《第九讲 SWAT模型参数率定和验证》由会员分享，可在线阅读，更多相关《第九讲 SWAT模型参数率定和验证（63页珍藏版）》请在金锄头文库上搜索。
1、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 模型通过自带的LH-OAT （Latin Hypercube One- factor-At-a-Time）敏感性分析方法和SCE-UA （ Shuffled Complex Evolution）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 p模型结果利用多参数线性回归或
2、相关分析方法分析 p不足：多元回归 分析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 samplingp运行一次只改变一个参数 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 sensitivity 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 p把参数划分为m个空间（包含p个参数的集合 ），p次参数变化，模型运行 m *(p+1) 次最优化方法参数自动率定采用SCE-UA（Shuffled c
3、omplex evolution algorithm）：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算法第1步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 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、4步，检查是否满足收敛要求，如果不满足 回到第2步最优化方法SCE-UA 算法的特点: p在多个吸引域内获得全局收敛点 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
5、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模型的不确定性： p模型本身 p模型的基本假设 p输入数据的误差
6、 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 Split-SamlpES):
7、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分布式水质模型误差源真实世界观测-模型误差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 比较目标：水量校核检查水量平衡 psub.dbf文件中的PET、ET、SNOMELT、SW、 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
8、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、EPSO (.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)
9、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)、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
10、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）
11、 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）
12、 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（. b
13、sn） 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：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
14、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控制输入文件 presponsmet.dat：每行代表一个输出参数，每列 各有其含义，参看校核文档 pobjmet.dat：同上，作用为：误差测定参数敏感性分析 SMFMX SMFMN ALPHA_BF GWQMN GW_REVAP REVAPMN ESCO SLOPE SLSUBBSN TLAPS CH_K2 CN2 SOL_AWC surlag SFTMP SMTMP TIMP GW_DELAY rchrg_dp canmx sol_k sol_z sol_alb e
15、pco ch_n blai BIOMIX USLE_C SPCON SPEXP CH_COV CH_EROD USLE_P NPERCO PPERCO PHOSKD SOL_LABP SOL_ORGN SOL_ORGP SOL_NO3 gwno3 针对14子流域 水量、泥沙、 污染物 运行420次参数敏感性分析 Of 1代表流量的目标函数Objective Function (Sum Squared Errors)结果 Of 2代表泥沙的(若没有泥沙实测数据，则无意义) Out 1代表的是流量的平均径流输出的灵敏度分析 结果 Out 2代表的是平均泥沙负荷输出的灵敏度级别参数敏感性分析对于径流：CN2、sol_awc、ESCO最敏感 对于泥沙：CN2、SPCON、BIOMIX最敏感 对于氮磷等污染物： CN2、 ESCO、Alpha_Bf 、surlag等参数比较敏感Out 1Out 2Out 3Out 4Out 5Out 6Out 7Out 8Out 9参数6113344345ALPHA_BF356695656ESCO112112211CN2245523563SOL_AWC1667776777surlag491011610101012Sol_z17344238434BIOMIX137195151210SOL_ORG N自动校核单击T
