摘要：以沈阳辉山明渠河口潜流式人工湿地为例,利用数值模拟预测了该湿地的运行效果。采用多孔介质水流与溶质运移耦合模型,通过对湿地模型的概化与处理,利用FEFLOW软件针对潜流基质层的水流和溶质扩散进行数值模拟,通过敏感度分析确定基质层的孔隙度、渗透系数、弥散系数和吸附降解系数为影响污水处理效果的敏感参数,并通过参数率定对所建立的湿地模型进行了模拟预测,结果证明所构建的湿地模型的预测值与观测值拟合程度较好。可为潜流式人工湿地设计中运行效果预测及参数设定提供一种新的有效方法。

摘要：【目的】用新方法对大尺度分布式水文模型VIC的参数进行率定,为水文模型参数率定提供新的思路。【方法】采用均匀设计理论对传统的率定区间进行重构,确定最优组合,并对渭河流域的林家村、张家山以及流域出口断面水文站的径流进行模拟调试。【结果】将基准期需要率定的6个参数转化成一个6因素10水平的组合,仅通过10次率定就使各站的Nash系数达到0.85以上,总量精度误差控制在5%以内,能够满足工程精度要求。【结论】与其他参数率定方法相比,均匀设计原理在保证模拟效果的同时可以极大地减少工作量。

摘要：建立了立面二维水动力-水温模型,运用建库前天然河道及邻近区域同类型水库两组不同实测资料对模型进行参数率定。根据这两组计算参数分别模拟了验证时段内D水库水温分布,以及A水库库区水温变化过程。数值模拟结果表明,在其他条件保持一致的情况下,天然河道及邻近区域同类型水库资料均可用于数值模拟参数的率定,将两组验证参数用于实际计算时,所得结果表现出相同的规律,但具体数值存在一定差异。分析认为,邻近区域同类型水库资料验证更符合实际情况,故在此类水库水温的数值模拟中,应尽量选择邻近区域同类型水库资料作为验证资料,若在条件不足的情况下,相关的天然河道资料也可以作为参考。

摘要：参数率定是水文模拟的重要环节,也是分布式模型研究中的难点问题。寻求一种收敛速度快、精度较高的参数率定方法,对提高模拟精度具有重要的意义。LGCPSO算法是一种可以更加有效地搜索全局最优解的优化方法,但使用过程中无法考虑参数的物理意义,参数取值可能不符合流域实际情况。本研究以西营河为例,采用人工试错法与LGCPSO算法联合率定SWAT模型参数,模拟流域的月径流过程和日径流过程。结果表明:人机联合优化方法和SCEUA算法计算得到效率系数Ens、相关系数R2和相对误差Re的结果接近,率定结果较稳定;采用人机联合优化方法率定参数后,月径流模拟过程的Ens和R2可达到0.8以上,日径流模拟过程的Ens和R2达到0.6以上,且模拟结果能较好地反映径流的实际变化趋势。因此,这种人机联合优化的率定方法具有一定的推广价值。

摘要：为了更精细地对水文全过程进行描述和解析,更准确地构建分布式水文模型,以丹麦Karup流域为例,对MIKE SHE模型的饱和导水率、饱和带水平水力传导系数、河床透水系数进行了参数率定,模拟流域的日径流过程。结果表明:基于BP神经网络反分析的参数率定方法比MIKE SHE模型参数自动率定计算得到的均方根误差RMSE小,模型效率系数Ens更接近1;采用BP神经网络反演率定参数后,3组测试样本的日径流模拟过程的RMSE分别为0.04,0.03,0.08 m^3/s,Ens均为0.99,且模拟结果能较好地反映径流的实际变化趋势。因此,这种基于BP神经网络反分析的参数率定方法对构建分布式水文模型具有一定的价值。

摘要：马斯京根模型是经典的一维汇流模型,它在洪水预报、径流模拟领域应用广泛.马斯京根模型应用的关键在于对模型参数做出合理的率定,但目前尚缺乏计算机软件.在此背景下,本研究设计了一种面向对象编程模式下的马斯京根模型参数率定软件,并在.NET框架下使用C#语言完成了程序开发.该软件内置了试错法、最小二乘法、线性代数方法和遗传算法4种参数率定算法,具有Excel文件输入输出功能以及计算结果显示分析功能.经过实际应用,结果表明该软件操作方便,提高了马斯京根模型参数率定效率,具有较好的推广应用价值.

摘要：为研究SWMM城市道路模型参数的敏感性,以湖南某市某道路为研究对象,基于SWMM模型模拟现状条件下,采用Morris筛选法对Horton(霍顿)最大下渗率、Horton最小下渗率、Horton衰减系数、管道曼宁糙率、不透水区曼宁系数、透水区曼宁系数、不透水区洼地蓄水深度、透水区洼地蓄水深度这8个参数进行敏感性分析。结果表明:各参数的灵敏度与暴雨强度和下垫面透水性相关。

摘要：在介绍当前模型参数优选技术的基础上,设计了模型参数同优选方法相耦合的一系列数据接口定义,实现了人工试错和自动优选相耦合、多模型多参数同时自动优选的模型参数率定功能。应用实例表明,通用模型参数率定功能具有简便、快捷、准确的优点,大大提高了参数率定的效率。

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。

摘要：为更好地反映河道洪水的实际槽蓄关系,以非线性马斯京根模型(NMM)为基础,采用对数型公式来定量计算NMM的非线性指数,提出了变指数非线性马斯京根模型(VEP-NMM),并采用免疫灰狼优化算法(IGWO)进行参数优化率定,IGWO针对灰狼优化算法(GWO)易早熟收敛的问题,引入免疫克隆选择操作来保证种群多样性和提高搜索能力。将基于IGWO的VEP-NMM应用于河段洪水演进模拟中的结果表明,该方法合理可行,模拟精度更高。