（水文学及水资源专业论文）不确定环境下水电系统多维优化理论和应用.pdf

大连理一i ：大学博士学位论文 摘要 水电系统中的预报和调度中涉及大量优化问题，这些优化问题通常具有多维、不确 定等特征。如何根据问题的特点研究具有实际应用价值的计算方法，对于水电系统经济、 高效的运行具有重要意义。水电站水库( 群) 优化调度和水文模型参数优选是水文水资 源领域两类重要而具有代表性意义的优化问题，本文从这两类问题入手，对这类常见的 受到不确定因素影响的多维数优化问题进行了研究。主要成果概述如下： ( 1 ) 通常采用的参数率定方法中采用的单目标难以全面的评价模拟数据和观测数 据的差异。针对这一问题，本文提出新安江模型参数率定的多目标单纯多边形进化算法 ( s h u f f l e dc o m p l e xe v o l u t i o n , s c e u a ) 和遗传算法( g e n e t i ca l g o r i t h m s ，g a s ) ，并在连续 径流模拟和场次洪水模拟两种环境下实现。在连续模拟时，以常用的统计指标间合适的 组合作为优化率定的目标。在场次洪水模拟时，从实际应用出发，采用洪峰流量、峰现 时间和洪水总量的合格率作为评价目标。结果表明本章采用多目标s c e - u a 和遗传算法 较好地处理了参数率定中的目标不确定问题，在率定计算中具有较好的效率和稳定性。 ( 2 ) 水文模型参数的率定是一项计算量大，比较耗时的工作，如何提高率定的效 率与质量非常重要。考虑到o a 和s c e u a 等许多全局优化方法具有内在的并行性，本 文提出了新安江模型参数率定的并行o a 和分布式s c e - u a 算法。算法的核心是在集群 条件下将0 a 与s c e u a 并行化以提高参数率定效率，算法采用j a v a 语言编程，利用 j p v m 技术实现微机集群的并行处理。实例结果表明采用并行算法可以大大提高参数率 定的速度和质量，特别是多种群的并行遗传算法由于迁移的引入可以进一步提高效率， 缓解过早收敛问题。 ( 3 ) 针对水文模型参数和模型评价指标的双重不确定性，本文提出结合模糊优选 方法的普适似然不确定估计( g e n e r a l i z e dl i k e l i h o o du n c e r t a i n t ye s t i m a t i o n , o l u e ) 新安 江模型不确定分析方法。该方法以多目标模糊优选中的优属度作为似然判据估计各参数 的敏感性以及径流模拟的不确定性范围。模糊优选g l u e 方法应用于双牌流域，并与以不 确定系数为似然判据的连续模拟情况比较。结果表明，该方法对于多目标似然判据的不 确定估计问题是可行的。三水源新安江模型参数的不确定性在场次洪水模拟中更为突 出，这也带来模拟结果的不确定性。研究模型的不确定性对于水文预报模型的选择、模 型参数的率定以及预报调度的风险分析具有一定的实际意义和应用前景。 ( 4 ) 针对状态离散和水文信息随机描述的缺陷所带来的不确定性，提出了一种水 电站水库调度的模糊随机动态规划( f u z z ys t o c h a s t i cd y n a m i cp r o g r a m m i n g 。f s d p ) 方 法，该方法考虑了调度中模糊性和随机性两种不确定性。将库容、入库流量作为模糊变 不确定环境下水电系统多维优化理论和应用 量处理，同时采用改进的内外集模型( i n t e r i o r o u t e r s e t m o d e l ) 计算模糊变量表示的转移 概率，并在优化算法中采用模糊算术和模糊概率的理论处理模糊变量。在实例应用中， 以最小出力约束下的最大发电量为目标，对柴石滩电站进行模拟优化调度。结果显示 f s d p 具有较强的鲁棒性，是可行的和有效的，对于数据不充分和预报精度不高的问题 具有优势。 ( 5 ) 随着系统规模扩大，维数灾是水电站群联合优化调度的瓶颈，如何降维和提 高问题的求解效率一直是水库调度领域的重要课题。本文结合云南主力水电站群系统( 7 库1 4 站) ，根据实际问题需要，研究了新的克服维数问题的方法一粒子群算法( p a r t i c l e s w a r mo p t i m i z a t i o n , p s o ) ，提出了符合工程实际问题需求的水电站群优化调度的两阶段 粒子群算法：在以最小出力约束下发电量最大为目标优化前，首先以系统最小出力最大 为目标进行第一阶段的优化，以克服由于约束条件复杂带来的低效率问题。结合系统历 史资料，对水电站群联合优化调度进行了深入研究，取得了有价值的实际分析结果。结 果表明，两阶段粒子群优化算法能够有效地克服维数困难和复杂约束条件的问题，得到 高性能的优化调度结果。 最后对全文做了总结，并对有待于进一步研究的问题进行了展望。 