(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111570183.7 (22)申请日 2021.12.21 (71)申请人 武汉大学 地址 430072 湖北省武汉市武昌区珞珈山 武汉大学 (72)发明人 夏倩　刘攀　周丽婷　王亚菲　 谢康　张晓菁　陈桂亚　 (74)专利代理 机构 武汉科皓知识产权代理事务 所(特殊普通 合伙) 42222 代理人 罗敏清 (51)Int.Cl. G06F 30/20(2020.01) G06F 111/06(2020.01) G06F 111/10(2020.01) G06F 113/08(2020.01) (54)发明名称 针对大尺度水文模型时变参数的代理优化 率定方法 (57)摘要 本发明提供一种针对大尺度水文模型时变 参数的代理优化率定方法， 包括： 选定分布式水 文模型， 以流域为研究对象构建模型， 筛选出敏 感参数； 结合确定的敏感参数值， 根据与其相关 的关键指标 实测数据验证模型， 经验证后进行长 时间序列的数值模拟； 基于上述模拟结果统计不 同时间尺度下关键指标模拟量， 以及对应的年实 测量； 将长时间序列分为若干段； 设置敏感参数 经验值的校正因子并建立代理优化率定模型； 选 取合适的评价指标对 校正因子进行率定， 得到不 同季节校正因子的后验分布； 使用校正因子对 敏 感参数经验值进行校正， 得到季节尺度下其变参 数值并比对模拟精度。 本发明实现了对大尺度模 型参数的快速率定， 解决了大尺度模 型参数率定 的耗时低效问题。 权利要求书2页 说明书7页 附图4页 CN 114357737 A 2022.04.15 CN 114357737 A 1.一种针对大尺度水文模型时变参数的代理优化率定方法， 其特征在于， 包括如下步 骤： 步骤1， 选 定分布式水文模型， 以流 域为研究对象构建模型， 筛 选出敏感参数； 步骤2， 根据观测资料、 已有研究和经验或采用参数率定方法确定敏感参数的参数值， 结合与敏感参数相关的关键指标的实测数据对水文模型进 行验证， 采用验证后的模型进 行 长时间序列的数值模拟； 步骤3， 基于上述长时间序列的模拟结果， 统计不同时间尺度下关键指标的模拟量， 并 给出对应的年实测量； 步骤4， 为 考虑敏感参数的年际变化， 将长时间序列的模拟结果分为若干段； 步骤5， 结合敏感参数的物 理意义设置敏感参数经验值的校正因子， 根据 敏感参数经验 值、 关键指标模拟量与校正因子之间的关系建立敏感参数 的代理率定模型， 通过率定敏感 参数的校正因子 达到参数率定的效果； 步骤6， 选取合适的评价指标， 对各分段内的校正因子进行优化率定， 得到该分段内不 同季节校正因子的后验分布； 步骤7， 根据优化率定得到的不同分段、 不同季节内校正因子值， 对敏感参数经验值进 行校正， 得到季节尺度的敏感参数变参数值， 并根据多年平均实测值对敏感参数经验值进 行校正， 得到其常参数值； 步骤8， 对比敏感参数变参数值和常参数值下的修正模拟结果， 验证考虑参数时变性对 水文模型精度的提高效果。 2.根据权利要求1所述的针对大尺度水文模型时变参数的代理优化率定方法， 其特征 在于， 步骤4具体方法如下： 1)基于步骤3的长时间序列模拟结果， 统计关键指标的年模拟量和对应的年实测量， 计 算其相对误差： 式中， REi为相对误差， SIMAi为关键指标年模拟值， OBSAi为关键指标年实测值， n为时间 序列的总年数； 2)根据计算得到的相对误差值， 参 考不同分段的阈值进行分段： 式中， m为分段数目， k＝1, …,m为具体的分段数， REtd(k)为第k分段对应的相对误差阈 值。 3.根据权利要求1所述的针对大尺度水文模型时变参数的代理优化率定方法， 其特征 在于， 步骤5包括如下子步骤： 首先， 确定敏感参数的物理意 义： OBSA＝f( θtrue,Xt)； SIMA＝f( θ0,Xt)；权　利　要　求　书 1/2 页 2 CN 114357737 A 2式中， OBSA为关键指标实测量， 表示真实参数值下的实测数据； SIMA表示敏感参数经验 值 下 的 关 键 指 标 模 拟 量 ， 为 敏 感 参 数 的 真 实 值 ， 为敏感参数的经验值， h为参数数目， Xt为t时刻的环境因子； f表示模拟 值与参数、 环境因子之间的非线性关系， 在分布式水文模型中通过 数学模型描述； 其次， 设置敏感参数 经验值的校正因子， 并建立敏感参数的代理率定模型， 具体如下： θj＝g( βj, θ0)； 式中， SIMAcorrected为修正后的关键指标模拟量， 为四个季节经校正后 的敏感参数值， Xt为t时刻的环境因子， 为四个季节敏感参数经验值的 校正因子值， h为 参数数目， θ0为敏感参数的经验值， 其中， j＝1,2,3,4； 在后续的优化率定方法中， 为使得修正后关键指标模拟量无限接近其实测量， 通过重 复对校正因子进行采样赋值， 优化过程中所采校正因子的样本值组成其后验分布。 4.根据权利要求1所述的针对大尺度水文模型时变参数的代理优化率定方法， 其特征 在于， 步骤6还 包括如下子步骤： 1)选择一个或多个合 适的评价指标； 2)将修正后的关键指标模拟量与实测量之间的拟合度定为目标函数， 比较目标函数， 确定敏感参数样本值的接受概 率： 式中， 为迭代第t组的敏感参数样本值， P( θt)为敏感参数取值为θt 时的接受概 率； 3)采用算法对某分段内、 各季节 的校正因子进行优化率定， 得到其四个季节校正因子 的后验分布， 确定该分段内不同季节的校正因子取值βj， j＝1,2,3,4。 5.根据权利要求1所述的针对大尺度水文模型时变参数的代理优化率定方法， 其特征 在于， 所述评价指标包括但不限于标准 化均方根 误差NRMSE、 水文预报常用评价指标NSE 。 6.根据权利要求1所述的针对大尺度水文模型时变参数的代理优化率定方法， 其特征 在于， 所述关键指标包括但不限于河道流 量、 灌溉量、 蒸散量。权　利　要　求　书 2/2 页 3 CN 114357737 A 3