基于SCEM-UA算法和全局敏感性分析的水文模型参数优选不确定性研究

曹飞凤; ; 许月萍; 楼章华

您当前的位置：

首页 >

文章列表页 >

基于SCEM-UA算法和全局敏感性分析的水文模型参数优选不确定性研究

研究论文 | 更新时间：2023-12-11

- 基于SCEM-UA算法和全局敏感性分析的水文模型参数优选不确定性研究
- Parameter Optimization of Hydrologic Model Parameters based on Regional Sensitivity Analysis and SCEMUA Algorithm
- 中山大学学报(自然科学版)(中英文) 2011年50卷第2期页码：120-126
- 作者机构：
  
  1. 浙江省水利水电工程局,浙江,杭州,310020
  2. 2浙江大学建筑工程学院水文与水资源工程研究所,浙江,杭州,310058
- 作者简介：
- 基金信息：
- DOI：
  中图分类号：
- 纸质出版日期：2011，
  
  网络出版日期：2011-3-25，
扫描看全文
曹飞凤, , 许月萍, 等. 基于SCEM-UA算法和全局敏感性分析的水文模型参数优选不确定性研究[J]. 中山大学学报(自然科学版)(中英文), 2011,50(2):120-126.

CAO Feifeng, , ZHANG Shiqiang, et al. Parameter Optimization of Hydrologic Model Parameters based on Regional Sensitivity Analysis and SCEMUA Algorithm[J]. Acta Scientiarum Naturalium Universitatis SunYatseni, 2011,50(2):120-126.
曹飞凤, , 许月萍, 等. 基于SCEM-UA算法和全局敏感性分析的水文模型参数优选不确定性研究[J]. 中山大学学报(自然科学版)(中英文), 2011,50(2):120-126. DOI：

CAO Feifeng, , ZHANG Shiqiang, et al. Parameter Optimization of Hydrologic Model Parameters based on Regional Sensitivity Analysis and SCEMUA Algorithm[J]. Acta Scientiarum Naturalium Universitatis SunYatseni, 2011,50(2):120-126. DOI：

摘要

针对复杂非线性水文模型参数识别及不确定性分析问题，引入基于马尔可夫链蒙特卡罗思想的SCEM-UA算法，以岷江流域为研究实例，对降雨径流模型的参数优选问题进行了分析，并探讨了该算法在推求参数后验分布的搜索性能和效率。结果发现，SCEM-UA算法能快速有效地推求出参数后验概率分布。同时，开展基于SCEM-UA算法取样的参数全局敏感性分析，对比参数敏感性和后验分布，表明两者密切相关，敏感性强的参数其边缘后验概率密度分布存在明显峰值，相反，敏感性弱的参数其后验概率分布较为平坦且无规律可循，从而导致模型参数的不确定性大大增强。

Abstract

Shuffled Complex Evolution Metropolis Algorithm(SCEM-UA) is an adaptive Markov Chain Monte Carlo sampler

which can be applied to parameter optimization of nonlinear hydrologic model and uncertainty analysis The efficiency and effectiveness of SCEMUA for sampling the posterior distribution of model parameters are discussed based on the case study of the Min River catchment The results show that SCEMUA algorithm is consistent

effective and efficient in inferring the parameter posterior distribution Moreover

the results of regional sensitivity analysis using samples from SCEMUA algorithm sampler show that sensitivity and posterior distribution of parameters are highly interdependent High sensitive parameters correspond with distinct peak in posterior distribution

while low sensitive parameters correspond with flat posterior distribution which could highlight the uncertainty of model parameters.

关键词

Markov链蒙特卡罗法参数优选SCEM-UA敏感性分析不确定性分析降雨径流概念模型

Keywords

Markov Chain Monte Carloparameter optimizationShuffled Complex Evolution Metropolis Algorithmsensitivity analysisuncertainty analysisconceptual rainfallrunoff model

references

浏览量

149

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

流溪河模型Ⅱ：参数推求

黑龙江干流水位预报方法研究

流域洪水预报分布式模型参数自动优选