关键词：参数率定；并行算法；不确定性分析；水电系统；优化调度 大连理工大学博士学位论文 m u l t i d i m e n s i o n a lo p t i m a lt h e o r ya n d a p p l i c a t i o nf o rh y d r o p o w e r s y s t e mu n d e r u n c e r t a i ne n v i r o m e n t a b s t r a c t t h e r ea r em a n ym u l t i d i m e n s i o n a lo p t i m a lp r o b l e m sw i t hu n c e r t a i n t yi nf o r e c a s t i n ga n d o p e r a t i o no fh y d r o p o w e rs y s t e m s t od e v e l o pp r a c t i c a lm e t h o d st os o l v et h e s ep r o b l e m si s v e r yi m p o r t a n tt oe c o n o m i c a la n de f f e c t i v eo p e r a t i o no fh y d r o p o w e r h y d r o p o w e ro p e r a t i o n a n dh y d r o l o g i cm o d e lc a l i b r a t i o na r et w ok i n d so fr e p r e s e n t a t i v eo p t i m i z a t i o np r o b l e m s i n t h i sp a p e r , s t a r t e dw i t ht h e s ep r o b l e m s , t h em u l t i d i m e n s i o n a lo p t i r n i z a t i o np r o b l e m si m p a c t b ya n c a c t a l nf a c t o r sa r cs t u d i e d 1 1 1 em a i nc o n 删sa n dr e s e a r c hp r o g r e s sa r ea sf o l l o w s ： ( 1 ) t o w a r d st h ep r o b l e mt h a ts i n g l eo b j e c t i v ec a l i b r a t i o nc a nn o tr e f l e c ta l ld i f f e r e n c e s b e t w e e ns i m u l a t e da n do b s e r v e dd a t a , m u l t i o b j e c t i v es i m m e dc o m p l e xe v o l u t i o n ( s c e u a ) a l g o r i t h ma n dg e n e t i ca l g o r i t h m s ( g a s ) a r ep r e s e n t e da n da p p l i e dt oc o n t i n u o u ss e r i e s s i m u l a t i o na n df l o o de v e n t ss i m u l a t i o n i nc o n t i n u o u ss e r i e ss i m u l a t i o n , s o m es t a t i s t i e a l v a l u e sa 您t a k e n 鹊o b j e c t i v e s i nf l o o de v e n t ss i m u l a t i o n , t h eq u a l i f i c a t o r yr a t i o so ft o t a l r u n o f fv o l u m e p e a kt i m ea n dp e a kd i s c h a r g ea r et a k e na so d j e c t i v e s t h er e s l l l t ss h o wt h a t m u l t i o b j c c t i v es c e u aa n dg a sc a nd e a lw i t ht h eu n c e r t a i n t yo fc a l i b m t i o no b j e c t i v e sa n d s h o wh i g he 街e i e n c ya n ds t a b i l i t yi nc a l i b r a t i o n ( 2 ) h y d r o l o g i cm o d e lc a l i b r a t i o ni sah a r dc o m p u t a t i o nt a s kt h a tc o s t sl o t so ft i m e o n c o n s i d e r a t i o no ft h ei n a r t i f i c i a lp a r a l l e l i s mo fa r i t h m e t i c s ，p a r a l l e l e dg a sa