基于粒子群算法的水文模型参数多目标优化研究.pdfVIP

水 利 学 报 2008年5月 SHUIUXUEBA0 第39卷第5期 文章编号：0559．9350(2008)05—0528—07 基于粒子群算法的水文模型参数多目标优化研究 张文明1，董增川1，朱成涛2，钱蔚3 (1．河海大学水文水资源与水利工程科学国家重点实验室．江苏南京210098； 2．二滩水电开发有限责任公司，四川成都610021；3．河海大学环境科学与工程学院，江苏南京210098) 摘要：在改进的粒子群算法基础上通过引入存档群体和拥挤距离机制，建立了基于粒子群算法的多目标算法，并将 该算法应用于新安江模型参数多目标优化计算中。得到了最优解的Pareto集合。通过多目标距离函数法从Pareto 集中求出一组单一解。将多目标优选的结果与单目标优化结果进行比较分析。结果表明，多目标参数优选方法综 合考虑了水文过程的各种要素，比单目标优选结果具有更高的模拟精度。 关键词：粒子群算法；水文模型；多目标；参数优化 中图分类号：P334 文献标识码：A 概念性水文模型的结构和参数是决定模型精度的两个重要方面，目前，模型参数还无法直接由流域 特征值计算得到，在实际应用中总是根据历史上观测的水文气象资料对参数进行率定。模型参数率定 通常有人工试错法和计算机自动优选法。人工试错法费时费力，率定结果人为因素较大。随着计算机 技术的快速发展，参数自动优化技术被广泛应用。新安江模型是一个具有分散性参数的概念性流域水 文模型。目前用于新安江模型参数的优选方法主要有单纯形法¨1、Rosenbrock法…、基因算法幢1及其改进 Swarm 参数进行优化。然而，通过单目标优选出的参数往往不能恰当地描述由实测资料所反映出来的各种水 文特征。因此，有必要采用多个目标函数来优选模型参数¨“¨。文献[12，13]在传统优化方法的基础 上，开展了新安江模型参数多目标优化研究。粒子群算法作为一种新的基于群体智能的有效仿生算法， 具有编程简单、算法直观、易于理解等优点，在许多领域得到了广泛应用。近几年，已有一些研究者提出 了基于PSO的多目标算法¨4J纠。本文在改进的粒子群算法基础上通过引入存档群体和拥挤距离机制， ParticleSwarm 建立了基于粒子群算法的多目标算法(Mutli．Objective 子群算法的新安江模型参数多目标优选方法，并对具体流域的新安江模型参数优选进行了研究。 1多目标优化问题 水文模型参数多目标优化问题可以表示为如下优化问题： F(0)=min{，。(0)，F：(0)，…，Fn(o)} (1) 的一个多维空间内取值。 在多目标优化问题中，由于各目标函数之间相互制约，其中任何一个目标函数的减小必然以其它目 收稿日期：2007-09-13 基金项目：教育部科学技术研究重点项目(104197) 作者简介：张文明(1980一)，男，湖北黄梅人，博士生，主要从事水文水资源研究。E-mail,,swnumdy@163．coro ·———528·——— 标函数的增大为代价，而且各目标的单位往往又不一致，因此，很难评价多目标问题解的优劣性。与单 目标优化问题的本质区别在于，式(1)一般不能得到唯一的参数解，而是存在一个非劣解集，又称为 Pareto藤集，集合中元索髂秀Pareto最优鳃或菲劣最优解(Nondominated 其优劣。多嗣标优化原理详见文献[16，17]。 2多目标粒子群算法 2．1单蟊椽粒子蔡算法粒子群算法玲疆1怒一种模拟群聚生物的行兔丽得餮的群聚智麓算法。假设在 一个K维的目标有哪些信誉好的足球投注网站空间中，有￡个粒子组成一个群落，其中第i个粒子的位置袭示为一个必维的向 的向量K=(K。，K：，…，比)。粒子按式(2)和式(3)来调整自己的位置有哪些信誉好的足球投注网站新解： 2)