论文部分内容阅读
洪水预报技术是有效预防和减轻山洪灾害的重要非工程手段,可以为流域防洪预警提供科学、准确的决策支持。本文基于双超产流模型以及Nash单位线汇流模型,建立了汾河上游的洪水预报模型,并针对传统单目标参数优化方法模拟洪水特征时易造成顾此失彼的缺点,提出采用线性加权的SCE-UA和MOSCDE算法对模型参数进行多目标优选。最后结合卡尔曼滤波对洪水预报结果进行实时校正,为汾河上游地区的山洪预警提供了一套较高精度的预报方案,主要工作包括以下几个方面:(1)深入研究了将产流过程分为超渗地表径流和超持壤中流的双超产流模型,分析了该模型在半干旱地区的适用性,并结合Nash瞬时单位线建立了汾河上游的洪水预报模型,用以模拟该地区的山洪形成规律和特点。(2)传统优化算法仅针对洪水的某一特征进行参数优化率定,可能会造成其他特征模拟精度较低,无法达到预报要求,为此,论文分别采用SCE-UA和MOSCDE算法建立了双超模型的参数多目标优选方案。针对单目标SCE-UA的特点,采用加线性加权方法对每个目标函数加权,将多目标转化为单目标;MOSCDE则通过非劣解集实现多目标的优选,并在进化中采用DE算法作为该算法的核心,提高了算法的收敛速度和计算效率。本文主要对比了两种算法对洪水预报精度的影响,研究结果表明,通过MOSCDE多目标优化方法计算的洪峰合格率和峰现时间合格率有明显的提高,因此,多目标MOSCDE优化方法对于汾河上游洪水预报具有更好的适应性,能够为该地区山洪预报提供参数优选技术支持。(3)基于卡尔曼滤波基本思想,采用Sigma点卡尔曼滤波方法对洪水预报结果进行实时校正,进一步提高洪水预报的精度,经过实时校正后洪水各项评价指标如洪峰合格率、场次洪水确定性系数都有明显提高,可为洪水及时准确的预报预警提供可靠依据。