l g o d t h e m ( p g a ) a n dp a r a l l e l e ds c e - u aa l g o d t h e m ( p s c e - u a ) f o rt h ec a l i b r a t i o no fx i n a n j i n gm o d e la r e p r e s e n t e da n dc o m p a r e d t h ek e yi d e ao ft h et w oa l g o r i t h e m si st h ep a r a l l e l i s mo fg a sa n d p s c e u at oi n c r e a s ec a l i b r a t i o ne 伍c i e n c y t h ea l g o r i t h e m sa r ew r i t t e ni nj a v aa n du s e j p v ml i b r a r yi nc o m m u n i c a t i o n , e x e c u t e di nac l u s t e ro fp c s 1 1 地r e s u l t ss h o wt h a t p a r a l l e l e da r i t h m e t i c se a r li n c r e a s et h ee f f i c i e n c ya n dq u a l i t yo fc a l i b r a t i o n a n dt h ep g a w i t hm u l t ip o p u l a t i o n sc a nm u c hm o r ei n c r e a s et h ee m c i e n c ya n da l l e v i a t et h ep r o b l e mo f p r e m a t u r ec o n v e r g e n c e ( 3 ) ag e n e r a l i s e dl i k e l i h o o du n c e r t a n we s t i m a t i o n ( g l u e ) a n df u z z yo p t i m i z a t i o n b a s e du n c e r t a i n t ya n a l y s i sm e t h o di sp r e s e n t e df o rt h ed u a lu n c e r t a i np r o b l e mo fh y d r l o g i c a m o d e l sa n de v a l u a t i o nc r i t e r i a s i nt h i sm e t h o d 。t h eb a s i ct h e o r yo f g l u em e t h o di sa p p l i e dt o x i n a n j i a n gm o d e lu n c e r t a i n ya n a l y s i s ，t a k i n gt h eq u a l i f i c a t o r yr a t i o so ft o t a lr u n o f fv o l u m e ， p c a l 【d i s c h a r g ea n dp e a kt i m e 鹞e r i t e r i a s ，u s i n gf u z z ym e m b e r s l l i pa sl i k e l i h o o dm e a s u r e m m e t h o di sa p p l i e dt os h u a n g p a ir e s e r v o i r , a n dc o m p a r e dt ot h o s eo fc o n t i n u e ss i m u l a t i o n r e s u l t ss h o wt h a tt h i sm e t h o de a r lr e v e a lt h et m c e r t a i n ya n ds e n s i t i v i t yo fm o d e lp a r a m e t e r s , 一i i i 不确定环境f 水电系统多维优化理论和应用 a n dc a l lp r e d i c tt h eu n c e r t a i n yo fh y d r o g r a p h 1 1 l ep a r a m e t e r so fx i n a n j i a n gm o d e lh a v e m u c hu n c e r t a i n t yw h i c hi n f l u e n c et h ef o r e c a s t i n gr e s u l t s t h er e s e a r c ho fm o d e lu n c e r t a i n t y h a sp r a c t i c a lm e a n i n ga n da p p l i