《第10讲 SWAT模型参数率定和验证》由会员分享，可在线阅读，更多相关《第10讲 SWAT模型参数率定和验证（97页珍藏版）》请在金锄头文库上搜索。
1、第十讲 SWAT模型参数 敏感性分析与参数率定主要内容1、参数敏感性分析与校核原理2、利用界面进行参数率定3、swat-cup参数率定和验证4、应用实例参数敏感性分析问题： p SWAT是一个涉及多个参数的综合水文/水循环模 拟模型，针对具体的一个应用过程，各个参数对 模型影响程度如何？哪些参数对模拟结果的影响 最大？ 敏感性分析的作用： p 通过合理的抽样多次试算并统计，对各参数的影 响等级进行评价并排序，使用户清楚地知道影响 模型模拟结果的主要参数，有利于进一步的模型 调算工作参数敏感性分析 模型通过自带的LH-OAT （Latin Hypercube One- factor-At-a-T
2、ime）敏感性分析方法和SCE-UA （ Shuffled Complex Evolution Algorithm ）自动校准分 析方法来率定敏感性参数的取值 Latin-Hypercube p基于蒙特卡洛模型，但基于统计抽样方法 p把每个参数分布划为N个空间，随即抽样，每个空间的 被抽到的概率为1/N，参数随机组合，模型运行N次； 如对于土壤Ks值，其取值范围为0100cm/hr. Latin- Hypercube随机采样过程中Ks值将被分为（0-10）、（ 10-20）、（20-30)、(90-100)共10个取值区间 p模型结果利用多参数线性回归或相关分析方法分析 p不足：多元回归 分析
3、的前提假设为线性变化，可能导 致偏差 p输出结果的变化并 不总能明确地归因于某一特定输入 参数值的变化参数敏感性分析One-factor-At-a-Time 抽样p运行一次只改变一个参数 p每次模拟仅改变1个参数的值，这样便于将模 拟结果的变化无偏差地归因到该参数的变化上 p某一特定输入参数值的变化引起的输出结果 的 灵敏度大小依赖于模型其他参数值的选取 LH-OAT 分析 p采用LH-OAT法可确保所有参数在取值范围内 均被取样 p两者优点，弥补不足参数敏感性分析LH-OAT 分析 p每次仅对1个参数进行敏感性分析，将其按固 定比例调整大小(如取值范围的5%） p其他参数按Latin-ype
4、rcube采样方法随机变化 ，模拟m次并统计分析对模拟结果的影响，m 为取值区间的个数 p如对n个参数进行敏感性分析，把参数划分为 m个空间，模型共需m*(n+1)次模拟参数敏感性分析敏感性分析对象为 进行敏感性评判的 数据对象：p流量(1) p产沙量(2)p有机氮(3)p有机磷(4)p最优化方法参数自动率定采用SCE-UA：p对于非线性复杂的分布式水文模型，采用随机 搜索方法寻优，最为成功的方法之一 p全局优化算法 基于以下4 种概念:p确定性和概率论方法结合 p在全局优化及改善方向上，覆盖参数空间的复 合形点的系统演化 p竞争演化 p混合复合形最优化方法SCE-UA优化算法步骤： p第1步
5、，运用随机抽样模型，在模型需要率定的参 数的可行空间随机产生pm 个点作为初始群体； 该可行空间为由changepar.dat文件指定的参数及其 变化范围 p第2步，按目标函数增序将这pm 个点分成p 个种 群， 每个种群包含m 个成员 p第3 步， 每个种群进行若干代独立竞争进化后， 种群之间定期进行交叉形成新的种群，如此，种 群之间可以共享信息 p第4步，检查是否满足收敛要求，如果不满足回到 第2步 该算法可以搜索全部参数的可行空间，找到全 局最优参数的成功率是100%最优化方法SCE-UA 算法的特点: p结合了单纯形法、受控随机搜索、生物竞争进 化和种群交叉等方法的优点 p在多个吸引域
