位置:成果数据库 > 期刊 > 期刊详情页
一种高效的SWAT模型参数自动率定方法
  • ISSN号:0559-9350
  • 期刊名称:《水利学报》
  • 时间:0
  • 分类:P333[天文地球—水文科学;水利工程—水文学及水资源;天文地球—地球物理学]
  • 作者机构:[1]中国水利水电科学研究院水资源研究所,北京100038
  • 相关基金:国家重点基础研究发展计划(973)课题(2006CB403401);国家自然科学基金创新研究群体项目(50721006)
中文摘要:

本文分析了SWAT模型和PSO算法的原理,将PSO算法引入SWAT模型中,构建了新的SWAT模型参数自动率定模块,通过在天津蓟运河流域实例研究,发现该方法率定精度较高,收敛速度快,运行结果稳定,整体率定效果优于模型自带的参数率定模块。如果用改进后的模块在Linux平台开展自动率定,可以使模型自动率定效率提高到当前水平的7倍,适用于大型流域或长时间系列模拟。而PSO算法作为一种通用的优化算法,可广泛用于各种水文模型的参数率定。

英文摘要:

The SWAT model is a complex distributed hydrological model and the parameter calibration is crucial for applying the model effectively. Although the latest version of SWAT model SWAT2005 has an auto-calibration module, but its computational efficiency is low which makes the auto-calibration of the model for large watershed difficult to be accomplished. In this paper, a new auto-calibration module applying the PSO(Particle Swarm Optimization) method was developed and was applied to the Jiyunhe watershed located in Tianjin. Compared with the results conducted by the original SCE auto-calibration module in the SWAT, the new auto-calibration method can calibrate the parameters faster than the SCE method while retain the accuracy and stable results, which means that the new auto-calibration module's performance is better than the SCE module. Meanwhile, if the new auto-calibration module runs in the Linux OS, the total calibration efficiency will he improved by 6 times of present auto-calibration approach, which makes the calibration of SWAT model for large area and long time series more convenient and promising. As a sophisticated optimization method, the PSO method can be used to calibrate various hydrological models.

同期刊论文项目
期刊论文 357 会议论文 47 著作 10
同项目期刊论文
期刊信息
  • 《水利学报》
  • 北大核心期刊(2011版)
  • 主管单位:中国科学技术协会
  • 主办单位:中国水利学会 中国大坝工程学会
  • 主编:程晓陶
  • 地址:北京市复兴路甲1号中国水科院A座1117室
  • 邮编:100038
  • 邮箱:slxb@iwhr.com
  • 电话:010-68786221
  • 国际标准刊号:ISSN:0559-9350
  • 国内统一刊号:ISSN:11-1882/TV
  • 邮发代号:2-183
  • 获奖情况:
  • 国内外数据库收录:
  • 荷兰文摘与引文数据库,美国工程索引,美国剑桥科学文摘,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:43715