c a t i o nv a l u et om o d e ls e l e c t i o n , p a r a m e t e rc a l i b r a t i o na n dr i s k a n a l y s i so f r e s e r v o i rf o r e c a s t i n g o p e r a t i o n ( 4 ) af u z z ys t o c h a s t i cd y n a m i cp r o g r a m m i n g ( f s d p ) m o d e l i s p r e s e n t e do n c o n s i d e r a t i o no fd u a l u n c e r t a i n t y ：f u z z ya n dr a n d o m i c i t y t h i sm o d e lc o n s i d e r st h e u n c e r t a i n t i e sd u et ov a r i a b l ed i s c r e t i z a t i o na n dt h ei m p r e c i s i o no fc r i s pd e s c r i b e dr a n d o m n a r l r eo fh y d r o l o g i c a lv a r i a b l e s i nt h i sm o d e l ，n o to n l yt h ei n f l o wa n ds t o r a g es t a t e sa r e f u z z i f i e d , b u ta l s ot h et r a n s i t i o np r o b a b i l i t i e sa r ed e s c r i b e da sf u z z yv a r i a b l e sc o m p u t e db ya n i m p r o v e di o s mm o d e l f s d pm o d e lw a sa p p l i e dt oc h a i s h i t a nh y d r o p o w e rr e s e r v o i r , t a k i n g t h em a x i m u me n e r g yo ft h ew h o l ei n t e r v a la so b j e c t i v ew i t ham i n i m u mm e a np o w e r c o n s t r a i n tf o re v e r yt i m ep e r i o d as i m u l a t i o np r o g r a mw a sr u n , a n dt h er e s u l t ss h o wt h a tt h e f s d ps o l u t i o n sa r er o b u s tt ot h ed i s c r e t i z a t i o no fi n f l o ws t a t e sa n dc a ny i e l ds a t i s f y i n g s i m u l a t i o n , e s p e c i a l l yi n t h ec i r c u m s t a n c e so f d a t as c a r c i t ya n di n a c c u r a t ef o r e c a s t i n g ( 5 ) b yt h ee x t e n s i o no fh y d r o p o w e rs y s t e m ，m u l t i d i m e n t i o np r o b l e mi st h eb o t t l e n e c k o fo p t i n l a lo p e r a t i o n t h er e d u c t i o no fd i m e n t i o nn u m b e r sa n dt h ee f f i c i e n c yi sai m p o r t a n t p r o b l e mo fr e s e r v o i ro p e r a t i o n at w o s t a g ep s oa l g o r i t h mi sp r e s e n t e dt oah y d r o p o w e r s y s t e m so p e r a t i o np r o b l e mw h i c ht a k e st h em a x i m u me n e r g yo ft h ew h o l es e r i e sa so b j e c t i v e w i t ham i n i m u m e n e r g yc o n s t r a i n tf o re v e r yt i m es t e p b e f o r et h ee v o l u t i o n a r yc o m p u t i n