6、内获得全局收敛点 p能够避免陷入局部最小点 p能有效地表达不同参数的敏感性与参数间的相 关性 p能够处理具有不连续响应表面的目标函数，即 不要求目标函数与导数的清晰表达 p能够处理高维参数问题最优化方法粒子群优化算法（Particle Swarm Optimization，简称PSO算法） p该法将系统初始化为一组随机粒子（Particle）， 通过迭代搜寻最优值，每次迭代过程中，粒子在 解空间追随最优的粒子进行搜索 pPSO 算法中， 所有的粒子都有一个由被优化的函 数（目标函数）决定的适应值（fitness value）， 每个粒子还有一个矢量速度决定他们飞翔的方向 和距离 p在每一次迭代
7、中，粒子通过跟踪两个“极值”来更新 自己：一个极值就是粒子本身所找到的最优解， 这个解叫做个体极值pbest；另一个极值是整个种 群目前找到的最优解，这个极值是全局极值pbest- gbest最优化方法PSO算法模型参数率定过程最优化方法目标函数： 误差平方和SSQ： 排序后误差平方和SSQR： 多目标优化： 依据贝叶斯理论 参数优化选项： p增加（减少）百分率（乘法） p增加（减少）一定值（加法） p采用某一值替换不确定性分析目的 p由于参数有不确定性因素，因此给出某一置信 区间内（如90%、95%、97.5%）模拟结果的 分布范围，供用户参考不确定性分析模型的不确定性： p模型本身 p模型
8、的基本假设 p输入数据的误差 p分辨率等 不确定性分析方法： pSCE-UA： 2-统计和贝叶斯方法 pGLUE 方法（同时也是一种全局参数灵敏度分析的 方法） 2-统计：置信空间 p单目标参数极好值： p多目标参数极好值： 贝叶斯法：最大可能空间模型率定基于统计方法 分离抽样方法：分为率定期和验证期 采用分离抽样评价整个模型预测的不确定性 Parasol (Parameter Solutions method):以上提 及的参数最优化和不确定分析方法 p模型参数的不确定性 SUNGLASSES (Sources of Uncertainty GLobal Assessment using S
9、plit-SamlpES):基 于分离抽样的不确定性来源全局分析 p评价模型预测期的不确定性 p不仅包含参数的不确定性 p建立参数系列，根据不确定阈值建立评价标准模型率定自动率定（参数寻优）目的： p在模型各参数可行的取值范围内，寻找一套确 定的参数，使得模拟值与实测值的整体差别最 小 p目标函数：SWAT自带的参数寻优/不确定性分析方法pSCE-UA算法模型率定参数自动率定结果的优劣指标pNash-Suttcliffe效率系数：p相关系数：p相对误差：p模拟和实测数据的平均误差和标准差 p斜率、截距、回归系数等水量校核检查水量平衡 psub.dbf文件中的PET、ET、SNOMELT、SW、
10、 GWQ、SURQ、WLYD、 rch.dbf文件中的 FLOW_IN、FLOW_OUT 径流：地表径流和地下径流 p调整CN2(.mgt) p若地表径流仍然不符合要求，则调整SOL_AWC (.sol)或ESCO(.bsn or .hru) p基流值太高：增加 GW_REVAP(.gw)，减小 REVAPMN(.gw)，增加 GWQMN(.gw)， 蒸发：土壤蒸发、植被蒸发 pEPCO、ESCO (.bsn or .hru文件中)水量校核校核流量过程 p峰值衰减期值降得太快：检查传输损失河道水 力传导率CH_K(.rte) p在融雪季节里，峰值会很高而衰退值很低，降低 最大和最小积雪融化速率
11、SMFMX 和SMFMN(.bsn) p另外一个会影响积雪融化的参数是气温下降速率 TLAPS(.sub)，增加这些值 p修改基流系数ALPHA_BF(.gw) 径流空间上的校准 p先上游后下游 p先支流后干流 p已校准好的子流域参数不要再变 径流时间上的校核 p年 月 日泥沙校核泥沙有2 个来源 pHRU/子流域负荷 p河道冲刷/沉积 检查水库/池塘模拟 p水库和池塘对泥沙负荷有很大的影响 p如果流域模拟的泥沙负荷量相差很大，首先核实 流域中的水库和池塘 校准子流域负荷 p耕作对泥沙输移具有很大的影响 pUSLE 方程水土保持因子USLE_P(.mgt)、坡长因子 SLSUBBSN(.hru
