摘要：准确的径流模拟对流域水资源优化配置、防汛抗旱具有重要作用。为此,以赣江流域为例,构建了新安江模型与LSTM的耦合模型(XAJ-LSTM),对比分析了XAJ-LSTM、新安江模型和LSTM模型的径流模拟差异,并评估了汛期划分对径流模拟精度的影响。结果表明,在赣江流域,LSTM模型的最佳神经元参数为第一层18个,第二层36个;LSTM模型的径流模拟效果要优于新安江模型,且利用新安江模型对LSTM模型进行物理约束后,R RMSE的降幅达11%;考虑汛期划分能够提升XAJ-LSTM模型对汛期与非汛期径流的模拟精度,且在汛期的改善效果更明显,R RMSE减幅达18%。研究成果可为赣江流域径流模拟与预报提供参考。

摘要：针对城市暴雨强度公式参数识别时,传统求解方法(如牛顿迭代法、高斯-牛顿法等)存在间接拟合,而优化算法(如实数编码加速遗传算法、蚁群算法等)存在随机性,盲目地在一个区间内寻优拟合精度不高等问题,本文将两种方法结合,提出一种改进的实数编码加速遗传算法(RAGA),为暴雨强度公式参数识别提供一种新途径。该方法将传统求解方法所求的可行解作为改进遗传算法的初始参数,通过在每次代际寻优时设置各参数廊道约束来改进RAGA以提高算法搜索效率,直至公式拟合精度无法提高为止。将该方法应用于国内多地暴雨强度公式参数识别中以评估算法的有效性,结果表明此方法实用可行、搜索效率较高,可以快速收敛到最优解。实例表明该方法在暴雨强度公式参数识别中是实用有效的。