gf o r o b j e c t i v ef u n c t i o n ，t h ef i r s ts t a g eo p t i m a lp r o c e s si sr u nt a k e nt h em a x i m i z a t i o no fm i n i m a l m e a np o w e ra so b j e c t i v et h i sa l g o r i t h mi sa p p l i e dt oah y d r o p o w e r s y s t e mi ny u n n a n ( w i t h7 r e s e r v o i r sa n d1 4s t a t i o n s ) t h er e s u l t ss h o wt h a tp s 0c a np r e v e n tt h ep r o b l e mo f0 u r s eo f d i m e n s i o n a l i t ya n do b t a i n eh i g h - p e r f o r m a n c eo p e r a t i o n a lp l a n se f f i c i e n t l y f i n a l l y ，as u m m a r yi sg i v e na n ds o m ep r o b l e m st ob ef u l t h e rs t u d i e da r ed i s c u s s e d k e yw o r d s ：c a f i b r a t i o n ：p a r a l l e lc o m p u t i n g ；u n c e r t a i n t ya n a l y s i s ；h y d r o p o w e r s y s t e m ；o p t i m a lo p e r a t i o n 一1 v 一 独创性说明 作者郑重声明：本博士学位论文是我个人在导师指导下进行的研究工 作及取得研究成果。尽我所知，除了文中特别加以标注和致谢的地方外， 论文中不包含其他人已经发表或撰写的研究成果，也不包含为获得大连理 工大学或者其他单位的学位或证书所使用过的材料。与我一同工作的同志 对本研究所做的贡献均已在论文中做了明确的说明并表示了谢意。 作者签名：丞籀垦日期：竺显：! 三：竖 至堕塞至堑! 查皇墨竺童丝垡垡堡堡型壁旦 大连理工大学学位论文版权使用授权书 本学位论文作者及指导教师完全了解大连理工大学硕士、博士学位论文版权使用 规定”，同意大连理工大学保留并向国家有关部门或机构送交学位论文的复印件和电子 版，允许论文被查阅和借阅。本人授权大连理工大学可以将本学位论文的全部或部分内 容编入有关数据库进行检索，也可采用影印、缩印或扫描等复制手段保存和汇编学位论 文。 作者签名 导师签名： 煞堑曼 嚣盛q 巫年旦月笪日 大连理工大学博十研究生学位论文 1 绪论 1 1 选题背景和研究意义 我国水能资源丰富，占世界的首位，水电能源又具有无可比拟的优越性，开展水电 系统预报调度研究，旨在充分利用水资源来提高电站的经济效益，并能使水库安全运行， 此举具有广泛和深远的意义。 水电系统中的预报和调度中涉及大量优化问题，这些优化问题通常具有多维、不确 定等特征。我国水电能源开发已进入了迅速发展的时期，2 0 0 3 全国年水电装机达至u 9 4 8 9 万k w ，2 0 1 0 年预计将超过1 6 0 0 0 ) j i k w t l l 。随着水电系统规模的迅速扩大，优化调度中 遇到的维数问题也更为突出，建模问题将更为复杂。水电系统的复杂性除了系统规模庞 大外，大量不确定性因素存在也是其非常突出特点。本文不确定环境主要指以随机性和 模糊性为主的数学上的不确定性，包括优化目标、约束和变量等的不确定。同时也包括 水文水资源领域特有的不确定现象，例如资料缺失和人们的认识的局限性。而这两方面 经常是互相联系在一起的。如何根据问题的特点研究具有实际应用价值的方法，对于水 电系统经济、高效的运行具有重要意义。 水电站水库( 群) 优化调度和水文模型参数优选是水文水资源领域两类重要而具有 代表性意义的优化问题。概念性水文模型的参数优选是提高短期径流预报精度的关键。 而后者对于水电系统短期优化调度意义重大，是在满足综合利用要求的条件下提高发电 效益的必要条件。特别是在汛期，洪水预报对于如何协调防洪和发电间的关系更为重要。 概念性水文模型的参数优选常常表现出高维、多峰值、非线性、不连续性、非凸性及带 噪声等复杂特征。首先，水文模型具有不确定性，水文过程本身是个不确定过程或者随 即过程，水文模型只是将复杂的随机过程进行概化和简化，是对系列“平均”情况的近 似模拟。其次，水文模型是高维、高度非线性的。传统参数优选方法对大多数高维，高 度非线性水文模型往往不能取得满意结果。另外，水文模型的信息类型庞杂，既含有大 量的确定性信息，又具有大量的不确定性信息。实行水电站( 群) 的优化调度，可提高 水电站及电力系统的经济管理水平，几乎在不增加任何额外投资的条件下，便可获得显 著的经济效益，水库优化调度是挖掘水电站潜力的有效手段。