雙超產(chǎn)流模型參數(shù)敏感性分析與率定.pdf

1、隨著洪水預(yù)報(bào)科學(xué)的發(fā)展，水文模型已被廣泛地用來(lái)解決包括水文水資源、環(huán)境和生態(tài)等社會(huì)和人類發(fā)展問(wèn)題。南方濕潤(rùn)地區(qū)雨洪配套資料豐富，在進(jìn)行流域水文模型研究時(shí)可做的工作較多，計(jì)算方法也比較成熟。而對(duì)于占我國(guó)領(lǐng)土面積52％的半干濕地區(qū)，水文模型方面的工作做的較少，流域水文模型的使用在國(guó)內(nèi)外在半干濕地區(qū)都存在問(wèn)題。雙超模型尤適用于半濕潤(rùn)半干旱地區(qū)，作為洪水預(yù)報(bào)首選模型，應(yīng)給予充分重視，而現(xiàn)階段對(duì)雙超模型參數(shù)敏感性以及率定的研究貧乏，不能為各級(jí)政府

2、和防汛部門提供準(zhǔn)確的模型信息，難以滿足洪水預(yù)報(bào)參數(shù)率定的需求。本文以雙超產(chǎn)流模型為研究對(duì)象，對(duì)模型參數(shù)進(jìn)行敏感性分析，識(shí)別模型輸出響應(yīng)的重要影響參數(shù)，減少模型參數(shù)率定過(guò)程中的盲目性，并且建立山西省小流域洪水分類參數(shù)率定系統(tǒng)，為參數(shù)率定提供依據(jù)，提高模型運(yùn)行的可靠性與預(yù)報(bào)精度。
　　本文以山西省內(nèi)榆社、上靜游與婁煩3個(gè)水文站控制流域作為研究對(duì)象，選取各流域內(nèi)具有代表性的場(chǎng)次洪水進(jìn)行雙超模型參數(shù)敏感性分析。首先采用局部分析法，得出了雙

3、超模型參數(shù)在不同流域、不同等級(jí)洪水及多個(gè)目標(biāo)函數(shù)下的敏感性與相關(guān)性情況，基于變異系數(shù)法確定模型參數(shù)的綜合敏感性系數(shù)。再采用優(yōu)化的LH-OAT法，通過(guò)對(duì)參數(shù)的定向改變，得出了雙超模型參數(shù)在不同流域、不同等級(jí)洪水及多個(gè)目標(biāo)函數(shù)下的敏感性與相關(guān)性情況，基于熵值法確定了模型參數(shù)的綜合敏感性系數(shù)。并將兩種方法所得結(jié)論進(jìn)行對(duì)比分析，研究表明：
　?。?）由局部分析法得到模型參數(shù)綜合敏感性大小排序?yàn)镾r>b>α0>Ks>σ≈C，參數(shù)Sr、Ks、

4、b、α0為敏感性參數(shù)，C、σ為不敏感參數(shù)，由全局分析法得模型參數(shù)綜合敏感性大小排序?yàn)镵s>b>Sr>α0>σ≈c，參數(shù)Sr、Ks、b為敏感性參數(shù)，參數(shù)α0為較敏感參數(shù)，C、σ為不敏感參數(shù)。對(duì)比二者成果可知不同的研究方法的到模型參數(shù)的敏感性大小排序有所不同。但是對(duì)于參數(shù)敏感性分級(jí)，僅α0受到分析方法的影響，其他參數(shù)敏感性等級(jí)具有較好的穩(wěn)定性。
　?。?）采用局部分析法與全局分析法對(duì)參數(shù)與目標(biāo)函數(shù)相關(guān)性分析可知，在不同等級(jí)洪水、不同流

5、域中，各敏感性參數(shù)與目標(biāo)函數(shù)Wi、Qmi的相關(guān)性明確。表現(xiàn)為參數(shù)α0、b與Wi、Qmi正相關(guān)，參數(shù)Sr、Ks與Wi、Qmi呈負(fù)相關(guān)。但各參數(shù)并不是對(duì)所有的目標(biāo)函數(shù)都有明確的相關(guān)性，當(dāng)目標(biāo)函數(shù)變?yōu)镮VF、RE、RSS、PE時(shí)，相關(guān)性不明確。因此，有在實(shí)際運(yùn)用中針對(duì)不同目標(biāo)函數(shù)，在參數(shù)的調(diào)節(jié)方面需要區(qū)別對(duì)待，并不是都有規(guī)律可循。
　　本文采用模糊 ISOD ATA迭代模型對(duì)歷史洪水進(jìn)行聚類分析。因場(chǎng)次洪水過(guò)程的洪峰流量和洪水總量為洪水

6、預(yù)報(bào)的主要目標(biāo)，所以選定歷史洪水的洪峰流量和洪水總量為聚類特征指標(biāo)進(jìn)行聚類分析。將歷史洪水按照量級(jí)大小分為大洪水、中洪水、小洪水3種類型。由于洪水現(xiàn)象復(fù)雜多變，難以掌控，產(chǎn)匯流規(guī)律在不同類型洪水中也不盡相同，為降低僅用一組水文預(yù)報(bào)模型參數(shù)對(duì)全流域洪水進(jìn)行預(yù)報(bào)的誤差，本文確立了水文預(yù)報(bào)模型參數(shù)分類率定的思路，來(lái)尋找同類型洪水產(chǎn)匯流的規(guī)律。水文預(yù)報(bào)模型參數(shù)分類率定結(jié)果表明：
　　（1）本文所建立BP神經(jīng)網(wǎng)絡(luò)分類模型，可準(zhǔn)確判斷流域洪水

7、所屬類型，在樣本預(yù)測(cè)中精度達(dá)到100%。
　?。?）本文所建立的流域洪水分類預(yù)報(bào)方法，將傳統(tǒng)洪水預(yù)報(bào)的洪量合格率從73%提高到了82%，洪量相對(duì)誤差從18.1%減少到了11.3%；洪峰合格率也從73%提高到了82%，洪峰相對(duì)誤差從16.4%減少到了14.6%。提高了研究流域整體預(yù)報(bào)精度，為研究流域?qū)崟r(shí)調(diào)度提供了可靠依據(jù)。
　　前人曾對(duì)雙超模型參數(shù)采用傳統(tǒng)擾動(dòng)分析法僅對(duì)模型參數(shù)進(jìn)行了敏感性分類，并未對(duì)模型參數(shù)敏感性系數(shù)進(jìn)行定量