水文模型参数估计方法及参数估计不确定性研究
文献类型：学位论文
| 作者 | 王书功 |
| 学位类别 | 博士 |
| 答辩日期 | 2006-06-05 |
| 授予单位 | 中国科学院寒区旱区环境与工程研究所 |
| 授予地点 | 寒区旱区环境与工程研究所 |
| 导师 | 康尔泗 |
| 关键词 | 水文模型参数估计 不确定性 模拟退火算法 遗传算法 SCE-UA算法 SCPSO算法 GLUE方法 SCEM-UA算法 |
| 学位专业 | 地图学与地理信息系统 |
| 中文摘要 | 本论文的研究目的包括：（1）系统地建立水文模型参数估计的数学问题表达并给出求解方法；（2）分析水文模型参数估计中存在的不确定性及其来源，并给出降低不确定性的建议。 论文应用理论论证与数值试验相结合的方法，将水文科学、数学、统计学、优化计算和计算机科学相关的知识融会到水文模型参数估计的研究之中。论文系统地论述了水文模型参数估计的方法，分析了导致水文模型参数估计结果不确定的原因。在前人工作的基础上，论文对水文模型参数估计方法进行了创新和发展。 综合研究内容，论文主要结论总结如下： 1. 参数估计是流域水文模拟建模的重要环节，它将水文模拟的理论与水文模型的应用实践连接起来。由于对时空尺度的依赖，概念性水文模型和分布式水文模型都有部分参数无法通过观测试验直接确定，而必须借助参数估计方法。 2. 针对水文模型参数估计的特点，本文将水文模型参数估计分为两类。第一类参数估计假设模型最优参数存在且唯一，它将水文模型的参数估计问题转化为最优化问题，并应有优化算法求解。第二类参数估计假设水文模型的参数是服从一个联合概率分布的随机变量，它将水文模型的参数估计问题转化为统计推理问题，并应用Bayes统计学方法求解。 3. 本论文给出了第一类假设下，将水文模型参数估计问题转化为最优化问题的一般步骤，并介绍了模拟退火算法、遗传算法、SCE-UA和SCPSO算法等求解方法。通过数值试验，论文对比了以上算法在水文模型参数估计中的效率并给出了应用技巧。 4. 论文提出了一个新的优化算法SCPSO，这个算法集成了SCE-UA算法和粒子群优化算法的优点。数值试验证明，SCPSO算法在水文模型参数估计中的效率优于SCE-UA算法、遗传算法和模拟退火算法。 5. 论文给出了基于Bayes统计理论的水文模型参数区间估计的一般计算流程，介绍了GLUE和MCMC采样算法SCEM-UA两个求解方法，并通过数值试验，评述了两个算法在水文模型参数估计中的特点。 6. 论文将Monte Carlo方法、局部敏感性分析（RSA）方法引入到水文模型参数估计的不确定性研究中来。通过理论分析和数值试验，说明并探讨了第一类和第二类水文模型参数估计中不确定性的原因，并提出了降低不确定性的建议。 |
| 语种 | 中文 |
| 公开日期 | 2013-08-22 |
| 页码 | 236 |
| 源URL | [http://ir.casnw.net/handle/362004/21508]  |
| 专题 | 寒区旱区环境与工程研究所_研究生学位论文_学位论文 |
| 推荐引用方式 GB/T 7714 | 王书功. 水文模型参数估计方法及参数估计不确定性研究[D]. 寒区旱区环境与工程研究所. 中国科学院寒区旱区环境与工程研究所. 2006. |
入库方式： OAI收割
来源：寒区旱区环境与工程研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。