[发明专利]一种流域水文模型参数确定的新型算法

说明书

本发明涉及水文模型技术领域，具体地说是一种流域水文模型参数确定的新型算法，包括初始化给定算法所需的参数和数据，精英局部搜索和全局设计搜索的部分，本发明同现有技术相比，通过初始化、精英搜索和全局设计搜索的三部分组成的策略算法，在目标函数调用的过程中，每一步多次的调用之间没有逻辑上的先后关系，很容易实现向量运算，从而大大提升算法的时间效率，提高了水文模型的率定精度，增加模型率定的稳定性，高效且易于使用。

技术领域

本发明涉及水文模型技术领域，具体地说是一种流域水文模型参数确定的新型算法。

背景技术

流域水文模型是用于径流模拟，洪水预报等的基本手段，具有很强的实践意义，也是用于了解水文过程和相关因果关系的最重要方法之一。

流域水文模型是通过物理过程或者数学过程实现的对实际流域水文过程的模拟，有较为复杂的拟合或机理结构，且模型内部有一系列待定参数，需要根据实际流域的水文特性去调节，所以流域水文模型的参数调节一直是径流模拟和洪水预报的关键步骤。

一般来说，流域水文模型由四部分组成，分别是：模型自身结构，模型参数，模型输入输出和模型状态值。在对具体的流域进行模拟或者预报时，除了需要模型输入已知外，还需要通过历史数据对水文模型的参数进行确定，这个过程就是水文模型率定。一般的水文模型率定过程为一个最优化问题，即通过目标函数来确定水文模型的最优参数值。

其中水文模型率定过程，就是通过调节参数值，使得模拟的输出值与实际的观测值最接近，通过调整模型参数值来得到模型的最优参数，使模型更合理和精确地对流域进行模拟和预测。

现有的遗传算法，是一种能够无约束最优问题的算法，是一种启发式，进化算法，是水文模型率定常用的算法，但其构成参数多，调节困难，使用者需要多次调节才能找到算法的最优参数，且算法的得到的结果不够稳定，尤其在水文模型率定方面，两次率定得到的结果，会有很大的差异；而现有的SCE-UA算法不能实现向量化计算，且当目标函数的最优值靠近边界或者可行域构成的顶角时，算法的功效会有明显降低。

因此，需要设计一种流域水文模型参数确定的新型算法，提高水文模型的率定精度，增加模型率定的稳定性，提供高效且易于使用的新算法。

发明内容

本发明的目的是克服现有技术的不足，提供了一种流域水文模型参数确定的新型算法，提高水文模型的率定精度，增加模型率定的稳定性，提供高效且易于使用的新算法。

为了达到上述目的，本发明提供一种流域水文模型参数确定的新型算法，包括初始化，精英搜索和全局设计搜索，具体为以下步骤：

初始化：给定算法所需的参数和数据，具体步骤为：

S1：给定算法的核心参数，包括有分组运算数p，待确定的变量数n和变量的上下边界构成的可行域空间；

所述分组运算数p取值范围为[3，+∞]，默认值为3；

S2：调节算法的其他可选参数，包括有全局操作数p_o，区间收缩因子δ和区间收缩精度δ_ε；

所述全局操作数p_o取值范围为[3，p]，默认值为

所述区间收缩因子δ取值范围为(0，0.5)，默认值为0.3；

所述区间收缩精度δ_ε取值范围为[1，+∞)，默认值为5；

S3：计算关键粒子数，包括精英粒子m_e，全局粒子m_o，全局搜索粒子m_G和精细化搜索粒子m_R：