):354-359.(LI Xiang-yang,CHENG Chun-tian,LIN Jian-yi.Bayesian probabilistic forecasting model based on BP ANN[J].Journal of Hydraulic Engineering,2006,37(3):354-359.(in Chinese))[7]芮孝芳,刘方贵,邢贞相.水文学发展及其所面临的若干前沿科学问题[J].水利水电科技进展,2007,27(1):75-79.(RUI Xiao-fang,LIU Fang-gui,XING Zhen-xiang.Advances in hydrology and some frontier problems[J].Advances in Science and Technology of Water Resources,2007,27(1):75-79.(in Chinese))[8]FREER J,BEVEN K.Bayesian estimation of uncertainty in runoff prediction and the value of data:an application of the GLUE approach[J].Water ResourcesResearch,1996,32(7):2161-2173.[9]FRANKS S W,BEVEN K J.Bayesian estimation of uncertainty in land surface-atmosphere flux prediction[J].Geophysical Research,1997,102(20):23991-23999.[10]赵人俊.流域水文模型-新安江模型与陕北模型[M].北京:水利水电出版社,1984:33-42.[11]ZHAO Ren-jun,LIU Xin-ren.The Xinanjiang model[C]//SINGH V puter Models of Watershed Hydrology.Highlands Ranch,Colorado,USA:Water Resources Publications,1995:215-232.[12]王佩兰,赵人俊.新安江模型(三水源)参数的客观优选方法[M].北京:中国水利水电出版社,1989.[13]李致家.水文模型的应用与研究[M].南京:河海大学出版社,2008.[14]李胜,梁忠民.GLUE方法分析新安江模型参数不确定性的应用研究[J].东北水利水电,2006,24(2):31-33.(LI Sheng,LIANG Zhong-min.Study on GLUE method applied to analyzing uncertainty of Xinanjiang model parameter[J].Water Resources&Hydropower of Northeast China,2006,24(2):31-33.(in Chinese))[15]黄国如,解河海.基于GLUE方法的流域水文模型的不确定性分析[J].华南理工大学学报:自然科学版,2007,25(3):137-142.(HUANG Guo-ru,XIE He-hai.Uncertainty analyses of watershed hydrological model based on GLUE method[J].Journal of South China University of Technology:Natural Science Edition,2007,25(3):137-142.(in Chinese))。

第二章新安江流域水文模型60年代初，河海大学(原华东水利学院)水文系赵人授等开始研究蓄满产流模型，配合一定的汇流计算，将模型应用于水文预报和水文设计。

1973年，他们在对新安江水库做人库流量预报的工作中，把他们的经验归纳成一个完整的降雨径流流域模型——新安江模型。

模型可用于湿润地区和半湿润地区的湿润季节径流模拟和计算。

最初的新安江模型为两水源模型，只能模拟地表径流和地下径流。

80年代初期，模型研制者将萨克拉门托模型与水箱模型中，用线性水库函数划分水源的概念引入新安江模型，提出了三水源新安江模型，模型可以模拟地面径流、壤中流、地下径流。

1984至1986年，又提出了四水源新安江模型，可以模拟地面径流、壤中流、快速地下径流和慢速地下径流。

三水源新安江模型一般应用效果较好，但模拟地下水丰富地区的日径流过程精度不够理想。

在新安江三模型中增加慢速地下水结构就成为四水源新安江模型。

当流域面积较小时，新安江模型采用集总模型，当面积较大时，采用分块模型。

分块模型把流域分成许多块单元流域，对每个单元流域做产、汇计算，得到单元流域的出口流量过程。

再进行出口以下的河道洪水演算，求得流域出口的流量过程。

把每个单元流域的出流过程相加，就求得了流域出口的总出流过程。

划分单元流域的主要目的是处理降雨分布的不均匀性，因此单元流域应当大小适当，使得每块面积上的降雨分布比较均匀．并有一定数目的雨量站。

其次尽可能使单元流域与自然流域相一致，以便于分析与处理问题，并便于利用已有的小流域水文资料。

如果流域内有大中型水库，则水库以上的集水面积即应作为一个单元流域。

因为各单元流域的产汇、流计算方法基本相同，以下只讨论一个单元流域的情况。

2.1新安江两水源模型1．模型结构和参数新安江两水源模型的产流子模型采用蓄满产流模型，蒸发计算采用三层蒸发计算模型。

利用稳定下渗率FC将径流划分为地面径流和地下径流两种水源。

地面径流采用单位线汇流，地下径流采用一次线性水库汇流。

第31 卷第3 期计算机仿真2014 年3 月文章编号: 1006 － 9348( 2014) 03 － 0279 － 04在新安江模型研究与应用上的改进S CE M－ UA 算法顾超1 ，谭畅2( 1〃南京信息工程大学计算机与软件学院，江苏南京210044; 2〃重庆市巴南区气象局，重庆401324)摘要: 研究水文建模优化问题，用传统方法建模精度较差，所以采用S CE M－UA 算法对协方差方法和接受率方法进行优化建模，引入了可以有效保证样品多样性和可以增强算法全局搜索能力的比例因子和新的接受率方法。