水电站( 群) 优化调度同 样具有高维、非线性和不确定性等特征，而且是具有复杂约束条件的大型、非凸的动态 优化问题。特别是具有水力电力联系的水电站群联合优化问题，其维数问题更为突出， 即使在计算机技术高速发展的今天也没有完全得到解决。中长期调度优化调度中的不确 定问题比较突出，除受到水文随机性影响外，还存在由资料不完全和人们认识引起的模 不确定环境下水电系统多维优化理论和应用 糊不确定性。 本文试图在前人的研究基础上，研究水文模型参数优化率定算法和水电站水库长期 经济运行为代表的受到不确定因素影响的多维数优化问题，为水电调度部门指导水电系 统的运行提供决策依据。采取如下的技术手段：1 结合模糊数学、进化计算、并行计算 和不确定性分析方法为解决参数率定问题提供了新的途径。模糊数学是用来描述、研究、 处理事物所具有的模糊特征，在模型的参数率定算法研究的基础上，对率定目标进行模 糊化处理使之更接近于人的感觉和偏好。进化计算善于求解复杂的全局优化问题，具有 较强的稳健性和整体优化性，利用并行的进化计算技术将进一步提高率定计算的效率。 采用不确定性分析方法加深对模型的理解对于实际应用具有重要的意义；2 群体智能是 在经典智能算法的基础上发展的较有潜力的分支，在没有集中控制，不提供全局模型的 前提下，为寻找水电站( 群) 的优化调度这样复杂问题解决方案提供了新的思路；3 水 文随机性和模糊性是优化调度中最主要的两种不确定性，综合考虑双重不确定因素是解 决不确定环境下水电系统优化调度问题的一个重要方向。 1 2 水文模型优化率定及不确定性分析方法研究综述 1 2 1 水文模型优化率定研究进展 水文预报是水文学的一个重要组成部分，是防洪调度决策、生态环境保护、水资源 综合开发利用以及水利水电工程设计、施工、调度、管理等的重要依据，和整个水文学 科的发展有着相互依存的密切关系。随着计算机技术的迅速发展，水文预报方法不再限 于传统的经验相关范畴，易于计算机实现的概念性流域水文模型受到了各方面的广泛关 注。自从2 0 世纪6 0 年代以来，概念性流域水文模型经过了几十年的发展，已经比较成 熟。国内外水文专家针对不同的流域特点研制了诸如斯坦福模型、新安江模型、萨克拉 门托模型、水箱模型等流域水文模型，在洪水预报和水资源管理等众多领域得到广泛的 应用。这些模型采用数学模型的形式简化描述流域水文过程，将流域上的降雨等输入转 换为出口断面的响应( 如流量等) ，模型模拟效果的好坏很大程度上依赖于模型参数的 选择。然而流域水文模型一般是比较复杂的高维、非线性模型；模型参数存在自相关， 互相关；模型的响应面是多峰的，目标函数在参数空间内往往不连续，且不具凸性。因 此，概念性流域水文模型参数优选一直是水文界关注的重点和难点问题之一。 流域水文模型的参数优选通常采用手工( 如试错法) 或者计算机自动优选方法。手工 优选算法带有一定的主观性，与水文工作者的经验和所受训练以及对模型结构的理解程 度有关，且费时费力。随着计算机技术的迅速发展，参数自动优选方法得到了普遍应用， 大大加快了参数优选的速度，弥补了工作人员缺乏经验的不足，增加了模拟结果的客观 人连理i ：大学博十研究生学位论文 性和可信度。自从d a w d y 和d o n n e l l 在对参数自动优选方法进行初步研究之后，参数自 动优选方法得到了广泛的发展，研究者们提出了许多快速有效的参数自动优选方法，这 些方法一般可以简单的分为局部寻优及全局寻优两类。局部寻优算法通过给定参数初 值，给定搜索步长，通过计算新的目标函数值，逐步用较优的点代替次优的点，在给定 终止条件的前提下，应该反复试算逐步确定参数最优点，如罗森靠瑞克法( r o s e n b r o c k ) 、 单纯形法( s i m p l e x ) 等。局部寻优法在早期得到较广泛的应用，但是由于水文模型大多数 是非线性的，模型的响应面是多峰的，也就是说在参数空间里有若干个局部极低点，因 此局部寻优法对参数初值要求较高，给定不同参数初值，往往会得到不同优选结果，因 此采用局部寻优法很难确定优选结果是否为全局最优。全局最优法能有效的对参数空间 内的多个极值点进行综合考虑，从整个参数空间中寻求全局最优解，全局最优法分为确 定优选、随机优选方法。确定性优选方法能保证严格收敛，但是往往要求目标函数连续、 可微，因此水文模型参数优选中最常用的是随机优选法或者综合优选法，如单纯多边形 进化算法( s h u m e dc o m p l e xe v o l u t i o n , s c e u a ) t 2 ，3 1 、遗传算法( g e n e t i ca l g o r i t h m s ，g a s ) 1 4 1 等。 ( 1 ) 水文模型参数率定的全局优化算法研究进展 d u a n 等1 2 】于1 9 9 2 年提出的s c e u a 算法结合了单纯形法、随机搜索和生物竞争进化 等方法的优点，可以一致、有效、快速地搜索到水文模型参数全局最优解，s c e - u a 算 法被认为是连续型流域水文模型参数优选最有效的方法，在流域水文模型参数优选中应 用十分广泛【 】。