[发明专利]水文模拟不确定性分析方法及装置

摘要

本发明公开了一种水文模拟不确定性分析方法及装置。该方法包括：获取水文模型参数所属的参数空间和洪水流量数据；基于水文模型参数和洪水流量数据，构建最小最大稳健性后悔值目标函数和最小最大纳什效率系数函数后悔值目标函数；根据所述参数空间和所述洪水流量数据，依据最小最大稳健性后悔值目标函数和最小最大纳什效率系数函数后悔值目标函数，率定所述水文模型参数，得到水文模型参数的最优参数空间；根据所述最优参数空间，分析水文模拟的不确定性。本发明由于在率定水文模型参数时，考虑了水文模型参数的稳健性，从而提高了率定的水文模型参数的合理性，进而能够更好地分析水文模型的不确定性。

主权项

1.一种水文模拟不确定性分析方法，其特征在于，所述方法包括：获取水文模型参数所属的参数空间和洪水流量数据；基于水文模型参数和洪水流量数据，构建最小最大稳健性后悔值目标函数和最小最大纳什效率系数函数后悔值目标函数；根据所述参数空间和所述洪水流量数据，依据最小最大稳健性后悔值目标函数和最小最大纳什效率系数函数后悔值目标函数，率定所述水文模型参数，得到水文模型参数的最优参数空间；根据所述最优参数空间，分析水文模拟的不确定性；其中，基于水文模型参数和洪水流量数据，构建最小最大稳健性后悔值目标函数和最小最大纳什效率系数函数后悔值目标函数包括：按照如下公式确定基于水文模型参数和洪水流量数据的纳什效率系数：其中，NSE(x,s)是水文模型根据水文模型参数模拟的流量的纳什效率系数，x是水文模型参数，s是洪水流量数据中的第s场洪水，M是洪水流量数据中的洪水数据时段数，q_obs·s(t)是洪水流量数据中的第s场洪水在第t洪水数据时段的流量值，q_sim·x(t)是水文模型根据水文模型参数模拟的第t洪水数据时段的流量值，是洪水流量数据中的流量值的均值；根据所述纳什效率系数，确定如下的纳什效率系数函数：NS(x,s)＝1‑NSE(x,s)其中，NS(x,s)是基于水文模型参数和洪水流量数据的纳什效率系数函数；基于水文模型参数的扰动率确定水文模型参数的扰动区间，基于所述扰动区间和所述纳什效率系数函数，构建水文模型参数的稳健性函数，如下：其中，R(x,s)是水文模型参数的稳健性函数，NS^P(x,s)是水文模型参数在扰动区间(x·(1‑x^p),x·(1+x^p))内的纳什效率系数函数的最大值，x^p是水文模型参数的扰动率，为0到1之间的一个数；根据所述稳健性函数和所述纳什效率系数函数，构建最小最大稳健性后悔值目标函数和最小最大纳什效率系数函数后悔值目标函数，如下：其中，R_{minimax‑regret}是最小最大稳健性后悔值目标函数，NS_{minimax‑regret}是最小最大纳什效率系数函数后悔值目标函数；R^*是稳健性函数的理论最优值，NS^*是纳什效率系数函数的理论最优值，X是所述参数空间，S是所述洪水流量数据；根据所述参数空间和所述洪水流量数据，依据最小最大稳健性后悔值目标函数和最小最大纳什效率系数函数后悔值目标函数，率定所述水文模型参数，得到水文模型参数的最优参数空间包括：根据所述参数空间和所述洪水流量数据，依据最小最大稳健性后悔值目标函数和最小最大纳什效率系数函数后悔值目标函数，率定所述水文模型参数，得到帕累托前沿；将所述帕累托前沿划分为预设个数的子区域，并权衡所述最小最大稳健性后悔值目标函数和最小最大纳什效率系数函数后悔值目标函数，确定所述帕累托前沿的最佳子区域；将所述最佳子区域确定的参数空间作为所述最优参数空间；根据所述参数空间和所述洪水流量数据，依据最小最大稳健性后悔值目标函数和最小最大纳什效率系数函数后悔值目标函数，率定所述水文模型参数，得到帕累托前沿包括：获取至少两组水文模型参数的扰动率和参数抽样个数；分别根据每组扰动率和参数抽样个数，以及所述参数空间和所述洪水流量数据，依据最小最大稳健性后悔值目标函数和最小最大纳什效率系数函数后悔值目标函数，率定所述水文模型参数，得到帕累托前沿；相应的，分别根据每组扰动率和参数抽样个数，以及所述参数空间和所述流量数据，依据最小最大稳健性后悔值目标函数和最小最大纳什效率系数函数后悔值目标函数，率定所述水文模型参数，得到帕累托前沿包括：S1、根据所述参数空间，获取水文模型参数的值；S2、根据每组扰动率和参数抽样个数，确定所述水文模型参数的值的扰动区间；S3、从所述扰动区间中抽取所述参数抽样个数的水文模型参数的抽样值；S4、根据所述抽样值，确定所述参数抽样个数的纳什效率系数函数的抽样值，并确定所述抽样值中的最大值；S5、根据所述水文模型参数的抽样值、所述最大值和所述洪水流量数据，确定最小最大稳健性后悔值和最小最大纳什效率系数函数后悔值；S6、重复执行S1到S5，直到得到预设对数的最小最大稳健性后悔值和最小最大纳什效率系数函数后悔值；S7、以所述最小最大稳健性后悔值为纵坐标，所述最小最大纳什效率系数函数后悔值为横坐标，画图得到所述帕累托前沿。