科研之友
微信
新浪微博
Facebook
分享链接
摘要
模型参数率定是提高水文模型模拟效果的重要手段，通过研究一种改进的自适应遗传算法（IAGA）对新安江模型参数进行优化率定，解决传统遗传算法初始种群质量不高、容易早熟收敛、局部搜索能力差等问题。该算法利用混沌变量遍历性特点，随机生成初始种群并选优，提高初始种群的个体质量；针对交叉与变异的进化过程，设计了反映种群离散程度的种群目标函数离散系数，利用该系数构建了自适应调整交叉与变异概率算子，防止遗传算法过早收敛；依托环形交叉算子，提高算法全局搜索能力；采用自适应非均匀变异算子，实时优化算法的局部搜索能力，避免陷入局部最优。将自适应遗传算法、传统遗传算法（GA）和自适应遗传算法（AGA）应用于秦淮河流域新安江模型的参数率定，并从率定的收敛性、耗时、稳定性和效果方面进行算法的性能比较，结果表明：IAGA算法具有更优的寻优能力，更好的收敛结果，更高的稳定性和精度，场次洪水的模拟效果优于GA算法和AGA算法，率定期与验证期确定性系数（R2）均在0.85以上，纳什效率系数（NSE）均在0.8以上，总体达到了水文预报的乙级标准。结果表明采用上述的综合手段改进传统遗传算法是可行的，改进后的IAGA算法具有良好的应用前景，为新安江模型的自动率定提供了一种有效的途径。
