MOVPSO算法在TOPMODEL参数优化中的应用

作者：代旭; 陈元芳

来源：人民长江, 2018, 49(09): 30-34.

DOI：10.16232/j.cnki.1001-4179.2018.09.006

• 多目标参数优化
• MOVPSO算法
• TOPMODEL
• MOPSO算法
• NSGA-Ⅱ算法
• 确定性系数

为了对水文模型中难以直接测算的参数进行调试和优化,将多目标涡流粒子种群优化算法(Multi-Objective Vortex Particle Swarm Optimization,MOVPSO)应用于水文模型参数优化计算中,并以逼近性(Generational Distance,GD)及超体积值(Hyper-Volume,HV)作为算法性能评价指标。将MOVPSO算法与NSGA-Ⅱ算法及多目标粒子种群优化算法(Multi-Objective Particle Swarm Optimization,MOPSO)独立运行50次所得Pareto前沿的GD值及HV值进行统计分析,并结合方差分析比较3种算法的性能。将MOVPSO算法迭代过程中的粒子种群速率、种群半径的估计值与测量值进行对比分析并判别两者的拟合程度。用尼泊尔巴格玛蒂河流域20052011年期间实测洪水日径流过程资料作为TOPMODEL模型参数率定系列,运用MOVPSO算法对模型参数进行优化,得出Pareto最优解,并利用2013年5场洪水日径流过程进行模型检验。结果表明:MOVPSO算法所得Pareto解集性能优于NSGA-Ⅱ及MOPSO算法,拟合历史洪水平均确定性系数达到0.85,模型预报精度高,表明MOVPSO优化算法在解决多参数多目标优化问题中具有优势。

• 出版日期2018
• 单位河海大学