摘要:

规划合理的水文站网能够充分反映水文时空变异特征.站网优化力求以最少的站点数目收集尽可能准确详尽的信息.建立了一种基于信息熵的多目标水文站网优化模型,基于信息熵原理,以站点间互信息最小为原则对站点进行排序,形成站点组合多种方案;构建由联合熵百分比、平均互信息和Nash-Sutcliffe效率系数(NSC)组成的评价函数对站点组合进行信息承载量评价;运用多目标优化求解方法求得最优解.对黄河支流伊洛河流域多年月流量序列进行了实例分析,结果表明:伊洛河流域水文站网可去除冗余站点;优化后的站网仍可提供足量信息.所建立水文站网优化模型综合考虑了站网的信息总量、信息重叠量和数据波动三项指标,并结合多目标优化方法求解,满足了对站网信息量作定量分析的需要以及在多目标下进行站网优化的要求,是一种合理有效的站网优化方法,对于水资源的规划管理具有重要作用.

摘要:

为提高新安江模型中参数估计的优化精度和算法性能，提出一种改进的人工蜂群( ABC)算法。设计基于最优个体的寻优和保优策略，采用寻优策略提高观察蜂的深度搜索能力，通过保优策略确保侦察蜂不会丢弃当前最优解，从而使算法能够在较短时间内得到收敛。将改进算法应用于新安江模型的参数估计中，并与ABC算法和SCPSO算法的参数估计结果进行对比。实验结果表明，改进算法得到的参数优化精度比ABC算法提高约4%，比SCPSO算法提高约1%，并且具有较快的收敛速度。

摘要:

传统启发式算法在水文模型参数估计中通常存在着易早熟和收敛速度慢等缺陷，为提高水文模型的参数优化精度和算法性能，引入混合蛙跳算法（SFLA），提出一种基于 SFLA的水文模型参数估计方法，将该方法应用到新安江模型的参数估计中，并与基于遗传算法（ GA）的参数估计方法进行实验对比分析。实验结果表明：基于 SFLA 的参数优化方法在平均优化精度上相比遗传算法提高了2.5％；在固定优化精度时，优化成功率相比遗传算法提高了53.33％。证明了混合蛙跳算法应用于水文模型参数估计时，在收敛精度和收敛速度方面均有明显优势。