12、)、坡度SLOPE(.hru)、耕作管理因 子USLE_C(crop.dat)泥沙校核校准河道冲刷/沉积p河道冲刷在极端暴风雨天气期间和不稳定的子 流域中会非常显著 p不稳定是指土地利用类型有着显著的变化 影响河道冲刷/沉积的参数包括： p泥沙被重新携带的线性指数和幂指数SPCON 和SPEXP (.bsn)。 p河道可侵蚀性因子 CH_EROD (.rte)。 p河道植被覆盖因子 CH_COV(.rte)。泥沙校核调整 HRU/子流域负荷： p调整USLE方程中的作物管理因子USLE_P （.sub文 件中) p调整USLE方程中的坡长因子SLSUBBSN （.sub文 件中) p调整HRU
13、的坡度（.sub文件中) p调整土地利用作物因子USLE_C （ crop.dat文件中) p调整耕作措施（*.mgt文件中 ）、作物残留系数 RSDCO和作物混合有效系数（. bsn文件中） 调整河道冲刷/沉积 : p调整河道泥沙运移方程中的线性和指数参数 SPCON 和 SPEXP （.bsn文件中） p调整河道侵蚀因子CH_EROD （ .rte文件中） p调整河道覆盖因子CH_COV（.rte文件中）水质校核主要考虑因素： p营养物来源：HRUs/子流域、河道内过程 p营养物分布：总量、季节性负荷 p洪水过程后的分布：地形起伏、浓度峰值 子流域内矿物性N校核 p调整土壤中营养物的初始浓
14、度SOL_NO3（.sol） p确定并调整土壤表层的施肥率FRT_LY1 （ .mgt） p确定耕作措施（*.mgt ），调整作物残留系数 RSDCO和作物混合有效系数BIOMIX（. bsn） p调整N渗透系数NPERCO (.bsn) 河道内矿物性N运移过程校核 p调整藻类生物量比率AI1（.wwq）水质校核有机N校核 子流域内有机N校核 p调整土壤中营养物的初始浓度SOL_ORGN （ .sol） p确定并调整土壤表层的施肥率FRT_LY1 （ .mgt） 河道内有机N运移过程校核 p调整藻类生物量比率AI1（.wwq）水质校核可溶性P校核 子流域内可溶性P校核 p调整土壤中营养物的初始
15、浓度SOL_MINP（ .sol） p确定并调整土壤表层的施肥率FRT_LY1 （ .mgt） p确定耕作措施（*.mgt ），调整作物残留系数 RSDCO和作物混合有效系数BIOMIX（. bsn） p调整P渗透系数PPERCO (.bsn) p调整土壤P比例系数PHOSKD（ .bsn） 河道内可溶性P运移过程校核 p调整藻类生物量比率AI2（.wwq）水质校核有机P校核 子流域内有机P校核 p调整土壤中营养物的初始浓度SOL_ORGP（ .sol） p确定并调整土壤表层的施肥率FRT_LY1 （ .mgt） 河道内有机P运移过程校核 p调整藻类生物量比率AI2（.wwq）参数率定步骤原则
16、：先支流后干流、先上游后下游、先 年月后日、先水量后泥沙和水质参数敏感性分析灵敏度分析输入文件参数敏感性分析共61个参数可供率定AVSWAT界面自动 选取27个固定参数进 行敏感性分析（280次模拟），如有特殊 要求，需自己手动修 改这三个文件参数控制输入文件 pSensin.dat：包含LH抽样间隔m、OAT敏感性分 析参数变化范围、随机抽样种子数 pchangepar.dat：参数最大值、最小值、模型参 数、校核方法、HRU个数参数敏感性分析参数敏感性分析参数控制输入文件：changepar.dat参数敏感性分析参数控制输入文件 presponsmet.dat：敏感性分析对象及评价方法控 制。每行代表一个输出参数，可多个对象分析 pobjmet.dat：同上，作用为：误差测定 SMFMX SMFMN ALPHA_BF GWQMN GW_REVAP REVAPMN
