近期在用遗传算法率定新安江模型參数,在算法的优化方面做了两个工作。一是引入模拟退火算法约束变异算子,即遗传模拟退火算法;二是实如今自适应遗传算法。详细例如以下:
參数率定结果如以下两幅图所看到的。
须要说明的是这两幅图都是对流域同一年数据的參数率定结果。可见,存在着明显的“异參同效”现象。
下一步须要对模型參数进行不确定性分析,以便更好的率定模型參数。
近期在用遗传算法率定新安江模型參数,在算法的优化方面做了两个工作。一是引入模拟退火算法约束变异算子,即遗传模拟退火算法;二是实如今自适应遗传算法。详细例如以下:
參数率定结果如以下两幅图所看到的。
须要说明的是这两幅图都是对流域同一年数据的參数率定结果。可见,存在着明显的“异參同效”现象。
下一步须要对模型參数进行不确定性分析,以便更好的率定模型參数。