s o r o o s h i a n 等【6 】以d r m s 和h m l e 两个不同的目标函数，采用s c e - u a 算 法和m s x ( m u l t i s t a r ts i m p l e x ) 算法分别对n w s r f s 的s a c s m a 模型进行1 0 次独立的参数 优选试验，结果发现s c e u a 算法更有效，收敛速度更快。k u c z e r a 在水文模型参数子 空间概率优化中，比较了s c e u a 算法、遗传算法、m s x 算法( 分别采用单纯形和拟牛顿 法) 的搜索性能，结果表明，s c e u a 算法鲁棒性更强，收敛效果更佳，遗传算法虽然在 初始进化阶段具有较快的收敛速度，但是在接近最优解的区域却无法有效的搜索到该最 优解。l u c e 等【l o j 将s c e - u a 算法应用于有道路森林地区产流模型渗透参数估计。v r u g t 等人在s c e u a 算法的基础上开发了一种叫做s c e m - u a ( s h u f f l e dc o m p l c xe v o l u t i o n m e t r o p o l i sa l g o r i t h m ) 的高效的自适应m c m c 进化算法】。该算法结合t m e t r o p o l i s 算法、 控制随机搜索、生物竞争进化以及分区混和洗牌的优点，在进化过程中根据马尔可夫链 获得的历史样本信息自适应的调整转移概率，从而使算法快速的收敛到后验分布，更加 适合模型具有较多参数的情况。s c e m u a 算法的退火特性避免了算法收敛到单一的最 优点，分区问的信息交换避免算法收敛到参数空间的局部最优区间，使得结果更加可靠。 y a p o 等l l z 采用s c e u a 算法对概念性降雨径流模型参数率定中率定数据的敏感性进行 不确定环境f 水电系统多维优化理论和j 龌川 了分析。杨晓华”3 1 研究了多种参数优选算法并进行了比较分析。h a p u a r a c h c h i 、李致家 等1 1 4 】采用3 4 大小和气候条件各不相同的流域对s c eu a 算法就在新安江模型计算的参数 优化进行了研究。 g a s 的基本思想是基于d a r w i n 的进化论和m e n d e l 的遗传学说。d a r w i n 的进化论认为， 生物在其延续生存中，都是逐渐地适应于其生存环境。物种的每个个体的基本特征被后 代所继承，但后代又不完全同于父代，这些新的变化，若适应环境，则被保留下来。在 某一环境中，也是那些更能适应环境的个体特征能被保留下来，这就是适者生存的原理。 m e n d e l 的遗传学说认为，遗传是作为一种指令遗传码封装在每个细胞中，并以基因的形 式包含在染色体中，每个基因有其特殊的位置并控制着某种特殊的性质，每个基因产生 的个体对环境有一定的适应性，基因的杂交和基因突变可能产生对环境适应性强的后 代，通过优胜劣汰的自然选择，适应值高的基因结构就保存下来，而适应值低的则被淘 汰。最重要的遗传算子有三个，即选择、交叉和变异算子。 g a s 利用了生物进化和遗传的思想，所以它有许多与传统优化算法不同的特点，表 现在以下方面：( 1 ) 遗传算法的操作对象是一组可行解，而非单个可行解；搜索轨道有多条， 而非单条，因而具有良好的并行性。( 2 ) 遗传算法只需要利用目标函数的取值信息，而不 需要导数等高价信息，因而适用于大规模、高度非线性的不连续多峰函数的优化以及无 解析表达式的目标函数的优化，具有很强的通用性。( 3 ) 遗传算法的择优机制是一种“软” 决策，加上其良好的并行性，使它具有良好的全局优化性能和稳健性。相对于s c e - u a , 遗传算法中需要设定的参数和处理方式更多遗传算法采用自然界的生物进化理论作为 搜索策略，具有良好的自适应优化能力，可以处理非解析式的目标函数和约束，能有效 地解决非线性复杂水文模型参数优选问题，在流域水文模型参数优选中取得了广泛的应 用i t 5 - 2 0 l 。谭炳卿【2 l 】以新安江模型为例，应用1 4 个流域的资料，对罗森布瑞克法、改进的 单纯形法和遗传算法优选模型参数的效果，优化方法和收敛速度及参数初值对优选效果 的影响进行了比较分析，指出以遗传算法的优选结果作为参数初值，再用其他两种方法 进一步优化，是模型参数识别的一个有效途径。f r a n c h i n i t 2 2 】将遗传算法和局部搜索算法 相结合对降雨径流模型进行参数自动优选，取得了较好的效果。f r a n c h i n i 和g a l e a t i 2 3 1 以 l1 个参数的c r r m 模型- - a d m 模型为例对不同遗传算法的结构、鲁棒性及效率进行了比 较研究，最后得出p a t t e r ns e a r c h ( p s ) 具有更好的性能。 ( 2 ) 水文模型多目标参数率定研究进展 在实际应用中，率定的目标具有不确定性。采用手工率定的时候，在有限的试验参 数组中选取一组最满意的参数时，这组参数通常不是某些统计指标最优的参数。而指定 率定目标采用自动率定得到参数组，其模拟和检验效果经常不令人满意。一方面的原因 人连理i ：人学博十研究生学位论文 固然是人的主观感觉有误差，另一方面也说明事先确定的目标并不合适，不能反映所有 人们关心的所有重要特征。采用多目标进行率定可以在一定程度上模拟人在手工率定时 的优选行为，综合考虑多个统计特征，并根据实际应用需要确定目标的组合和重要性程 度。 