将改进S CE M－UA算法用于新安江模型的参数率定上，有效提高了收敛效率、计算速度与估测精度。

试验结果表明，采用改进S CE M－UA 算法的新安江模型，帄均模型参数运算效率提高率为42〃 67% ，估测的径流与实测值相比其相对误差绝对值均小于16%，有着良好的应用前景。

关键词: 新安江模型;运算效率;径流估测中图分类号: TP301〃 6文献标识码: BI mp r ove d S CEM－ UA Algo r i t hm of Ｒese a r c h andA pp lic a t io n of Xi n＇an j i an g M o d elGU C ha o1 ，T AN C han g2( 1〃 Nanjin g Uni v ersit y of In fo rmati o n S cience and Techn o l og y，C o lle g e of C o mputer and Sof t w are，Nanjin g Jian g su 210044，China; 2〃 Ch o n g qin g Banan M ete o r o l og ical Bureau，Ch o n g qin g 401324，China) ABS TＲA CT: In this paper，a S CE M－ UA al go rithm c ov ariance meth o d and an acceptance rate meth o d w ere o pti-mi z ed〃 Intr o ducin g the scale f act o r and the ne w acceptance rate meth o d can e ff ecti v el y g uarantee the di v ersit y and en-hance the abilit y of g l o bal search al go rithm〃 The impr ov ed S CE M－ UA al go rithm w as used t o Xin＇a njian g m o del pa-rameter calibrati o n，w hich can e ff ecti v el y impr ov e the c o n v er g ence e ff icienc y，calculati o n speed and estimati o n accura-c y〃The e x perimental re sults sh ow tha t，fo r the Xin＇a njian g m o del based o n the impr ov ed S CE M－ UA al go rithm，thea v era g e m o del parameters of o perati o nal e ff icienc y is 42〃 67% ，its estimati o n of run off c o mpared w ith the m easuredv alues is less than the abs o lute v alue of the relati v e err o r of16% 〃It has goo d applicati o n pr o spects〃K E Y WOＲDS:Xin＇a njian g m o del; Operati o n e ff icienc y;Ｒun off estimati o n1引言水文模型是分析和研究流域产汇流机制和流域出口断面出流过程之间关系的函数描述，其仿真精度与模型参数的率定有很大的关系，多参数模型的优选通常都会遇到“异参同效”和“局部最优”的现象［1 －2］，也就是不同的参数组合可以得到相同的或者近乎相同的模型输出和在得到全局最优解前提早的收敛于一个非全局最优参数组合，前者会降低参数的可辨识性，后者则会降低模型的精确性。

一、模型的结构与参数三水源新安江模型的流程图如图1所示。

图1 三水源新安江模型流程图图1 中输入为实测雨量P ，实测水面蒸发EM ；输出为流域出口流量Q ，流域蒸散发E 。

方框内是状态变量，方框外是参数变量。

模型结构及计算方法可分为以下四大部分。

1． 蒸散发计算用三个土层的模型，其参数为上层张力水容量UM ，下层张力水容量LM ，深层蒸散发系数C ，蒸散发折算系数K ，所用公式如下：当上层张力水蓄量足够时，上层蒸散发EU 为EM E EU ⨯=当上层已干，而下层蓄量足够时，下层蒸散发EL 为LM WL EM K EL /⨯⨯=当下层蓄量亦不足，要触及深层时，蒸散发ED 为EM K C ED ⨯⨯=2． 产流量计算据蓄满产流概念，参数为包气带张力水容量WM ，张力水蓄水容量曲线的方次B ，不透水面积的比值IM ，所用公式为)1/()1(IM B WM WM -+⨯=))/1(1()1/(1B WM W MM A +--=当0≤⨯-EM K P ，则R=0不然，则当MM A EM K P <+⨯-，B MM A EM K P WM W WM EM K P R ++⨯--⨯++-⨯-=1)/)(1(不然，则W WM EM K P R +-⨯-=式中 R ——产流量；MM ——流域最大点蓄水容量。

3． 分水源计算分三种水源，即地面径流RS 、地下径流RG 和壤中流RI 。

参数为表层土自由水蓄水容量SM ，表层自由水蓄水容量曲线的方次EX ，表层自由水蓄量对地下水的出流系数KG 及对壤中流的出流系数KI ，所用公式为SM EX MS ⨯+=)1())/1(1()1/(1EX SM S MS AU +--⨯=)/())((EM K P EM K P IM R FR ⨯-⨯-⨯-=FR KG S RG ⨯⨯=FR KI S RI ⨯⨯=当 0,0=≤⨯-RS EM K P不然，当MS AU EM K P <+⨯-，则FR MS AU EM K P SM S SM EM K P RS EX ⨯+⨯--⨯++-⨯-=+))/)(1((1 当MS AU EM K P ≥+⨯-，则FR SM S EM K P RS ⨯-+⨯-=)(4． 汇流计算地下径流用线性水库模拟，其消退系数为CG ，出流进入河网。

