Page 115 - 水文预报与水资源优化管理技术
P. 115
水文预报与水资源优化管理技术
象行业长期降水预报的精度水平，这些是现状条件下难以满足公众对水文预报日
益增长的业务要求或需求主要技术瓶颈之一。
第四节 水文预报模型多目标优化率定方法
如何提高水文模型预报精度一直是水文领域的重难点问题之一。水文模型参
数优化率定通过最大程度降低水文模型参数不确定性，从而达到提高水文模型预
报精度的目的。水文模型参数优化率定对提升水文模型整体预报性能和水文预报
精度有着极大的推动作用。
早期水文模型参数优化率定采用遗传算法、粒子群算法、SCE-UA 等单目标
算法来分别确定水文模型的各参数。然而，大量水文模型参数率定的理论研究和
实践应用表明：单目标函数仅反映了水文过程的某一特性，无法全面刻画水文过
程的动力特性和参数间的相互作用关系，且单目标算法易陷入局部最优。因此，
水文学者将多目标优化理论引入水文模型参数率定中，并围绕水文模型参数多
目标优化率定开展了大量研究工作。Yapo 等提出多目标优化算法 MOCOM-UA，
并通过实例分析检验了 MOCOM-UA 算法的正确性和可靠性；Vrugt 等在单目标
SCE-UA 算法的基础上，提出了多目标优化算法 MOSCEM-UA，并成功验证了
该算法的有效性；Tang 等将 SPEA2、ε-NSGAII 和 MOSCEM-UA 等常用的多目
标优化算法应用于水文模型参数优化率定中，并比较其计算性能，研究结果表明
SPEA2 和 ε-NSGA-II 算法的性能优于 MOSCEM-UA 算法；张文明等将存档群体
和拥挤距离机制引入粒子群算法，从而建立了基于粒子群算法的多目标算法，通
过与单目标优化结果的对比，检验了该算法的优越性；郭俊等运用经典多目标优
化算法 NSGA-II 对水文模型参数多目标优化率定，并提出目标组合优化结果比较
方法，研究结果表明该方法可有效分析不同目标组合对优化结果的影响。
上述研究工作主要集中于多目标优化算法本身的设计和改进。然而，水文模
型多目标参数优化率定不仅要解决多目标建模及其模型求解的难题，如何针对生
108
