基于RBF网络模型的分布式水文模型参数预报

李斐

（晋中市水利局，山西 晋中 030024）

水文研究

基于RBF网络模型的分布式水文模型参数预报

李斐

（晋中市水利局，山西 晋中 030024）

水文模型需要一系列具有空间分布特征的参数对流域产流过程进行模拟。选取了12场洪水作为研究对象，应用拉丁超立方体（LH）对各敏感性参数进行抽样得50组参数样本，与所选场次洪水对应得出模型预报结果。应用径向基函数（RBF）网络模型建立模型参数的预报系统，并进行对比验证。研究表明，将RBF预报的参数代入水文模型运算，得到各洪水要素皆满足精度要求，成果可靠。

双超模型；LH；RBF；参数预报

1 前言

流域水文过程，受气象条件和流域下垫面的共同作用，在时空尺度上发生着巨大的变化[1]。相较于传统的集总式水文模型，水文要素的空间差异以及变化条件的下垫面计算能够在分布式水文模型中实现[2]，但分布式水文模型要求研究流域划分为多个单元，每个单元对应一组参数，参数过多，在参数优选以及率定方面存在弊端。并且由于参数在获取过程所产生的误差以及评估的困难，使得确立模型参数值的工作量很大，模型的运行效率和模拟精度不高[3]。

当前在分布式水文模型的参数率定中，用得最多的是面向全局优化的贝叶斯方法、遗传算法（简称GA）、SCE-UA算法等[4]。以适用于半干旱半湿润地区的双超产流模型为研究对象，应用径向基函数（RBF）网络模型建立模型参数的预报系统，并与SCE-UA算法所得结果进行对比分析，为参数率定提供条件，进而减少模型参数率定过程中的盲目性，提高模型运行的可靠性与预报精度[5]。……