不同目标函数对新安江模型参数的敏感性和不确定性影响分析李悦;刘冀;杨少康;赵心睿;舒章康【期刊名称】《水文》【年(卷),期】2024(44)2【摘要】目标函数的选择影响流域水文模型的参数率定结果。

为深入探究不同目标函数对水文模型参数的敏感性和不确定性及径流模拟结果的影响,本文以福建省金溪池潭流域日径流模拟为例,采用SCEM-UA优化算法率定三水源新安江模型,选择纳什效率系数f_(1)、均方根误差f_(2)和Kling-Gupta效率系数f_(3)作为参数率定的目标函数,同时构建分别偏好f_(1)、f_(2)、f_(3)三者的组合多目标函数F_(1)、F_(2)和F_(3)共6个率定目标,比较不同率定目标下的径流模拟精度差异,采用Sobol全局敏感性分析方法定量对比分析不同目标函数下的新安江模型参数敏感性,最后基于GLUE方法分析丰枯水期和不同流量级别下的径流模拟不确定性。

结果表明:(1)6个目标函数下,新安江模型的主要敏感参数识别结果一致;(2)F_(1),F_(2),F_(3)较单目标函数展现出更高的径流模拟精度;(3)在不同水文时期和不同流量级别下,f_(1)表现出较其他目标函数更高的覆盖率和较小的不确定性区间。

不同目标函数下均呈现枯水期参数不确定性最小,且随流量级别的增大而径流模拟不确定性增加的规律。

【总页数】8页(P1-7)【作者】李悦;刘冀;杨少康;赵心睿;舒章康【作者单位】三峡库区生态环境教育部工程研究中心;三峡大学水利与环境学院;南京水利科学研究院【正文语种】中文【中图分类】P333【相关文献】1.基于Copula-GLUE的新安江模型次洪参数不确定性分析2.基于多目标GLUE算法的新安江模型参数不确定性研究3.不同参数取值范围下CROPGRO-cotton模型全局敏感性和不确定性分析4.不同时空尺度下新安江模型参数敏感性分析因版权原因，仅展示原文概要，查看原文内容请购买。

基于 Sobol 方法的新安江模型参数敏感性分析张小丽;彭勇;徐炜;王本德;王海霞【摘要】采用敏感性分析方法对复杂模型和系统的输入和输出进行定性和定量的分析，有利于模型结构的诊断、模型参数的识别和模型的应用。

现以桓仁水库流域为例，使用Sobol方法，以确定性系数、总水量误差系数、低水误差系数和高水误差系数作为敏感性分析模型的目标函数，分别对模型单参数和多参数的敏感性进行了评价。

结果表明不同目标函数下参数的敏感性不同；Sobol能定量地给出参数的总敏感度和参数间相互作用的敏感度，适合于分析水文模型的参数敏感性。

%Sensitivity analysis was performed to analyze the inputs and outputs of the complex model and system qualitatively and quantitatively ,which can benefit the inspection of model structure ,identification of model parameters ,and model application .In this paper ,Sobol method was applied to evaluate the sensitivity of single parameter and multiple parameters of the model in the Huanren reservoir catchment .The objective functions of sensitivity analysis included the deterministic coefficients and error co-efficients of total water ,low flow ,and highflow .The results showed that the sensitivity of parameters was different under dif-ferent objective functions ,and Sobol method can provide the sensitivity for all parameters and sensitivity between each parame-ter ,which is useful for sensitivity analysis of hydrological models .【期刊名称】《南水北调与水利科技》【年(卷),期】2014(000)002【总页数】6页(P20-24,33)【关键词】新安江模型;Sobol方法;敏感性分析【作者】张小丽;彭勇;徐炜;王本德;王海霞【作者单位】大连理工大学建设工程学部水利工程学院，辽宁大连116024;大连理工大学建设工程学部水利工程学院，辽宁大连116024; 河海大学水文水资源与水利工程科学国家重点实验室，南京210098; 四川大学水力学与山区河流开发保护国家重点实验室，成都610065;大连理工大学建设工程学部水利工程学院，辽宁大连116024;大连理工大学建设工程学部水利工程学院，辽宁大连116024;大连理工大学建设工程学部水利工程学院，辽宁大连116024【正文语种】中文【中图分类】P334.92敏感性分析是指定性或定量地分析包括模型参数在内的模型输入对模型输出的影响[1]。