传统的水文模型参数优选方法通过采用单一的目标函数来评价模型参数的好坏，往 往不能恰当地描述由观测资料所反映出来的各种水文特征1 2 4 , 2 卯。y a p o 等【2 5 】在单目标 s c e u a 算法的基础上提出了旨在解决多目标全局优化问题的m o c o m - u a 算法，为水 文模型参数优选方法研究开辟了新的途径，吸引了越来越多的水文专家和学者的研究。 v m g t 等t 2 6 1 在s c e m - u a 基础上提出m o s c e m ( m u l t i o b j e c t i v es h u f f l e lc o m p l e x e v o l u t i o nm e t r o p o l i s ) 算法，引入p a r e t o 占优的概念出力参数率定的多目标问题。b o y l e 等1 2 7 1 将多目标优化技术和专家知识及手动有效策略相结合，最后采用计算机算法实现的 方式，取得了比单一的误差聚合统计的方法更好的效果。y u 等田1 为提高传统的目标函 数性能，提出了模糊多目标函数方法，使得该方法能够适合于产流分布很不均匀的流域。 c h e n g 等【l 刀采用模糊优选模型构造多目标评价函数，再利用遗传算法对三水源新安江模 型的参数分产流和汇流两部分分别进行了参数优选。由于在汇流计算前需要对参数进行 预处理，调整每个时间间隔的净雨值以减少观测值和模拟值的误差，因此率定过程不能 完整的模拟模型的实际情况。c h e n g 等在文献1 1 8 i 中将产流和汇流过程合并一起，全面考 虑参数率定过程中的洪水主要特征指标：洪峰流量、峰现时间及场次洪水总量，采用理 想点法构造多目标问题的g a s 评价函数，减少了模型模拟结果的误差，有效的提高了 场次洪水参数优选的效果。张洪刚，郭生练等1 巩剀研究了多目标参数自动优选问题。李 向阳等1 提出了水文模型模糊多目标s c e - u a 参数优选方法。k h u 等1 3 1 1 指出参数优选算 法中随着所包含的目标函数的增多，p a m t o 解及近似p a r c t o 解的数量也随之增多，参数 优选问题变成决策问题，自动优选程序必须从大量的p a r e t o 解中找出一组合适的模型参 数，文献【3 1 1 提出了多目标遗传算法和p a r e t o 偏爱排序相结合的方法，并对d a n i s h 流域 的m i k e l l n a m 模型进行率定，结果表明，该方法可以有效的对大量的p a r e t o 解进行 过滤，从中选择少数偏爱方案。在必须给出模型参数最优估计的情况下，该方法是十分 有效的。 1 2 2 水文模型不确定性分析研究进展 ( 1 ) 水文模型不确定性来源 作为地学分支的水文学，其水文现象深受气候、气象、地形、地貌、植被等条件的 影响。在当前的客观条件下，人们既不能很准确地取得水文资料，也不可能获得流域内 5 一 不确定环境卜水电系统多维优化理论和j 花刚 水循环诸要素( 降水、蒸发、截留、下渗、土壤水、地表及地下径流等) 可靠的时空变化 值。因此，水文模型的概化给水文模型带来了许多不确定因素。国内外许多学者，如赵 人俊吲，b e v e n 和b i n l e y i 3 3 ，3 4 1 ，芮孝判3 5 1 ，郭生练等 3 6 , 3 7 】，熊立华和郭生练【3 8 l 等，都分 析和讨论了模型的不确定性问题，主要可归纳为： 资料或信息误差问题。 文水文信息空间随机分布特性与数学期望( 均值) 的代表性问题。例如雨量，由于降 雨信息的空间随机分布的变动性，导致固定雨量站网接受输入信息误差的变动性。 b 水文信息的时程随机分布特性的均化问题。水文信息的时程变化总是连续的，而 计算时的采样总是离散的，从而导致信息在时段内的均化，并带来模型计算的误差。 c 凡是用仪器不能直接测量的水文要素，其误差来源是多方面的。以流量误差为例， 目前大都用流速仪量测出的断面流速，乘以断面面积而得流量。把水流速度简化为垂直 予断面的一维水流，在不少情况下是粗略的。 d 一些水文要素至今还缺乏可靠的信息来源。例如流域土壤含水量，表层流、地下 径流的划分等。 e 撷4 量仪器自身的观测误差。 模型结构。 a 由于对水文现象的实际过程理解很不够，因此现有模型的框架结构不可能真实的 反映水文现象的实际过程。 b 水文现象之间的确定性联系很复杂，而模型往往用大量简化的数学物理方程去近 似地模拟其联系。大多数集总式模型忽略了流域空间分布面上产汇流的随机性。 c 许多模型没有考虑环境变化( 如全球变化，人类活动影响) 对流域产汇流机制的 影响。一 模型参数的优选调试。如目标函数选择不同，将导致优选参数结果的不同；调 试系列样本选择不同，优选出的参数也就不同。 水文资料的质量依赖于数据中所包含的有关水文过程信息的多少与数据本身存在 的误差，数据包含的信息多少取决于水文过程的变幅，如果数据涵盖了丰水、中水、枯 水年，则认为数据中包含的水文信息较多。 ( 2 ) 水文模型不确定性研究方法 由于水文模型不确定性的存在，在采用优化率定算法进行流域水文模型参数优选 时，我们总是可以搜索到几组或者很多组不同的参数值，使得模