|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | DHSVM模型在宝库河流域的径流模拟适用性分析显示文摘以宝库河流域为例,探讨了DHSVM模型在高寒区无冰川流域的适用性。介绍了DHSVM模型的概况、物理过程及数字化资料的收集与处理,并以实测径流对模型进行校正,其中Nash-Sutcliffe模型效率系数与实测径流的相关系数较高,模拟的相对误差较低。对比分析模拟径流与实测径流的变化过程发现,DHSVM模型能较好地反映该流域的日、月径流水文过程,具有一定的适用性。 | 郝振纯 梁之豪 梁丽乔 郭晓玉 鞠琴 | 2012 | 水电能源科学2012，30，11： | 8 |
| 2 | SCE-UA、SCEM-UA算法对改进的HYMOD模型模拟结果的影响显示文摘针对概念性水文模型如HYMOD模型参数不确定性问题,先对HYMOD模型进行改进,将模型设计成基于子流域的分散式;接着引入参数估计的SCE-UA和SCEM-UA两类算法,以湘江洣水流域为研究区域,对改进的HYMOD模型进行参数优化和不确定性进行了研究。结果表明,两种算法都能搜索到HYMOD模型的最优参数,使模型取得较好的径流模拟结果;但SCEM-UA算法可得到模型参数的后验概率分布,充分考虑模型参数的不确定性,具有更大的优势。 | 宋文献 江善虎 杨春生 王立明 | 2013 | 水电能源科学2013，31，11： | 5 |
| 3 | PA-DDS算法在HBV模型参数优化中的应用显示文摘影响水文模型预报精度的因素有很多,其中模型参数的优化对模拟结果起到至关重要的作用,目前用于参数优化的方法包括单目标优化和多目标优化两种。随着参数率定方法研究的深入,多目标分析问题越来越受到关注。Pareto存档动态维度搜索(Pareto-Archived Dynamically Dimensioned Search,PA-DDS)作为多目标优化算法,通过在求解过程中动态存储Pareto前沿以防止最优解的丢失,在寻优速度以及解的稳定性方面比较有优势。精英非支配排序遗传算法(NSGA-Ⅱ)具有寻优速度快、解集收敛性能好等优点,已经成为检验其他多目标优化算法性能的标准;AMALGAM算法通过对四种相关算法分配权重从而实现信息交换同时寻优,解的收敛性能较好。因此本文将PA-DDS算法与AMALGAM算法和精英非支配排序遗传算法(NSGA-Ⅱ)在收敛性能方面进行了对比,并将非劣解分布的均匀性及解的相似性方面与AMALGAM进行比较,利用尼泊尔巴格玛蒂河流域2005-2011年期间实测洪水日径流过程资料作为HBV模型参数率定系列,运用PA-DDS算法对模型参数进行优化,得出Pareto最优解,并利用2013年5场洪水日径流过程进行模型检验。结果表明:PA-DDS算法比AMALGAM算法能够更快地得到Pareto最优解且解的质量较好,拟合历史洪水平均确定性系数达到0.86,模型预报精度高,表明PA-DDS优化算法在解决多参数多目标优化问题中具有优势。 | 代旭 陈元芳 | 2017 | 中国农村水利水电2017，，12： | 3 |
| 4 | 计及独立发电商利益的分布式电源规划及决策显示文摘针对配电公司与独立发电商共同参与下的分布式电源规划与决策问题,基于成本效益分析、DG出力和负荷时序特性,建立了以多个独立发电商收益净现值最大为目标的分布式电源多目标规划模型,应用改进非支配排序遗传算法求解得到Pareto最优解集;以网损、电压质量和延缓网络更新作为决策指标,结合配电公司偏好和数据客观信息,利用基于变异系数法和AHP法的组合赋权法确定指标权重,对Pareto最优解集进行Vague集多属性决策分析,选取出最利于改善配电网技术性能的分布式电源规划方案。并以Baran&Wu 33节点配电系统验证了该模型和算法的有效性。 | 方略 程浩忠 | 2015 | 水电能源科学2015，33，4： | 2 |
| 5 | 基于Stacking集成框架的水文模型组合预报研究显示文摘为研究一种应用Stacking集成多种水文模型预报洪水的方法,首先采用XAJ、Tank、SAC、SMAR、HYMOD和GR4J共6种水文模型分别预报流域洪水,然后基于Stacking集成框架,分别选取AdaBoost、CatBoost、RF、SVM和XGB共5种学习器将6种水文模型进行综合,实现多模型的组合预报。选取洪峰、洪量相对误差、纳什效率系数等指标,分别评价了6种水文预报模型及5种综合方法的预报精度,并以东河深渡流域和淮河北庙集流域为例进行研究。结果表明,不同水文模型在不同评价指标上各有优劣,对研究的流域尚无法确定一个最优模型;但对各模型集成后,其预报精度整体上均优于单模型的结果,其中以基于RF和XGB的组合预报效果最佳。可见采用Stacking集成框架进行多水文模型组合预报能够发挥各模型优势,整体上提高了预报精度。 | 段雅楠 梁忠民 赵建飞 仇知雨 李彬权 | 2022 | 水电能源科学2022，40，9： | 1 |
| 6 | 融合数据同化与机器学习的流域径流模拟方法显示文摘环境变化影响下流域径流的精确模拟对洪涝灾害防治与区域水资源管理都具有重要意义。在径流模拟研究中,现有机器学习模型未能充分考虑水文中间状态变量对降雨-径流过程的影响,本研究基于集合卡尔曼滤波(EnKF)更新水文状态变量,结合主成分分析(PCA)提取预报因子的主要特征,采用长短时记忆神经网络(LSTM)构建考虑水文中间变量的机器学习水文模型EnKF-PCA-LSTM。以赣江流域为例,评估EnKF-PCA-LSTM模型的径流模拟效果,同时将模拟结果与LSTM模型、物理水文模型HYMOD做对比分析。结果表明,EnKF-PCA-LSTM模型模拟径流的纳什效率系数、Kling-Gupta效率系数和对数纳什效率系数分别为0.954、0.971和0.972,比LSTM模型和HYMOD模型具有更好的模拟性能,说明考虑水文状态变量可有效提高机器学习模型的径流模拟精度及稳定性。研究成果可为流域径流模拟提供技术参考。 | 邓超 陈春宇 尹鑫 王明明 张宇新 | 2023 | 水科学进展2023，34，6： | 0 |
您所在的机构暂未开通此部分的功能，请联系管理员